五一期间，你的朋友圈一定也被一个叫 DeepSeek-TUI 的东西刷屏了。一开始我还以为是 DeepSeek 官方终于开窍了，出了个自己的终端编程工具，点开一看，作者叫 Hunter Bown。

一个专利法在读学生。

我当时就愣住了。

人家一法学生，居然也写起编程工具来了！还是 GitHub 上最火爆的开源项目之一！

01

更离谱的还在后面。

这位 Hunter Bown 的专业背景，可以说跟编程毫无关系。本科音乐教育，硕士还是音乐教育，现在在读专利法。按照正常的人生轨迹，他应该是在律所里看合同，或者在音乐学院教钢琴，而不是在 GitHub 上维护一个几千 star 的开源项目。

但他偏偏就做了。

而且做出来的东西，还不是一般的那种"业余爱好者练手作"。DeepSeek-TUI 是什么概念呢，你可以把它理解成 DeepSeek 版的 Claude Code，一个完全跑在终端里、专为开发者设计的 AI 编程助手。

最骚的是什么，他本人就是通过 AI 学习和编写代码的。

什么意思呢，就是一个法学生，用 AI 教自己写代码，然后用 AI 写出来的代码，做了一个让专业开发者都觉得"卧槽有点东西"的工具。

这个过程本身，就是一个"AI 自我迭代"的雏形。

我有时候觉得，这个故事比工具本身更有意思。

02

先说说这个工具到底强在哪。

DeepSeek-TUI 的核心是一个深度适配 DeepSeek V4 模型的"终端智能代理"。它有几个让我印象特别深的特点。

第一个是纯 Rust 实现。

整个项目 99% 的代码都是 Rust，打包出来就是一个独立的二进制文件。什么意思呢，就是你不需要安装 Node.js，不需要 Python 环境，下载就能用。

这个设计真的很懂开发者的痛点。

我之前装一些工具，光环境配置就能折腾半小时。Node 版本不对，Python 依赖冲突，反正就是各种报错。这个倒好，一个文件搞定，清爽。

而且它还用了 Ratatui 框架做终端 UI，DeepSeek 蓝色主题，看着就舒服。

第二个是 RLM 并行推理。

这个东西听着挺唬人，其实原理不复杂。当你给它一个复杂任务的时候，它会把分析和代码生成工作拆分成 16 个并行子任务，交给 DeepSeek-V4-Flash 模型处理，之后再由主模型汇总。

这么做有两个好处。

一是成本低，Flash 模型的输入价格大概是每百万 token 0.14 美元，比主模型便宜不少。二是效率高，16 个子任务并行处理，速度自然快。

我寻思了一下我没寻思明白，这种并行拆分的思路，是不是有点像我们小时候做数学题，一道大题拆成几个小问，一个一个解决，最后拼起来就是答案。

第三个是百万级超长上下文。

DeepSeek V4 有 100 万 token 的上下文窗口，DeepSeek-TUI 完美利用了这个优势。什么意思呢，就是它可以轻松读取并理解一个大型项目的全部代码。

你想想看，之前用其他工具，项目稍微大一点，AI 就"记不住"前面的代码了，写到后面就开始胡言乱语。现在可能不一样了，整个项目都在它的"记忆"里，理解和修改自然更准确。

当然辣，为了防止上下文过长导致成本爆炸，它还内建了智能压缩机制。该留的留，该删的删，有点像我们整理房间，把不常用的东西收起来，常用的放在手边。

而且这个成本是真的低。缓存命中的情况下，每百万 token 只要 0.0036 美元。

四舍五入不要钱啊朋友们。

03

第三个特点，我觉得是最实用的。

叫 Side-Git 工作区回滚。

这个东西是保障操作安全的。每次 AI 执行操作前后，它会自动创建工作区的快照。一旦 AI 的操作出了问题，你可以一键将工作区回滚到之前的任一状态。

而且整个过程不会影响你项目原有的 Git 仓库。

我之前用一些 AI 编程工具，最担心的就是 AI 一通操作猛如虎，回头一看代码全毁了。虽然有 Git，但恢复起来也很麻烦。有了这个功能，相当于有了一个独立的"实验沙盒"，随便折腾，反正随时能回滚。

零风险实验，这个设计真的很懂开发者。

说到操作模式，它提供了三种核心工作模式。

Plan 模式是只读模式，让 AI 首先生成任务计划和解决方案，你看完了再决定要不要执行。Agent 模式是默认的，所有操作都需要你手动确认，安全可控。YOLO 模式就完全信任 AI，允许其自动执行所有操作。

这三个模式是有顺序的，Plan → Agent → YOLO，渐进式授权。

你可以按 Tab 键快速切换。

YOLO 这个名字起得挺有意思，You Only Live Once，人生只有一次，爱咋咋地。当然，如果你不想频繁确认，也可以在 Agent 模式下临时关闭确认，不一定非要开 YOLO。

04

还有个细节我很喜欢。

它在思考和执行任务时，会把详细的推理步骤实时输出到终端，让你清晰了解它的决策过程。

这个功能叫原生思维链流式输出。

我之前用一些工具，AI 直接给你一个结果，你不知道它是怎么想的，出了问题也不知道从哪查起。现在不一样了，它的思考过程是透明的，你能看到它是怎么分析问题、怎么拆解任务、怎么生成代码的。

