⭐⭐⭐ Spring Boot 项目实战	⭐⭐⭐ Spring Cloud 项目实战
《Dubbo 实现原理与源码解析 —— 精品合集》	《Netty 实现原理与源码解析 —— 精品合集》
《Spring 实现原理与源码解析 —— 精品合集》	《MyBatis 实现原理与源码解析 —— 精品合集》
《Spring MVC 实现原理与源码解析 —— 精品合集》	《数据库实体设计合集》
《Spring Boot 实现原理与源码解析 —— 精品合集》	《Java 面试题 + Java 学习指南》

摘要: 原创出处 http://www.iocoder.cn/Fight/wuyijiaqiyigemeiguodulikaifazhezuodeDeepSeekbanClaude-Codehuole/ 「芋道源码」欢迎转载，保留摘要，谢谢！

🙂🙂🙂关注微信公众号：【芋道源码】有福利：

RocketMQ / MyCAT / Sharding-JDBC 所有源码分析文章列表

RocketMQ / MyCAT / Sharding-JDBC 中文注释源码 GitHub 地址

您对于源码的疑问每条留言都将得到认真回复。甚至不知道如何读源码也可以请教噢。

新的源码解析文章实时收到通知。每周更新一篇左右。

认真的源码交流微信群。

4 天，3000 Star → 23.5k Star：一场爆款是怎么发生的

Claude Code 月付 $200 的人，最近都在看这个项目。

它叫 DeepSeek-TUI——一个跑在终端里的 AI 编程 Agent。做的事和 Claude Code 一模一样——但底下接的是 DeepSeek V4——价格只有 Claude Code 的几十分之一。

关键数据先甩出来：

⏱️ 4 个月——一个人从 0 干到 v0.8.25
📈 23.5k Star（v0.8.25, 2026-05-10）——开源 AI 编程工具里最快爆款之一
💸 价格——V4-Flash 每百万 token 输出 $0.28——比 Claude Sonnet 便宜 95%+
📜 951 commit，fork 1.9k，110 天没断更

更猛的反差是作者本人——Hunter Bown——没有 CS 学位、没有大厂经历、没有工程师 title。本科音乐教育、硕士音乐教育、MBA、法学院专利法、3 年乐队指挥——简历上甚至没出现过”程序员”三个字。

就是这么个人，单枪匹马把 Claude Code 的价格砍到了几十分之一——还让中文社区几千个开发者主动放弃了 Cursor 和 Claude Code。

DeepSeek-TUI GitHub 仓库首页

一人 + 6 个 AI = 23.5k Star

Claude Code 背后是 Anthropic 几十人的工程团队。DeepSeek-TUI 背后只有 Hunter Bown 一个人——加上 6 个 AI。

翻 commit 记录会看到不寻常的东西——951 次 commit 里，Hunter 自己签 600 次，剩下 350 次明确标的是 Claude / Gemini / Qwen / Cursor / Copilot / Devin——6 个 AI 模型在不同阶段都参与了开发。

这是 2026 年才能出现的开发模式：一个非科班出身的人负责架构判断、一群 AI 负责执行。Hunter 设计结构 / 判断方案 / 决定能不能合；AI 写实现 / 修 bug / 补测试 / 写文档。他自己擅长”做什么”和”为什么”，AI 擅长”怎么做”——分工就是这么试出来的。

110 天进展速度，一目了然：

时间	里程碑
1/20	v0.1.0 首发
1/30	v0.3.5：RLM 并行 + MCP 全协议
3/2	npm 包上线
4/28	v0.7.0：Skills 系统 + LSP 内联诊断
5/1 → 5/4	4 天 10 个版本（中文社区爆发）
5/10（本文发稿）	v0.8.25、Star 23.5k

平均每天 4.3 次 commit、连续 110 天没断过。

4 天爆款的真正杀招：本地化做到了中国团队都汗颜

5 月 1 日那条用中文写的推文，引爆了一切：「我是 DeepSeek 的粉丝，一个人做了这个终端编程工具，专门适配 DeepSeek V4。帮我扩散一下」。Hunter 管中国开发者叫”鲸鱼兄弟“（DeepSeek 的 logo 是鲸鱼）。

但真正让中文社区炸的，不是”老外学中文”这种猎奇——是他做的5 件事比大多数中国团队还细致：

✅ 完整中文 README——不是机翻、是 DeepSeek 翻的；
✅ TUI 界面整个汉化——不是表层；
✅ Release 包托管在阿里云 OSS + 腾讯云 COS——他知道中国开发者从 GitHub 下载慢；
✅ 附清华 TUNA 镜像 Cargo 配置——直接给好；
✅ X 上用中文回复 bug——报 Windows 粘贴 bug 当天修、glibc 兼容当天修、Markdown 表格异常当天修——当天报当天修。

他不是碰巧在中国火了——他主动选择了从中国开始。

4 个对中国开发者特别友好的设计判断

DeepSeek-TUI 的架构有正式的 ARCHITECTURE.md。但比架构更值得讲的是 4 个设计判断——每一个都反映没人告诉他”应该怎么做”，他自己用工具时发现痛点然后自己修。

设计 1：Plan / Agent / YOLO 三种模式（最实用）

三种模式对应一个开发者的真实一天：

模式	行为	适用场景
Plan	只读、不能改	接手新项目 / 新模块时快速看代码全景
Agent	每改一处停下来等审批	改核心逻辑 / 重构关键路径
YOLO	全自动——AI 自己拆任务、写代码、跑测试、提交 git	批量修 bug / 格式化代码

