虽迟但到，4Router在这里祝大家6.1快乐，截至今晚24:00 站内全场充值折扣6% 官网： 4router.net 折扣码： 61HAPPY 再贴一下Q群： 最近可用率还是不错，刚刚维护了一小阵子 4 个帖子 - 3 位参与者 阅读完整话题
请问各位佬codex接入中转站后问他：静态知识储备是在几月份。 我问官网的回答是：截至2025年中期左右的大量公开知识（不是plus） 它的回答是正常的吗？是不是中转站掺水了？plus的回答是什么？ 3 个帖子 - 3 位参与者 阅读完整话题
训练数据截至26年1月，看起来挺新的 测了下天气卡片，给我气笑了，跑都跑不起来 重试了一下，只能说很一般，测了这么多模型头一个遇到连下雨背景都写不出来的模型，连DS V4 Flash都不如 2 个帖子 - 2 位参与者 阅读完整话题
IT之家 6 月 1 日消息，据灯塔专业版，截至 5 月 31 日 21 时，2026 年 5 月票房 27.90 亿，由大麦娱乐出品的影片《给阿嬷的情书》获得 5 月票房冠军。 IT之家附 5 月票房排名如下： 《给阿嬷的情书》13.98 亿元 《消失的人》4.86 亿元 《寒战 1994》2.93 亿元 《穿普拉达的女王 2》8610.69 万元 《错过了，遗憾吗?》7666.07 万元 《星球大战：曼达洛人与古古》6364.88 万元 《10 间敢死队》6075.41 万元 《门牙》3812.33 万元 《猪猪侠大电影之竞速小英雄》2510.15 万元 《迈克尔 · 杰克逊：巨星之路》2488.12 万元 目前，《给阿嬷的情书》超过《后来的我们》， 成为中国影史五一档影片票房冠军 ，并且进入 2026 年度票房榜前三。截至IT之家发文，该影片票房已经突破 14 亿，密钥延期至 6 月 30 日，豆瓣评分从 9.1 分涨至 9.2 分。 IT之家附影片简介： 潮汕阿嬷叶淑柔（吴少卿饰）一直守着平淡的日子，安享晚年。孙子晓伟（郑润奇饰）因债务缠身，瞒着家人远赴泰国，寻找传闻中的亿万富豪阿公郑木生（王彦桐饰）。然而，晓伟最后却带回了一个震惊整个家族的消息：阿公早已不在人世，那个与阿嬷一直在书信中谈情说爱的，竟是一个陌生人。随着晓伟的调查，一段隐藏了半世纪的感情赫然袭来，击中了阿嬷的心。 IT 之家小伙伴记得用 最会买购买电影票 ，享受折扣价的同时还可以获得返利，预计每张票可以节省 5~15 元！
学生认证邮件说28号验证截至，结果今天29号了，居然还在 朋友的号也是这样，是会晚几天才会没吗 3 个帖子 - 3 位参与者 阅读完整话题
刚刚还在用呢，怎么现在就刷新了，不过也不好用。知识库日期截至全是2024.6，他们说戒指24.6的都是5.4mini，正常5.5thinking应该是2025.12 2 个帖子 - 2 位参与者 阅读完整话题
IT之家 5 月 26 日消息，根据工信部昨日发布的 2026 年前 4 个月通信业经济运行情况，我国 5G、千兆光网等网络基础设施建设稳步推进。 截至 4 月末，我国 5G 基站总数达到 500.9 万个，比上年末净增 17.1 万个，占移动基站总数的 38.7%，占比较一季度末提升 0.5 个百分点。这一数据相比去年同期 443.9 万个的 5G 基站总数，实现明显增长。 从总体运行情况看，前 4 个月电信业务收入累计完成 5941 亿元，同比下降 1.7%；按上年不变价计算的电信业务总量同比增长 8%。在电信用户发展方面，5G 用户规模持续快速扩大。 截至 4 月末，三家基础电信企业及中国广电的移动电话用户总数达 18.38 亿户，比上年末净增 1092 万户。其中，5G 移动电话用户达到 12.62 亿户，比上年末净增 5758 万户，占移动电话用户的比例已达 68.7%，展现出良好的增长态势。 ▲ 电信业务收入和电信业务总量累计增速 固定宽带接入方面，千兆用户规模持续扩张。截至 4 月末，三家基础电信企业的固定互联网宽带接入用户总数达 6.98 亿户，比上年末净增 727.1 万户。其中，1000Mbps 及以上接入速率的固定互联网宽带接入用户达 2.53 亿户，比上年末净增 1425 万户，占总用户数的 36.2%，占比较上年末提升 1.7 个百分点。