DeepSeek-TUI Agent工作流
AI Skill Hub 强烈推荐：DeepSeek-TUI Agent工作流 是一款优质的AI工具。在 GitHub 上收获超过 30.7k 颗 Star，AI 综合评分 8.5 分，在同类工具中表现稳健。如果你正在寻找可靠的AI工具解决方案，这是一个值得深入了解的选择。
📚 深度解析
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
DeepSeek-TUI Agent工作流 依赖 Rust 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Rust 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 DeepSeek-TUI Agent工作流 的版本更新，及时通知重要功能变化。
📋 工具概览
基于DeepSeek模型的开源AI编码工作流工具，直接在终端运行。支持代码生成、调试和优化，为开发者提供高效的命令行编程助手。适合熟悉终端的开发者和DevOps工程师。
DeepSeek-TUI Agent工作流 是一款基于 Rust 开发的开源工具，专注于 编码助手、终端工具、DeepSeek 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
📖 中文文档
基于DeepSeek模型的开源AI编码工作流工具，直接在终端运行。支持代码生成、调试和优化，为开发者提供高效的命令行编程助手。适合熟悉终端的开发者和DevOps工程师。
DeepSeek-TUI Agent工作流 是一款基于 Rust 开发的开源工具，专注于 编码助手、终端工具、DeepSeek 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
# 方式一：cargo install（推荐） cargo install deepseek-tui # 方式二：从源码编译 git clone https://github.com/Hmbown/DeepSeek-TUI cd DeepSeek-TUI cargo build --release # 二进制在 ./target/release/deepseek-tui
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
# 查看帮助 deepseek-tui --help # 基本运行 deepseek-tui [options] <input> # 详细使用说明请查阅文档 # https://github.com/Hmbown/DeepSeek-TUI
# deepseek-tui 配置说明 # 查看配置选项 deepseek-tui --config-example > config.yml # 常见配置项 # output_dir: ./output # log_level: info # workers: 4 # 环境变量（覆盖配置文件） export DEEPSEEK_TUI_CONFIG="/path/to/config.yml"
CodeWhale
An open source terminal coding agent, built to bring the best available models to as many people as possible.
CodeWhale is a terminal coding agent — a TUI and a CLI. You point it at a model and a project, and it gets to work: reading code, making edits, running commands, checking results, planning multi-step tasks, and correcting itself when something fails.
It's open source (MIT, Rust), it runs on your machine, and it works with the models people actually use. DeepSeek and open-weight models are first-class, but Claude, GPT, Kimi, and a local vLLM/Ollama box on your LAN are all full peers. The goal is simple: keep the local terminal workflow current with the best research and practical features in coding agents.
Developers from all over the world have shaped CodeWhale into what it is. If there's a model, endpoint, or feature you don't see that you want, open an issue — that's how the project grows.
简体中文 README · 日本語 README · Tiếng Việt README · codewhale.net · Install guide · Provider registry · Changelog
Features
- Three modes. Plan (read-only investigation), Agent (executes, asks per action), YOLO (auto-approve). Switch with Tab or /mode. - Persistent goal loop. Set an objective with /goal and the agent keeps working across turns — reading, editing, running, checking results — until the goal is done, it's blocked, or you stop it. No turn cap. /task tracks background tasks; the Work sidebar shows live plan and checklist state. - Sub-agents. Independent investigations and implementation slices run in parallel with provider-specific fanout caps, clean context, and provider-aware model tiers (big vs. cheap). - Broad provider support. DeepSeek, GLM, Claude, GPT, Kimi, MiniMax, OpenRouter, and local vLLM/SGLang/Ollama, all behind the same runtime and tools. Switch mid-session with /provider and /model. - Rollback. Side-git snapshots and /restore, kept outside your repo's .git — undoing a turn never touches your history. - Sandboxing & approval gates. OS sandboxing (bwrap, Landlock, Seatbelt, seccomp) and a .codewhale/hooks.toml hook system that can allow, deny, or ask before any tool call. - Durable sessions. Persist across restarts and system sleep; a task that takes forty tool calls survives the forty-first. - Headless mode. codewhale exec with --allowed-tools, --disallowed-tools (deny wins), --max-turns, and --append-system-prompt for scripts and CI. - MCP, bidirectionally. Consume tools from external servers, or expose CodeWhale itself as an MCP server via codewhale mcp. - Skills. Reusable workflows in ~/.codewhale/skills/, loaded with /skills. - Embedded everywhere. HTTP/SSE and ACP runtime APIs, a VS Code extension, and Telegram/Feishu bridges (Weixin experimental).
Install
npm install -g codewhale
codewhale --version # 0.8.64The npm wrapper (Node 18+) downloads SHA-256-verified binaries from GitHub Releases and installs codewhale, codew, and codewhale-tui. Prefer building from source? Use cargo (Rust 1.88+):
cargo install codewhale-cli --locked
cargo install codewhale-tui --lockedLinux users: install system build dependencies first: sudo apt-get install -y build-essential pkg-config libdbus-1-dev. See INSTALL.md.
Every other path:
```bash
Docker
docker pull ghcr.io/hmbown/codewhale:latest
DeepSeek-TUI 是一个终端编码代理，用于 DeepSeek V4。它从 `deepseek` 命令运行，流式传输推理块，编辑本地工作区，并包括一个自动模式，选择每次回合的模型和思考水平。
DeepSeek-TUI 的关键功能包括自动模式、思考模式流式传输、全套工具、1M-token 上下文、文件操作、shell 执行、git、Web 搜索/浏览、应用补丁、子代理和 MCP 服务器等。
DeepSeek-TUI 需要 Rust 1.88+，不需要 Node。Cargo 是必需的，用于安装和管理依赖项。
DeepSeek-TUI 可以通过多种方式安装，包括 Cargo、Docker、npm 和源码安装。可以选择使用预构建的二进制文件或从源码编译。
DeepSeek-TUI 的使用方法包括交互式 TUI、一次性提示、NDJSON 后端流式传输和继续非交互式会话等。
DeepSeek-TUI 的配置包括用户配置文件 `~/.deepseek/config.toml` 和项目覆盖层 `<workspace>/.deepseek/config.toml`。还支持环境变量和 MCP 配置。
DeepSeek-TUI 支持 OpenAI 兼容的 API 端点，包括设置 API 密钥和端点 URL。
DeepSeek-TUI 的工作流和模块包括 npm、Homebrew 和直接下载等。
高质量开源项目，Rust实现保证性能，30.7k星证明社区认可度高。深度集成DeepSeek模型，为终端用户提供专业编码能力。维护活跃，生态完善。
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 跨境业务、多语言内容运营团队
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Docker：DeepSeek-TUI 提供官方镜像，docker compose up 一键启动
- CLI：直接 npm install -g / pip install，命令行调用
- 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 跨境业务、多语言内容运营团队
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
👥 适合人群
🎯 使用场景
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
⚖️ 优点与不足
- +GitHub 30.7k Star，社区高度认可
- +MIT 协议，可免费商用
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，DeepSeek-TUI Agent工作流 是一款质量优秀的AI工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | DeepSeek-TUI |
| 原始描述 | 开源AI工作流：Coding agent for DeepSeek models that runs in your terminal。⭐30.7k · Rust |
| Topics | 编码助手终端工具DeepSeek工作流Rust实现 |
| GitHub | https://github.com/Hmbown/DeepSeek-TUI |
| License | MIT |
| 语言 | Rust |
收录时间：2026-05-17 · 更新时间：2026-05-19 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。