Claude Code 的权限控制是一刀切——要么允许这类操作、要么不允许。DeepSeek-TUI 把”AI 能自主到什么程度”从一次性配置变成了动态选择——修一个 typo 不需要审批、重构入口函数需要。这更接近研发的真实需求。

设计 2：Side-git——AI 的快照不污染你的 git

AI 自动改代码的最大恐惧是「改坏了回不去」。

DeepSeek-TUI 的方案：维护一套独立于用户仓库的 .git 快照——每轮 AI 操作前后自动打快照、出问题一键 /restore 回到上一轮。

关键：AI 的快照在旁路、你的 git history 不受影响——你的 commit 还是你的、AI 的试错全部隔离。

设计 3：RLM 并行——一个调度员、16 个工人

V4-Pro 主模型负责拆解任务，最多同时调度 16 个 V4-Flash 子模型并行执行。

真实场景：给一个 5 万行的项目做大重构——主模型拆成 5 块（API 层 / 数据库层 / 前端组件 / 测试 / 文档）、5 个子模型各领一块同时推。

钱是这么算的：V4-Flash 每百万 token 输出只要 $0.28——16 个并行跑、总费用一杯咖啡的钱。

和 Claude Code 的 subagents 比有啥差异——Claude Code 也支持 subagents 并行（Task 工具拉子 Agent），但两者定位不同：

Claude Code subagents：显式调用——你要主动让主 Agent 派子 Agent 干活、子 Agent 走的还是 Claude Sonnet 同档模型，并行≠便宜；
DeepSeek-TUI RLM：自动调度 + 主从异档——V4-Pro 当大脑、V4-Flash 当工人——自动拆 + 异构编排，$0.28/百万 token 让”开 16 个跑”不再是成本问题。

一句话：Claude Code 是「让你能用并行」、DeepSeek-TUI 是「默认就在并行 + 还便宜」。

设计 4：LSP 内联诊断——让模型长一双”编译器眼睛”

每次代码修改后自动调用语言服务器做增量检查——rust-analyzer / pyright / gopls / clangd / typescript-language-server——诊断结果直接喂给模型。

模型改完代码的瞬间就知道有没有类型错误、未使用变量、borrow checker 警告——不用跑到测试失败再回头修。

这 4 个设计没有一个是”创新”——单独拆开看每个都有前例。但它们组合在一起的方式透露出一个独立开发者的判断力——他知道自己用 AI 写代码时最大的痛点是什么、然后一个一个解决。

产品经理列不出这种需求清单——自己用出来的。

边界：用之前要清楚的 3 件事

按踩到概率从高到低排：

边界 1（最常见）：纯文本模型，不能看图

DeepSeek V4 是纯文本模型。报错截图拖进去让 AI 分析？不行。设计师给了 UI 稿想一键生成前端代码？不行。终端输出乱码截个图诊断？也不行。

对后端逻辑和算法 bug 影响有限。对前端开发和 UI 调试影响非常具体。

DeepSeek 在 4 月 29 日开始灰度推送识图能力——但灰度不是全量，眼下这仍是真实短板。重度依赖截图驱动开发的场景，继续用 Claude 更实际。

边界 2（常见）：默认围绕 DeepSeek V4 优化

DeepSeek-TUI 不是只能跑 DeepSeek——README 列了多条 provider：NVIDIA NIM / Fireworks / SGLang / vLLM / Ollama / 任意 OpenAI-compatible 端点。

真正的边界是”原厂体验”差异——RLM 并行调度、100 万 token 上下文利用、Auto Mode 自选模型这些都是针对 DeepSeek V4 系列调过的。换别的模型基本能跑、但没有同等效果。

和 Claude Code 绑定 Anthropic 是对称的——方向不同、结果一样：走原厂模型才能拿满产品力。

边界 3（少见但破坏力大）：个人项目，零保障

DeepSeek-TUI 是个人开源项目——MIT 协议、没有官方背书。你可以随便用，但作者没有义务继续维护。

4 天 10 个版本的背面是大部分版本在修 hotfix——快速迭代的另一面是质量控制压力。截至本文 issue 数量已经过百——很多来自新用户的兼容问题和文档缺失。

但换个角度：Claude Code 是商业产品月付账单是门槛、DeepSeek-TUI 零元起步——风险类型不同，不能横着比。

门槛塌缩：构建 AI 工具的成本被打到地板

回头再看 Hunter Bown 这个人——没 CS 学位、没大厂经历、3 年乐队指挥背景。4 个月、一个人、用 Rust 写出 Claude Code 级别的终端编程 Agent——Star 23.5k、价格只要 1/几十。

这个故事真正的冲击力——在它回答了一个问题：

构建一台 AI 编程工具的门槛到底有多高？

2025 年的答案：要一家像 Anthropic 这样的公司；

2026 年的答案：一个人 + 知道自己要什么 + 会指挥 AI——就够了。

最戳我的一个细节——项目 Star 飙到 2 万的那几天，Hunter 还在修一个 glibc 兼容性 bug。GitHub profile 一片空白——没 viral 后的公关式更新、没”building the future” tagline——闷头干自己的事。

4 个月，一个人，把 AI 编程工具的价格拉到原来的几十分之一——顺手证明了这件事不再需要一家公司。

仓库：https://github.com/Hmbown/DeepSeek-TUI

芋道源码 —— 纯源码解析博客

23.5k Star 的 DeepSeek 版 Claude Code 火了：一个人做出来的，价格只有 Claude Code 的几十分之一！