终端里写代码这件事，正在被重新定义。
2025 年初，Claude Code 用一个终端窗口证明了 AI 可以像工程师一样读文件、改代码、跑测试。紧接着，各种终端编码 Agent 如雨后春笋般涌现。在这波浪潮里，一个用 Rust 写的开源项目悄然拿下了 23,000+ Star——DeepSeek TUI。
它不是 DeepSeek 官方出品，而是社区开发者 Hmbown 的作品。但它做的事情，可能比你想象的要多。
DeepSeek TUI 是什么
简单说：一个跑在终端里的 AI 编码 Agent，底层用 Rust + ratatui 构建，专门对接 DeepSeek 系列模型。
它由两个二进制文件组成：
deepseek——调度入口，负责认证、配置、模型路由deepseek-tui——TUI 运行时，提供全键盘驱动的交互界面
和 Claude Code 的定位类似，它能让 AI 读写文件、执行命令、搜索网页、管理 Git，甚至调度子代理并行工作。但它的实现语言和架构选择，带来了不同的性能特征和使用体验。
核心能力
Auto 模式：模型自动选择
这是 DeepSeek TUI 最有特色的功能之一。开启 --model auto 后，系统会根据每轮对话的复杂度，自动选择 deepseek-v4-pro（强推理）或 deepseek-v4-flash（快速响应），并决定思考深度（off / high / max）。
deepseek --model auto
你不需要在"用强模型还是快模型"之间反复切换，系统替你做这个决策。背后是一个轻量级的路由调用，分析当前任务的复杂度后分配资源。
三种工作模式
DeepSeek TUI 提供三种模式，对应不同的权限级别：
| 模式 | 行为 | 适用场景 |
|---|---|---|
| Plan | 只读探索，不修改文件 | 代码审查、架构分析 |
| Agent | 交互式，每次操作需确认 | 日常开发 |
| YOLO | 自动批准所有操作 | 可信工作空间的批量任务 |
通过 /mode 命令随时切换，比 Claude Code 的权限模型更细粒度。
100 万 Token 上下文
DeepSeek V4 的上下文窗口达到 100 万 Token，这在终端编码工具里是天花板级别的。配合手动或自动的上下文压缩（compaction），可以处理非常大的代码库而不容易"失忆"。
系统还会实时显示 Token 消耗和缓存命中率，让你对成本有精确的感知。
工作区回滚
这是个很巧妙的设计。DeepSeek TUI 在每轮对话前后通过 side-git 做快照，但不会动你项目的 .git。如果 AI 改坏了代码，可以用 /restore 或 revert_turn 一键回滚到操作前的状态。
/restore # 回滚到上一轮之前的状态
revert_turn # 撤销当前轮次的所有修改
这种"沙箱式"的安全网，比单纯的审批机制更让人安心。
推理过程实时流式显示
对接 DeepSeek 的推理模型时，TUI 会实时流式显示模型的思考过程。你能看到 AI 是怎么分析问题、拆解步骤、排除方案的——这不只是炫技，对调试复杂问题非常有用。
LSP 诊断集成
每次编辑文件后，DeepSeek TUI 会自动调用对应语言的 LSP 服务器（rust-analyzer、pyright、typescript-language-server、gopls、clangd 等），在界面上内联显示错误和警告。
这意味着 AI 改完代码后，你能立刻看到是否有语法错误或类型问题，不用切到编辑器去验证。
MCP 协议支持
和 Claude Code 一样，DeepSeek TUI 支持 MCP（Model Context Protocol），可以连接外部工具服务器扩展能力。支持三种传输方式：stdio、SSE 和 Streamable HTTP。
# ~/.deepseek/config.toml
[[mcp_servers]]
name = "filesystem"
command = "npx"
args = ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/dir"]
子代理与 RLM
DeepSeek TUI 支持通过 agent_spawn 生成子代理并行处理任务。更有趣的是 RLM（Recursive Language Model）功能——通过 rlm_query 调度多个 deepseek-v4-flash 子实例做批量分析，成本极低。
这种"主代理用 Pro 做决策，子代理用 Flash 做执行"的架构，在成本和效果之间找到了不错的平衡。
安装与上手
DeepSeek TUI 提供多种安装方式，覆盖主流平台：
npm（推荐）
