终端里跑 AI 编程助手,我试了一周,说说真实感受

上周在服务器上远程改一个 Rust 项目的 bug，改到一半想问问 AI 怎么处理生命周期问题。切浏览器？SSH 环境没 GUI。本地装 Claude Code？服务器上没 Node.js。

就这点事，卡了我二十分钟。

后来想起来前几天 GitHub Trending 上的 DeepSeek-TUI——终端原生 AI 编程 Agent，单二进制文件，不依赖运行时。试了试。

一周下来，聊聊感受。

它到底是个什么

别被"终端原生"吓到，说白了就是命令行里跑 AI 助手，能直接操作工作区——读写文件、跑命令、管 Git，不用切窗口，不用复制粘贴。

npm i -g deepseek-tui 装完，终端敲 deepseek 就启动。确实不折腾。

底层用 DeepSeek V4 API，不是自研模型。所以核心价值不在"模型多强"，在于"围绕 DeepSeek V4 做的工程优化多好"。

100 万 token 上下文刚看到觉得"哇好猛"，用了一周发现，真正影响日常体验的是智能模型路由。

--model auto 我强烈建议默认开。逻辑简单但实用：每次提问前，先用便宜的 Flash 判断问题复杂度。简单问题 Flash 直接答，毫秒级响应；复杂编程任务自动切 Pro + 开启推理模式。

统计了一下这周的使用，大概 60% 的问题都是"这个报错什么意思""这段代码能优化吗"——Flash 完全够用。只有代码审查和架构设计才触发 Pro。一周下来 API 费用比直接用 Pro 省了差不多 70%。

这个思路其他 AI 编程工具都该学学。不是所有问题都要最强模型，但也不能让用户每次手动选。

100 万 token 什么概念？我试过把一个 5000 行的 Rust 项目整个塞进去，加上对话历史，还没满。换 Claude Code（200K 上限），早截断了。

不过有个细节：不是所有内容都完整保留。上下文快满时自动压缩历史对话，保留最近的原始内容，之前对话总结成摘要。

压缩是有损的。有次让它回忆三天前讨论的设计决策，给的答案和当时不完全一致。别指望它完美记住所有东西，但比直接截断好得多。

配合前缀缓存，重复上下文不用重新计算，费用压到 $0.0036/百万 token。个人开发者完全扛得住。

rlm_query 用的人好像不多，但用了一周发现是真的好用。

同时派 1 到 16 个 Flash 子任务并行干活。上周给 8 个模块补单元测试，以前得一个一个让 AI 写，现在 8 个并行，几分钟全搞定。

代码审查的时候更爽：多个子任务分别审查不同方面——一个看安全漏洞，一个看性能，一个看代码风格——汇总结果。比让一个 AI 审查所有方面效率高。

这个功能不是 DeepSeek-TUI 自己实现的编排，是 DeepSeek API 原生支持。但 DeepSeek-TUI 是我见到第一个把这种能力暴露给终端用户的工具。

让 AI 直接改代码，心里多少有点慌。Side-Git 机制——每轮操作前后自动拍快照，想回滚 /restore 就行。

关键是快照不影响仓库本身的 .git 历史。之前用别的工具，AI 改坏了代码，回滚还把 Git 搞乱了，那才叫崩溃。

现在我默认 Agent 模式（每步审批），只有跑测试或者补文档时才切 YOLO 模式。渐进式授权比一刀切合理。

界面里 AI 和你的对话区分不够明显，快速对话时挺烦。LSP 诊断目前只支持 rust-analyzer、pyright、tsc、gopls、clangd。我写 Rust 和 Python 够用，但小众语言就没份了。

虽然说是"零运行时依赖"，npm 安装还是会拉一些东西。想要纯净体验得 cargo build。Rust 项目编译时间嘛……你懂的。

DeepSeek-TUI 解决了一个很具体的痛点：终端环境里，流畅使用 AI 编程助手。不是要替代 Cursor、Copilot 这些 GUI 工具，是在 GUI 用不了的场景下给你靠谱的选择。

日常开发经常 SSH 到远程服务器，或者本来就喜欢在终端干活，又或者你是 DeepSeek API 用户——试试看，不会失望。

Claude 重度用户，模型切换成本可能比较大。工具做得再好，模型能力才是根本。DeepSeek V4 在编程方面跟 Claude 还有差距，这个得客观承认。

项目地址：github.com/Hmbown/DeepSeek-TUI