截至 2026/05 ，coding agent 这个赛道在 GitHub 上已经分成几条不同的线：

• 闭源旗舰: Claude Code （ Anthropic 官方），Cursor 。体验最好，但贵 + 锁定。
• 开源通用: OpenCode （ 164k+ Star ，Go 写的）、Aider （ Python ，VSCode 替代）、Cline 。
• DeepSeek 原生: DeepSeek-TUI （ Rust 写的，过去一周从 ~2k 涨到 24k+ Star ）。
• GUI 切换器: cc-switch （ 78k+ Star ，Tauri 写的，管理上面这些 agent 的 provider 配置）。

如果诉求是 「我想要 Claude Code 同款的工程（ MCP / LSP / Plan-Agent-YOLO 三模式 / 真正的 sub-agent fan-out ），但走 DeepSeek V4 把成本压一个数量级」，目前 OpenCode + 手动配 DeepSeek 是一条路，但 OpenCode 的 harness 不是为 DeepSeek 优化的（ cache 命中率不显示、reasoning_content 没 replay ）。

DeepSeek-TUI 是另一条路，但是 Rust ，需要装 toolchain 。

第三条路是我两周前推上 GitHub 的 openseek —— TS + Bun 写的 TUI agent ，27 providers ，第一公民支持 DeepSeek V4。目前 150 Star

下面分享一下做这个东西时踩过的几个工程坑，挑了 5 个对 DeepSeek 用户最有用的。

1. cache-aware prompt assembly （最重要）

DeepSeek V4 的 prefix cache 把 cached tokens 算 ~10% 价。如果你不主动 claim 这个 discount ，你的成本优势会一夜砍半。

大部分手搓 agent loop 第一次在 turn 之间 format 不一致就把 cache 干掉了。

2. reasoning_content replay

V4 thinking mode 会发 internal-monologue tokens ，用户看不到。非显然部分：下一个 turn 你必须把这些 reasoning tokens 重新喂回模型，不然它会失去线索。

3. 5 种 compaction ，不是 1 种

1M context 不等于 1M usable context 。OpenSeek 实现了 5 种：

4. 真的 MCP 客户端 (不是 stub)

支持 Linear / GitHub / Postgres / Browser 任何 MCP server 一行配置接入。

5. LSP

跑对应语言的 language server (tsserver / rust-analyzer / pyright / gopls / clangd)，每次 edit 之后把 diagnostics 喂回模型。

整体 spec (v1.0)

• 27 providers （ OpenAI-compat 19 个 + Anthropic 4 个 + Google 2 个 + ollama + 自定义）
• 52 个工具 + 108 slash commands （ CCB 反编译参考 + 自写）
• Plan / Agent / YOLO 三模式 + git worktree 隔离
• MCP client (stdio + SSE + websocket)
• LSP feedback (5 种语言)
• SessionMemory 跨 session 持久化
• HTTP/SSE Runtime API （ headless 跑）
• SQLite-backed 任务队列（跨重启）
• Cost meter + wallet 集成

文档: openseek.dev 仓库: github.com/LichAmnesia/openseek

欢迎 star 、提 issue 、聊 DeepSeek V4 用法。如果你跑过其他 TUI agent 觉得这个有问题，DM 我（ X @ShenHuang / V2EX 都行）。