100 万 token 上下文+16 路并行推理，这个终端神器让 DeepSeek V4 真正变成了编程代理

公众号名称：程叙架构与AI.

作者名称：AI兴观点

发布时间：2026-05-05 19:09

原文链接：https://github.com/Hmbown/DeepSeek-TUI

✅点击上方🔺公众号🔺关注我✅

你可能已经习惯了在 Web 聊天框里跟 DeepSeek 对话，但如果你是一个重度终端用户，肯定会想过一个问题——

能不能直接在终端里用 DeepSeek 写代码？

不用开浏览器，不用复制粘贴代码，不用跑来跑去切换窗口。就在你写代码的那个黑框框里，直接跟模型对话，让它读写文件、跑命令、查资料。

听起来就很对味对吧？

GitHub 上最近有个项目做到了，而且做得相当漂亮——DeepSeek-TUI。

什么是 DeepSeek-TUI？

简单说，它是在终端里跑的一个编程智能体。

你装好之后，在终端敲一个 deepseek 命令，就进入了一个全键盘操作的交互界面。在这里你可以直接给模型下指令，模型能直接操作你的工作区——读文件、改代码、跑测试、查 git 历史、搜网页，全都能干。

而且它专为 DeepSeek V4 打造，原生支持 100 万 token 上下文窗口和思考模式流式输出。这意味着什么？你把整个项目源码丢进去都没问题，模型能慢慢思考、兜底推理，你还能实时看到它的思维过程。

最亮眼的功能

1. 三种交互模式

DeepSeek-TUI 设计了三个档位，你可以根据任务的可信度自由切换：

Plan 🔍 — 只读模式。模型只探索和提方案，不动代码。适合先让模型理解项目结构、给出设计方案。
Agent 🤖 — 默认交互模式。模型可以多步调用工具，每一步变更都需要你审批。最有安全感。
YOLO ⚡ — 全自动模式。在可信工作区里，模型自动执行所有操作，你只管看结果。

2. 推理强度随心调

按 Shift+Tab 就能在 off → high → max 之间切换推理强度。简单任务关掉推理省成本，复杂问题拉满让模型深思熟虑。

3. 原生 RLM（并行推理）

这个很猛——它能把 1-16 个低成本 deepseek-v4-flash 子任务并行调度出去，做批量分析、并行推理。本来要一个个问的问题，一次性平行展开，效率翻倍。

4. 完整工具集

这可不是一个简单的聊天界面，它给模型配了一套完整的工具箱：

文件操作（读写、编辑、patch）
Shell 命令执行
Git 管理
Web 搜索和浏览
MCP 服务器连接
子智能体调度

模型是真的能动手干活，不是光动嘴。

5. 会话保存和恢复

长任务做到一半想关终端？没问题。Ctrl+R 一键恢复上次会话，跟没离开过一样。

6. 工作区回滚

担心模型改坏了代码？DeepSeek-TUI 用 side-git 在每一轮前后都打快照，出了事 /restore 一键回滚，而且不碰你项目自己的 .git 历史。

7. 持久化任务队列

后台任务重启后仍然存在。你可以把长时间跑的任务丢到队列里，关掉终端回来还在跑。适合做计划任务、过夜评审之类的场景。

8. LSP 诊断集成

每次编辑完代码，模型会通过 rust-analyzer、pyright、typescript-language-server 等 LSP 服务器读取诊断结果，在下一次推理前就把错误和警告反馈给自己——这相当于模型写完代码自己先检查一遍，再决定下一步怎么改。

9. 多语言 UI

原生支持 简体中文、英语、日语、葡萄牙语，自动检测系统语言。中文用户开箱即用，不需要折腾。

安装有多简单？

npm install -g deepseek-tui
deepseek

就这两行。首次启动会提示输入 DeepSeek API Key，之后就能用了。

如果在中国大陆下载慢，也可以通过 Cargo 镜像安装：

# ～/.cargo/config.toml
[source.crates-io]
replace-with = "tuna"

[source.tuna]
registry = "sparse+https://mirrors.tuna.tsinghua.edu.cn/crates.io-index/"

cargo install deepseek-tui-cli --locked
cargo install deepseek-tui --locked

预构建二进制覆盖 Linux x64、Linux ARM64、macOS（Intel + Apple Silicon）、Windows x64，基本全平台通吃。

真实使用场景

场景一：理解一个陌生项目

cd some-new-repo
deepseek

切到 Plan 模式，输入”帮我理解这个项目的架构，画个目录树，分析模块依赖关系”。模型会只读探索，不动一行代码。

场景二：修 bug

在 Agent 模式下描述 bug 现象，模型会读相关文件、定位问题、提修改方案等你审批，确认后才动代码。

场景三：批量代码审查

把 PR 链接丢给它，模型能自动拉取、分析变更、给出审查意见。

场景四：长时间运行的自动化

用持久化任务队列跑一个”每周一凌晨三点自动重构所有 TODO 注释”的任务，关掉终端，它在后台自己跑。

一些细节

成本透明：每轮对话都有实时的 token 用量和费用估算，缓存命中/未命中明细清清楚楚。
技能系统：支持从 GitHub 安装社区技能包，比如”Python Flask 最佳实践”、“Rust 代码风格检查”——无需后端服务。
多种 API 后端：除了 DeepSeek 官方 API，还支持 NVIDIA NIM、Fireworks、自托管 SGLang。
MCP 协议：可以连接任意 Model Context Protocol 服务器，扩展到更丰富的工具生态。

小结

DeepSeek-TUI 是我最近看到的、把 “终端编程代理” 这件事做得最完整的一个项目。

它不是把聊天界面搬进终端那么简单——它在 AI 编程代理的产品设计上做了很多扎实的思考：三种交互模式对应不同信任等级、会话持久化解决长任务痛点、工作区回滚消除试错恐惧、LSP 集成构建自我纠错闭环。

如果你是个终端重度用户，又经常用 DeepSeek 辅助写代码，那这个工具大概率会成为你工作流里的一块拼图。

项目地址：https://github.com/Hmbown/DeepSeek-TUI

如果觉得这篇文章有帮助，欢迎点赞、在看、转发！有问题也可以在评论区留言，我会尽量回复！

cover_image

原创 AI兴观点程叙架构与AI.

阅读原文