这种感觉，有点像看一个经验丰富的同事在你旁边写代码，他一边写一边跟你解释他的思路。

作为一个完整的编程 Agent，它可以直接与你工作区进行深度交互，包括读取编辑文件、执行 Shell 命令、管理 Git 仓库、搜索网络，甚至协调多个子 Agent 协同完成工作。

而且它还内置了 LSP 支持，rust-analyzer、pyright、typescript-language-server 这些都能用。MCP 协议也兼容，能接入 Model Context Protocol 生态。

技能系统也挺有意思，支持 SKILL.md 文件发现安装，还能直接从 GitHub 仓库安装技能。

几乎实现了 Claude Code 的全部核心功能。

05

安装也很方便。

项目提供了多种跨平台的安装方式，Windows、macOS、Linux 都支持。最快捷的是用 npm 全局安装，一行命令搞定：

npm install -g deepseek-tui

前提是得有 Node.js 18+。

如果你是 Rust 用户，也可以通过 Cargo 安装。Arch Linux 用户可以从 AUR 安装。其他情况下，可以直接从官方 GitHub Release 页面下载预编译的可执行文件。

总之，总有一种方式适合你。

安装完之后需要设置 API 密钥：

deepseek auth set --provider deepseekdeepseek

就成了。

06

配置文件灵活。

~/.deepseek/config.toml 官方提供了完整的示例。你也可以用环境变量覆盖，比如 DEEPSEEK_API_KEY、DEEPSEEK_BASE_URL 这些。

多语言支持也做了，UI 语言会自动检测，内置简体中文、日语、葡萄牙语（巴西），英语是回退选项。

还有个我比较喜欢的功能，叫生命周期钩子。通过 /hooks 可以查看当前钩子列表，在特定事件发生时执行自定义脚本。

安全方面也没含糊。项目级配置不能覆盖安全敏感设置，fetch_url 工具有 SSRF 保护，Shell 命令用 heredoc 解析防止注入，还支持 SSL 证书配置应对企业代理。

崩溃时会自动清理终端键盘状态，这种小细节很见功底。

07

写到这里，我想聊一个背景信息。

近期几乎所有的 Terminal Agent 在适配 DeepSeek V4 的独特 API 参数 reasoning_content 时都遇到了障碍。这个参数是 DeepSeek V4 特有的，其他工具如果不做专门适配，就用不了这个功能。

而 DeepSeek-TUI 作为专为 V4 打造的原生工具，自然不会受到这一问题的困扰。

这也是为什么我说它"深挖了 DeepSeek 模型的独特优势"。不是简单地套一层壳，而是真的理解了模型的特性，然后围绕这些特性去做优化。

超长上下文、高性价比并行推理、前缀缓存，这些都不是随便哪个工具都能用好的。

08

我顺手做了个对比。

跟其他几个流行的 AI 编码 Agent 比，DeepSeek-TUI 的特点挺明显的。

OpenCode 是 TypeScript + Rust 混合，需要 Node.js 运行时。

Claude Code 是闭源的，订阅制每月 20 美元。

Hermes Agent 是 Python 写的。

DeepSeek-TUI 是纯 Rust，单二进制分发，MIT 协议开源，价格极低。

LSP 集成这块，OpenCode 有，Claude Code 和 Hermes 都没有。MCP 协议这几个都支持。

星星数方面，OpenCode 有 153K，Hermes 有 129K，DeepSeek-TUI 刚出来不久就有 2.9K，增速挺快的。

当然，这个对比不是要说谁好谁坏。只是说，DeepSeek-TUI 在自己的生态位上，确实做到了极致。

09

回到 Hunter Bown 这个人。

我有时候想，如果一个法学生都能用 AI 写出这样的工具，那我们这些"专业"的开发者，到底专业在哪里？

这话听着有点刺耳，但我真心觉得，AI 时代最宝贵的不是你会写多少行代码，而是你对问题的理解、对需求的洞察、对用户体验的敏感。

这些东西，跟你的专业背景关系没那么大。

Hunter Bown 可能不懂什么高深的算法，但他知道开发者需要什么。他知道安全回滚很重要，他知道思维链透明很重要，他知道并行推理能省钱省时间，他知道谁也不想折腾环境配置。

这就够了。

我自己也还在摸索，怎么用 AI 提升自己的效率，而不是被 AI 取代。但看了这个项目，我至少确定了一件事：

对世界保持好奇，比什么都重要。

一个法学生，因为好奇"能不能用 AI 写代码"，就开始尝试。因为好奇"能不能做一个更好的终端工具"，就开始动手。最后做出来的东西，让一群专业开发者都觉得惊艳。

这种好奇心，才是 AI 时代最稀缺的东西。

10

最后说两句。

DeepSeek-TUI 这个项目，建议大家真的可以去试试。不管你是被 Claude Code 的网络问题困扰，还是单纯想体验一下 DeepSeek V4 的强大能力，或者就是想看看 Rust 写的终端 UI 能有多好看，它都不会让你失望。

GitHub 地址我就不放了，搜一下DeepSeek-TUI 就能找到。

说实话，我还挺期待看到这个项目的后续发展的。一个法学生用 AI 写出来的工具，最后能走到哪一步？会不会有一天，我们用的大部分开发工具，都不是"专业开发者"写的？

谁知道呢。

但至少现在，这个项目已经证明了一件事：

在 AI 的帮助下，每个人都可以是自己领域的"开发者"。

最好的时代就是当下啊，朋友们。