100Mbps 及以上接入速率的用户达 6.67 亿户，占总用户数的 95.5%。此外，移动物联网终端用户增长较快，截至 4 月末达到 29.76 亿户，比上年末净增 8763 万户；互联网电视用户数达 4.1 亿户。 从电信业务使用情况来看，移动互联网流量保持较快增长。前 4 个月，移动互联网累计流量达 1420 亿 GB，同比增长 18.5%。截至 4 月末，移动互联网用户数达 16.24 亿户。4 月当月户均移动互联网接入流量（DOU）达到 23.17GB / 户 · 月，同比增长 13.5%，比上年底高 0.13GB / 户 · 月。与此同时，电话通话量延续下降趋势，前 4 个月移动电话去话通话时长同比下降 5.8%，固定电话主叫通话时长同比下降 21.5%；前 4 个月全国移动短信业务量同比下降 5.8%，短信业务收入同比下降 11.5%。 ▲ 5G 移动电话用户情况 在网络基础设施建设方面，千兆光纤宽带网络建设稳步推进。截至 4 月末，全国互联网宽带接入端口数量达 12.7 亿个，比上年末净增 1894 万个。其中，光纤接入端口达到 12.3 亿个，占互联网宽带接入端口的 96.6%。具备千兆网络服务能力的 10G PON 端口数达 3235 万个，比上年末净增 72.6 万个。5G 基站建设方面，500.9 万个的基站总数覆盖范围持续扩大，为万物互联提供坚实底座。 从地区发展情况看，东部、中部、西部及东北地区均在加快推动千兆和 5G 用户渗透。截至 4 月末，东北地区 5G 移动电话用户渗透率达 69.4%，高于全国平均水平；中、西部和东部地区 5G 用户渗透率分别为 69.5%、68.6% 和 68.1%。在千兆宽带渗透方面，中部和西部地区千兆宽带用户渗透率分别达到 36.9% 和 37.6%，领先于东部地区 35.6% 和东北地区 30.7%。前 4 个月，各地区移动互联网接入流量均实现两位数增长，东部和东北地区增速分别达到 20.1% 和 20.4%。
IT之家 5 月 25 日消息，5 月 25 日（今天）下午，国家能源局发布 1-4 月份全国电力统计数据。截至 4 月底，全国累计发电装机容量 39.9 亿千瓦，同比增长 14.2%。 太阳能发电装机容量 12.5 亿千瓦，同比增长 26.2%； 风电装机容量 6.6 亿千瓦，同比增长 22.0%。 IT之家从数据中获悉，1-4 月份，全国发电设备累计平均利用 925 小时，比上年同期降低 84 小时。 发电情况方面，国家能源局本月早些时候公布的数据显示，4 月份，全社会用电量 8205 亿千瓦时， 同比增长 6.0% ： 第一产业 用电量 112 亿千瓦时，同比增长 2.0%。 第二产业 用电量 5584 亿千瓦时，同比增长 5.3%；其中，工业用电量 5538 亿千瓦时，同比增长 5.5%，高技术装备制造业用电量 1050 亿千瓦时，同比增长 10.1%。 第三产业 用电量 1517 亿千瓦时，同比增长 8.9%；其中，充换电服务业、互联网数据服务用电量分别为 137 亿、82 亿千瓦时，增速分别达到 61.9%、42.8%。 城乡居民生活 用电量 992 亿千瓦时，同比增长 6.0%。
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）。
Typora 离线许可证激活工具（Windows EXE，开箱即用）【截至 2026-05-24 v1.13.6 有效】 站在前人肩膀上，感谢两位佬友的思路与原始脚本： 原始方案： Typora 安装与激活教程 脚本优化版（解决日志、DevTools、进程残留问题）： 关于 Typora 最新激活脚本-优化版 背景 两篇文章的思路已经很完整，但对非技术用户门槛仍然存在： 需要手动配置 Node.js 环境并 npm install Typora 安装路径需要手动修改脚本 运行出错时窗口直接消失，看不到任何提示 多次操作可能出现重复注入，导致 Typora 无法启动 于是基于 b1ac3 佬的优化版 ，用 AI 重新设计交互流程，打包成单个 EXE，降低使用门槛。 