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： 策略 触发 用途 micro 每个 tool result 后 砍 noise （ grep 结果、文件 head/tail ） auto 累计 token 阈值 自动 summary 老段 reactive 模型主动请求 模型自己说「这段我不需要了」 sessionMemory session 结束 跨 session 持久化 (extractMemories) snip 用户手动 /snip 精确剪掉一段 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）。
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： 策略 触发 用途 micro 每个 tool result 后 砍 noise （ grep 结果、文件 head/tail ） auto 累计 token 阈值 自动 summary 老段 reactive 模型主动请求 模型自己说「这段我不需要了」 sessionMemory session 结束 跨 session 持久化 (extractMemories) snip 用户手动 /snip 精确剪掉一段 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）。
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： 策略 触发 用途 micro 每个 tool result 后 砍 noise （ grep 结果、文件 head/tail ） auto 累计 token 阈值 自动 summary 老段 reactive 模型主动请求 模型自己说「这段我不需要了」 sessionMemory session 结束 跨 session 持久化 (extractMemories) snip 用户手动 /snip 精确剪掉一段 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）。
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： 策略 触发 用途 micro 每个 tool result 后 砍 noise （ grep 结果、文件 head/tail ） auto 累计 token 阈值 自动 summary 老段 reactive 模型主动请求 模型自己说「这段我不需要了」 sessionMemory session 结束 跨 session 持久化 (extractMemories) snip 用户手动 /snip 精确剪掉一段 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）。
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： 策略 触发 用途 micro 每个 tool result 后 砍 noise （ grep 结果、文件 head/tail ） auto 累计 token 阈值 自动 summary 老段 reactive 模型主动请求 模型自己说「这段我不需要了」 sessionMemory session 结束 跨 session 持久化 (extractMemories) snip 用户手动 /snip 精确剪掉一段 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）。
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： 策略 触发 用途 micro 每个 tool result 后 砍 noise （ grep 结果、文件 head/tail ） auto 累计 token 阈值 自动 summary 老段 reactive 模型主动请求 模型自己说「这段我不需要了」 sessionMemory session 结束 跨 session 持久化 (extractMemories) snip 用户手动 /snip 精确剪掉一段 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）。
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： 策略 触发 用途 micro 每个 tool result 后 砍 noise （ grep 结果、文件 head/tail ） auto 累计 token 阈值 自动 summary 老段 reactive 模型主动请求 模型自己说「这段我不需要了」 sessionMemory session 结束 跨 session 持久化 (extractMemories) snip 用户手动 /snip 精确剪掉一段 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）。
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： 策略 触发 用途 micro 每个 tool result 后 砍 noise （ grep 结果、文件 head/tail ） auto 累计 token 阈值 自动 summary 老段 reactive 模型主动请求 模型自己说「这段我不需要了」 sessionMemory session 结束 跨 session 持久化 (extractMemories) snip 用户手动 /snip 精确剪掉一段 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）。
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： 策略 触发 用途 micro 每个 tool result 后 砍 noise （ grep 结果、文件 head/tail ） auto 累计 token 阈值 自动 summary 老段 reactive 模型主动请求 模型自己说「这段我不需要了」 sessionMemory session 结束 跨 session 持久化 (extractMemories) snip 用户手动 /snip 精确剪掉一段 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）。
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： 策略 触发 用途 micro 每个 tool result 后 砍 noise （ grep 结果、文件 head/tail ） auto 累计 token 阈值 自动 summary 老段 reactive 模型主动请求 模型自己说「这段我不需要了」 sessionMemory session 结束 跨 session 持久化 (extractMemories) snip 用户手动 /snip 精确剪掉一段 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）。
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： 策略 触发 用途 micro 每个 tool result 后 砍 noise （ grep 结果、文件 head/tail ） auto 累计 token 阈值 自动 summary 老段 reactive 模型主动请求 模型自己说「这段我不需要了」 sessionMemory session 结束 跨 session 持久化 (extractMemories) snip 用户手动 /snip 精确剪掉一段 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）。
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： 策略 触发 用途 micro 每个 tool result 后 砍 noise （ grep 结果、文件 head/tail ） auto 累计 token 阈值 自动 summary 老段 reactive 模型主动请求 模型自己说「这段我不需要了」 sessionMemory session 结束 跨 session 持久化 (extractMemories) snip 用户手动 /snip 精确剪掉一段 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）。
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： 策略 触发 用途 micro 每个 tool result 后 砍 noise （ grep 结果、文件 head/tail ） auto 累计 token 阈值 自动 summary 老段 reactive 模型主动请求 模型自己说「这段我不需要了」 sessionMemory session 结束 跨 session 持久化 (extractMemories) snip 用户手动 /snip 精确剪掉一段 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）。
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： 策略 触发 用途 micro 每个 tool result 后 砍 noise （ grep 结果、文件 head/tail ） auto 累计 token 阈值 自动 summary 老段 reactive 模型主动请求 模型自己说「这段我不需要了」 sessionMemory session 结束 跨 session 持久化 (extractMemories) snip 用户手动 /snip 精确剪掉一段 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）。