npm install -g deepseek-tui
国内用户可以指定镜像源：
npm install -g deepseek-tui --registry=https://registry.npmmirror.com
Cargo
cargo install deepseek-tui-cli --locked
cargo install deepseek-tui --locked
Homebrew（macOS）
brew tap Hmbown/deepseek-tui
brew install deepseek-tui
Scoop（Windows）
scoop install deepseek-tui
Docker
docker run --rm -it -e DEEPSEEK_API_KEY -v "$PWD:/workspace" \
ghcr.io/hmbown/deepseek-tui:latest
安装完成后，配置 API Key 并验证：
deepseek auth set --provider deepseek
deepseek doctor
deepseek --model auto
除了 DeepSeek 官方 API，还支持 NVIDIA NIM、Fireworks、Ollama 等 OpenAI 兼容端点。
与 Claude Code、Cursor 的对比
| 维度 | DeepSeek TUI | Claude Code | Cursor |
|---|---|---|---|
| 语言 | Rust | TypeScript/Node | Electron/TypeScript |
| 界面 | 终端 TUI | 终端 CLI | GUI IDE |
| 模型 | DeepSeek V4 | Claude (Anthropic) | 多模型可选 |
| 上下文 | 100 万 Token | 20 万 Token | 取决于模型 |
| 计费 | 按 Token 付费 | 按 Token 付费 | 订阅 + API |
| MCP | 支持（三种传输） | 支持 | 支持 |
| 子代理 | 支持（agent_spawn + RLM） | 支持 | 有限 |
| 开源 | MIT | 否 | 否 |
| 会话持久化 | SQLite | 文件 | 内置 |
几个关键差异值得注意：
成本结构不同。DeepSeek V4 的定价本身就比 Claude 低，加上 Auto 模式会在简单任务上自动切换到更便宜的 Flash 模型，实际使用成本可以进一步压低。RLM 批量分析更是把成本打到了地板。
上下文窗口差距明显。100 万 vs 20 万，在处理大型代码库时体验差异很大。DeepSeek TUI 可以一次性加载整个项目的上下文，而 Claude Code 可能需要更频繁地依赖 compaction。
开源 vs 闭源。DeepSeek TUI 是 MIT 协议，你可以 fork、修改、自托管。Claude Code 和 Cursor 都是闭源产品。对于在意数据隐私或需要定制化的团队，这是个重要的区别。
生态成熟度不同。Claude Code 背靠 Anthropic 的工程团队和 Superpowers 等技能框架，生态更成熟。DeepSeek TUI 的 Skills 系统还在快速发展中，社区贡献的技能包数量有限。
什么时候该选 DeepSeek TUI
适合的场景：
- 你已经在用 DeepSeek 模型，想在终端获得更好的交互体验
- 项目代码量大，需要 100 万 Token 的上下文窗口
- 对成本敏感，想通过 Auto 模式和 RLM 压低 Token 消耗
- 需要开源方案，有定制或自托管需求
- 主要在 Linux/macOS 环境工作
不太适合的场景：
- 团队深度绑定 Anthropic 生态（CLAUDE.md、Superpowers 等）
- 需要 GUI 界面和可视化操作
- Windows 用户（支持但体验不如 Linux/macOS）
总结
DeepSeek TUI 是一个用 Rust 构建的开源终端编码 Agent，核心优势在于 100 万 Token 上下文、Auto 模式智能路由、工作区回滚和极低的使用成本。它不是 DeepSeek 官方产品，但凭借扎实的工程实现和活跃的社区迭代，在 4 个月内积累了 23,000+ Star。
如果你正在寻找一个 Claude Code 的替代方案，或者本身就是 DeepSeek 模型的用户，DeepSeek TUI 值得一试。
参考资料
- DeepSeek TUI GitHub 仓库 — 项目源码与文档
- DeepSeek TUI 架构文档 — 技术架构详解
- DeepSeek V4 API 文档 — 模型能力与定价