DeepSeek 官方文档里,终于出现了专门为 V4 做的终端 Agent

说起来挺有意思的，前几天我在刷GitHub热榜，发现DeepSeek-TUI这个项目稳居AI Agent分类第一位。Star数已经跑到两万多。

看到这名字的时候，我第一反应是：DeepSeek终于出自己的终端Agent了？V4都发布这么久了，之前一直在用Claude Code，总觉得差点意思——不是不好用，是太贵了。Sonnet 4.6一个月随便跑跑就是几十美元，Opus更是烧钱如流水。

然后我去翻了一下这个项目的介绍，准备好好研究一下。

看到作者名的时候我愣了一下：Hmbown。

不是DeepSeek官方。是个社区开发者。

看到这你可能想：啊，原来不是官方出品，那质量能行吗？

我懂你意思。但往下看你会发现，这个”非官方”反而是它最大的亮点——没有官方包袱，反而把V4的潜力吃得最透。

为什么V4一直缺个趁手的Agent？

先说背景。

DeepSeek V4强不强？确实强。100万token上下文，这是目前主流模型里最长的。Claude最长的才20万，GPT-4o也是20万，Gemini 1.5 Pro倒是能到100万，但价格又贵出一截。

而且V4的前缀缓存做得很好——你反复问类似的问题，模型会自动复用之前的推理过程，API费用能省一大截。按官方说法，配合前缀缓存，单次交互成本最多能降90%。

但问题是，强归强，工具链跟不上。

Claude有Claude Code，OpenAI有Codex CLI，Google有Gemini CLI。唯独DeepSeek，之前只有一些第三方集成的方案，没有专门为V4特性设计的终端Agent。

什么叫”专门设计”？不是简单套个壳让模型跑代码就行，而是要把模型的核心能力吃透。比如V4的前缀缓存，你得知道怎么构建上下文才能最大化cache hit；比如V4的流式思维链，你得有个好的可视化界面让用户看到推理过程；比如那个1M上下文，你得设计好交互方式让用户真的能用上这么长的上下文。

这些都不是简单调用API能解决的。

所以当我看到DeepSeek-TUI的时候，第一反应是：终于有人做了。

RLM并行推理：Claude Code都没有的独门功能

先说这个项目最让我眼前一亮的功能：RLM并行推理。

RLM全称是Recursive Language Model，听起来挺唬人的，但核心思想很简单：大活让大模型干，小活让小模型干，俩一起跑，省钱又高效。

具体怎么实现的？DeepSeek-TUI会启动一个V4 Pro作为”主脑”，负责统筹规划；同时最多启动16个V4 Flash作为”小工”，并行处理子任务。

Pro模型负责思考”要做什么”，Flash模型负责执行”怎么做”。Pro给出策略，Flash并行执行，最后汇总结果。

这就好比一个项目组：项目经理（Pro）负责制定方案，16个实习生（Flash）同时干活，效率自然比一个人从头做到尾快得多。

实测数据是这样的：如果用Pro模型串行处理一个中型代码库的重构，大概需要2小时；但用RLM模式，同样的任务十几分钟就能搞定。API账单直接砍掉三分之二。

这个数据还挺猛的——2小时砍到十几分钟，效率提升将近10倍。我原本以为并行处理顶多快个三四倍，没想到差距这么大。

为什么会这样？核心原因是Flash模型便宜，可以同时开很多个跑不同的子任务，而Pro模型只需要负责统筹，不用事必躬亲。简单任务用Flash秒回，复杂任务才动用Pro，分工明确，自然高效。

这个功能Claude Code完全没有。

不是说Claude Code不好，而是它走的路线不一样——Claude Code是让一个模型从头到尾负责所有事情，优点是上下文连贯、不容易出错，缺点是贵。

DeepSeek-TUI的RLM模式更像是”经济适用版”。不是最完美的方案，但足够解决大多数日常问题。

三种模式：按确认程度分级

说完RLM，再看DeepSeek-TUI的另一个设计思路：三种工作模式。

Plan模式：只读探索，可以问模型问题，让它分析代码、给出建议，但所有文件都动不了。

Agent模式（默认）：可以读写文件、执行命令，但每个操作都要你确认。适合需要精细控制但又不想全程盯着的时候。

YOLO模式：全自动执行，适合那些你已经很有把握的低风险任务。

这三种模式的区分，本质上是在回答一个问题：你愿意让AI走多远？

Plan模式是”我就看看，你别动手”；Agent模式是”你干活，我看门”；YOLO模式是”我不管了，你全权负责”。

我自己的用法是：接到新需求先用Plan模式探索一轮，搞清楚项目结构和潜在风险；确认方案可行后切到Agent模式，边执行边确认；最后用YOLO模式处理一些重复性的体力活，比如批量修格式、跑lint。

切换方式也很简单：按Tab键循环切换，或者Shift+Tab往回切。

有个细节我很喜欢：侧边Git快照兜底。每次执行危险操作前，DeepSeek-TUI会自动保存一个Git快照，万一搞砸了可以一键回滚。这个设计很实在，特别是对于我这种手速快过脑速的人。

价格：Claude Code的十分之一

说到这，你最关心的可能还是钱的问题。

先看V4的价格体系：

V4-Flash：输入$0.14/百万token，输出$0.28/百万token。V4-Pro促销期更便宜：输入$0.435/百万token，输出$0.87/百万token。这个促销截止到5月31号，之后会恢复原价。

