同时，DeepSeek-TUI 也顺利冲上了 Github 热搜第一，成了 AI 圈最火的仔。

借着网友们铺好的东风，前排吃瓜的差评君坐不住了。这不就顺着网线，在 Stanley 和他的朋友们社群的帮助下，加到了 Hunter 本人，准备直接套套近乎。

而这一聊下来，差评君发现 DeepSeek-TUI 的爆火，可能并不是中国网友推动下的偶然。它的背后，是个带着一腔热血，正在用 AI改写梦想与命运的普通人。

和现在很多 Vibe Coding 开发者一样，Hunter 并不是科班出身。

“ 我有两个音乐学位和一个 MBA，目前在法学院上学，但我就是突然对 Agent 和 Vibe coding 产生了极大的兴趣。” Hunter 本人非常热情健谈，不止给差评君解释了很多技术细节，也说了不少开发故事。

别看老哥编程不是专业的，项目经历那是相当丰富。在这个项目以前，他给 MiniMax 和英伟达 Nemotron 也做过类似的 Agent 工具；还调教过大模型的辩证思考能力；更离谱的，Hunter 甚至尝试把一些科研生肉，从论文变成大伙儿都能用的工具。。。

所以，有了这么多工程经验积累，DeepSeek-TUI 一经推出，品质有保障，大部分开发者对它的评价都不错。

界面清晰美观，使用流畅，叠加省钱 buff，甚至有人用它解决了 Claude Code 都没能解决的问题，还有人说它比 Claude Code 的输出准确率更高。

差评君也前去简单试用了一下，感觉确实挺好。

DeepSeek-TUI 会实时记录任务执行时长、上下文消耗、缓存命中率、token 使用总价等等，有种一切尽在掌握的安心感。

尤其在大型编程项目里，DeepSeek-TUI 表现相当稳定。比如差评君让它评价一下自己基于开源项目做的，训练机器人走路的几十万行大项目。

因为是成熟源码的二次开发，DeepSeek-TUI 一边夸了原项目结构清晰，模块划分合理，一边点名差评君自搓的部分有点代码质量问题。。。

有错就改，到了修复漏洞这一步，差评君也让 DeepSeek-TUI 直接上手试了试。

虽然咱没法做多严谨的压力测试，但它一口气修了 7 个 bug，改完了不仅没多出 14 个新 bug，甚至还能正常跑！

就凭这，在差评君这儿绝对算它完美通关了。

而 DeepSeek-TUI 之所以能表现得这么好，Hunter 表示，是因为它做的远远不止套壳那么简单，还专门围绕 DeepSeek V4 做了不少适配。

比如，DeepSeek-TUI 引入了 DeepSeek V4 的填空神技（Fill in Middle），让模型写代码的时候不用从头读到尾，直接在中间缺啥补啥，这个功能对修改已有 bug 尤其好用。

另外，利用 Chat Completions API，还可以把 DeepSeek V4 的长上下文和提示词缓存利用到极致。这样来个大任务，Agent 就能把之前看过的信息全记在脑子里，能让结果更准确，也更省 token。

Hunter 还提到，DeepSeek V4 有个很有意思的特点：上下文堆得越充分，它越容易进入超神状态。而对于几十上百万行代码的大工程来说，给足用户空间喂知识，让模型先看懂，后上手，可能远比 AI 一上来狂写新 bug 更重要。

不得不说，在实际使用中，差评君感觉 DeepSeek-TUI 和 Claude Code、Codex 的体验很接近，用起来非常舒适。

但做得太好，有时候也是一种麻烦。

可能是因为 DeepSeek-TUI 真有点东西，差评君看到社交媒体上，不少人在怀疑它是不是 Claude Code 源码泄露的产物。

对于这一点，Hunter 予以了坚决的否认。

“DeepSeek-TUI 早在 1 月就已经开始开发，主要基于我做过的 MiniMax 和 NeMoCode 项目，并没有使用 Claude Code 泄露代码。虽然我也出于好奇看过其中的记忆系统设计，但 DeepSeek-TUI 的主要参考对象其实是 Codex。”