技术实现原理（来自上述两篇文章） Typora 基于 Electron，许可证校验逻辑打包在 app.asar 中，工具分三层处理： 绕过完整性校验 ：解包 app.asar → 复制到 app.bak/ → 修改 Typora.exe 的 Electron Fuse 配置，允许加载未打包的 app/ 目录代替 asar 包 Hook 许可证校验 ：在 launch.dist.js 开头注入 JS，劫持 crypto.publicDecrypt ，返回构造好的许可证 JSON，绕过 RSA 签名验证 拦截联网续签 ：劫持 electron.protocol.handle("https") ，对 store.typora.io/api/client/renew 返回构造好的成功响应 注册表写入 ：写入 SLicense 、 IDate ，使 Typora 启动时读取到有效许可证 相比原始脚本的改进： 彻底去除日志文件 ：原脚本 fsHook 无论调试开关状态如何，都会在打开文件的目录下生成 Typora_Hook_Log.txt ，本工具注入代码中无任何日志逻辑 去除 DevTools 自动弹出 防重复注入 ：工具始终从未修改的 app.bak/ 副本读取源文件进行注入，检测到已有注入标记时会提示先还原再重新注入 使用步骤 前置条件： Windows 系统（Win10 / Win11） 官方版 Typora（推荐 v1.13.6） 以管理员身份运行 （Typora 默认安装在 C:\Program Files ，需要写入权限） Step 1：获取机器码 打开 Typora → 帮助 → 我的许可证 → 输入序列号 → 离线激活 ，复制弹窗中的机器码（Base64 字符串） Step 2：运行工具 右键 TyporaCrack.exe → 以管理员身份运行 Typora 许可证工具 v1.0 ────────────────────────────── ✓ 检测到 Typora: C:\Program Files\Typora 使用此路径？(Y/N，默认Y): 当前状态: 干净（未激活） 请选择操作: [1] 激活 [2] 还原原始文件 选择 (默认1): 1 [提示] 机器码：Typora → 帮助 → 我的许可证 → 输入序列号 → 离线激活 中复制 机器码: <粘贴机器码> deviceId: xxx fingerprint: xxx version: win|1.13.6 邮箱 (回车默认 [email protected]): ✓ 解包 app.asar ✓ 备份原始文件 ✓ 修改 Electron Fuse 配置 ✓ 写入许可证校验 Hook ✓ 写入注册表 ────────────────────────────── ✓ 完成！直接打开 Typora 即可使用。 提示: 建议关闭【自动检查更新】和【使用国内服务器】选项 Step 3：打开 Typora 直接启动，无需输入任何序列号，已处于已授权状态。 还原功能 工具会自动备份所有修改（ app.asar.bak 、 Typora.exe.bak ），随时可以选择 [2] 还原原始文件 一键恢复，同时清除注册表中写入的字段。 关于 EXE 与 Node.js 不需要安装 Node.js。 使用 pkg 将 Node.js 运行时与依赖一同打包进 EXE（约 38MB），双击即可运行。 注意事项 关闭自动更新 ：Typora 自动更新会覆盖修改的文件 关闭国内服务器选项 ： 偏好设置 → 通用 → 使用国内服务器 建议关闭，否则可能绕过网络验证失败 换设备或重装后需重新操作 ：机器码与设备绑定，重装后会变化 下载地址：蓝奏云 https://wwbkr.lanzoul.com/iB16P3q9rz8j 密码:3j3r 感谢 horrah 佬 和 b1ac3 佬 的原始思路，本工具是在其基础上的工程化封装与体验优化。 5 个帖子 - 4 位参与者 阅读完整话题
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）。