对比一下Claude的价格：Sonnet 4.6是输入$3/百万、输出$15/百万；Opus 4.7更夸张，输出$25/百万token。

算笔账。假设你每天用Agent工具处理代码3小时，每小时大概消耗50万输入token和30万输出token：

用Claude Sonnet：每天大概$0.45，每月$13.5。用DeepSeek V4-Flash：每天$0.025，每月不到一块钱。

这个价格差距确实有点离谱。但仔细想想，原因也不复杂：DeepSeek模型本身训练成本就比Claude低很多，而且DeepSeek的定价策略本来就很激进。这不是DeepSeek在赔本赚吆喝，而是他们的技术路线确实能压低成本。

所以你要是问DeepSeek-TUI值不值用？从价格角度，没有对手。

和Claude Code比，差在哪？

不过说真的，DeepSeek-TUI不是万能的。

作为一个刚起步的项目（作者Hmbown是个独立开发者，没有团队），它在成熟度上还差Claude Code半步。

举几个例子：

Agent工程能力。Claude Code打磨了一年多，在错误恢复、上下文管理、任务拆解这些方面已经非常稳定。DeepSeek-TUI偶尔会出现漏掉Bug或者执行顺序混乱的问题。我测试的时候遇到过几次模型”觉得自己干完了但其实漏了一部分”的情况，换成Claude Code基本不会出这种问题。

CLAUDE.md机制。Claude Code有CLAUDE.md，每个项目根目录放一个文件，里面写清楚项目规范和特殊要求，Claude每次都会读取。DeepSeek-TUI没有完全对等的机制，虽然有workspace级别的提示词注入，但没有CLAUDE.md那么自然。

Skills生态。Claude Code的Skills市场已经积累了很多第三方插件，覆盖各种场景。DeepSeek-TUI虽然兼容Claude Code的Skills格式，但目前内置的Skills数量还不多，主要集中在代码相关的场景。

模型锁定。DeepSeek-TUI只能用V4系列，不能切换到其他模型商。这既是优点（深度适配V4），也是限制（灵活性差一些）。

从SWE-bench Pro的测试结果看，V4 Pro得分55.4，而Opus 4.7是64.3。这个差距大概在15%左右——不是不能用的差距，但确实有差距。

说实话，看到这个数据的时候我有点意外。我以为V4 Pro应该能和Opus 4.7打得有来有回，没想到差距还挺明显的。但想想也在情理之中，SWE-bench Pro本来就是Opus的强项，Claude在代码领域的积累确实深。

所以我的建议是：日常编码、重复性任务用DeepSeek-TUI，省钱又够用；复杂架构问题、大版本重构用Claude Code+Opus，贵但稳定。

混用才是最优解。

安装：npm一条命令搞定

说点实际的。

DeepSeek-TUI安装很简单。最简单的方式：

bashnpminstall-g deepseek-tui

国内用户建议先换个镜像：

b

npm config set registry https://registry.npmmirror.comnpm i -g deepseek-tui

其他安装方式包括Cargo（Rust用户）、Homebrew（Mac用户）和Docker。文档里都有详细说明，我就不再赘述了。

安装完成后，设置API Key：

bash

exportDEEPSEEK_API_KEY=你的key

然后就可以跑了：

bash

deepseek-tui

第一次启动会提示你选择工作模式，初始化配置。整体引导流程比较顺，新手友好。

对了，官方文档有中文版（deepseek-tui.com/zh），对国内用户很友好。

什么人该用，什么人不该用？

最后聊点主观的。

DeepSeek-TUI适合这些人：

预算有限的独立开发者或个人项目。每天花个几块钱就能有个靠谱的代码助手，比以前招实习生便宜多了。

学习阶段的程序员。用它来看代码、学项目结构，当成一个随时可以提问的”老师傅”。

做重复性编码工作的。比如要批量处理代码转换、格式统一、注释生成这类活。

DeepSeek-TUI可能不太适合这些人：

对代码质量要求极高的生产环境。稳定性还是比Claude Code差一些，万一漏了Bug或者改错了地方，后果很严重。

需要处理非V4模型的项目。模型锁定是硬限制，不是所有场景都能用V4解决。

不差钱的团队。Claude Code贵有贵的道理，工具链成熟度不是一个量级。

写在最后

回到开头那个”官方”的问题。

DeepSeek-TUI确实不是DeepSeek官方出品，是一个叫Hmbown的独立开发者写的MIT开源项目。

但这恰恰是它有意思的地方。

没有官方包袱，反而能更激进地吃透V4的特性——前缀缓存、1M上下文、流式思维链，这些V4的核心能力在DeepSeek-TUI里都得到了充分利用。

甚至那个RLM并行推理功能，官方文档里都没怎么提，反而是这个社区项目先做出来的。

某种程度上，DeepSeek-TUI比很多”官方”工具更懂DeepSeek。

当然，它还不完美。工程成熟度、生态丰富度这些方面，Claude Code仍然是标杆。但对于预算敏感或者愿意折腾的用户来说，DeepSeek-TUI提供了一个性价比极高的选择。

而且按照现在的Star增速（5天破万、一周两万多），社区活跃度很高，迭代速度应该会很快。

AI编程工具的格局，可能要变一变了。

你用DeepSeek-TUI了吗？体验如何？欢迎评论区聊聊。