说了这么多，难道 DeepSeek-TUI 就没什么缺点吗？

当然有。大伙儿反映最严重的问题之一，是 DeepSeek-TUI 的缓存命中率要比 Claude Code 低很多。

啥叫缓存命中率呢？简单来说，就是大模型思考过的东西，会被整理好放进缓存，下次问相关问题，就可以从仓库里面回手掏。能掏到的有用历史信息越多，越节省重新思考的 token，命中率越高。

有网友在完全相同的任务场景下，对 DeepSeek-TUI 和 Claude Code 进行了横向对比测试，发现前者的缓存命中率只有 50.8%，而 Claude Code 能达到 94.3%。

来源：小红书 @一概不知道

针对这个问题，Hunter 羞涩地嘿嘿一笑，“ 确实是我的锅。”

“ 当我听说 DeepSeek V4 可能会有 100 万上下文窗口的时候，我就对一个问题很感兴趣：一个模型虽然有这么长的上下文窗口，但到多少上下文之后，它的表现可能会开始下降？

所以我当时灵机一动，做了个上下文容量调节系统。大概是每隔 128K token，它就会让模型重新思考。

对我来说，有时候结果确实变好了。但对用户来说，就得花更多钱了。。。”

不过大伙儿别担心，目前 Hunter 已经修复了这个 bug。但可能因为提示词语言不同，微信群里，大家依然达不到他自测 90% 那么好的效果，后续还要继续靠社区反馈打磨。

直到现在，DeepSeek-TUI 的热度依然居高不下。五一后短短几天，GitHub 又暴涨上万颗星，可以说是彻底出圈了。

DeepSeek-TUI 也被官方翻牌，成了 DeepSeek 的推荐 Agent 之一。

对 Hunter 来说，这一切就像做梦一样。他自称只是一个敲字的人，和所有美国人一样在去年 1 月认识 DeepSeek，却在一夜之间成了 “ 鲸鱼兄弟 ”，创造了一个符号象征。

时至今日，差评君还经常在交流群里看到 Hunter 的身影。他在群里非常活跃，虽然语言不尽相通，也能和大家无痛交流模型使用经验，各种技术。

而随着中国开发者们不断涌入项目，他们也为 DeepSeek-TUI 带来了新的活力。每天睁眼就要面对几十个新 issue，Hunter 一边填坑，一边也有种作品被关注到的幸福。

说起中美开发者社区有没有什么差异，Hunter 表示其实在一些热门模型的评价和看法，技术细节的讨论上，两者很相似。

“ 但在美国开发者社区，有一个比较热门的概念，叫做超级工程师，也就是那些消耗最多 token 的人。很多时候我想，那也许就是我。”

谈到未来的计划，Hunter 依然充满激情。他想把 DeepSeek-TUI 从一个终端编程 Agent，升级成桌面端、移动端，人人都能用的 AI 工作台；通过 Flash / Pro 模型调度降低使用成本；除此之外，他还想探索更科幻的人机交互，用眼动和头动来控制电脑。

实际上，Hunter 是一个专业，又不专业的开发者。甚至到现在，他也搞不懂为什么 DeepSeek-TUI 在一些场景下会表现得那么好。项目里用的一些技术，他也是第一次接触学习。

但这不妨碍他从一个八竿子打不着的外行，变成全球爆款开源项目的创作者。

从某种程度上，Hunter 印证了，这的确是一个任何人都可以凭借创意和热情，实现梦想的年代。

（*再次衷心感谢 Hunter Bown、Stanley 和他的朋友们社群提供的帮助！）

撰文：莫莫莫甜甜

编辑：江江 & 面线

美编：焕妍

图片、资料来源：

X、小红书、github