开源 OpenSeek: 给 DeepSeek V4 写了一层 Claude Code 同款的 TUI agent harness

• 请不要在回答技术问题时复制粘贴 AI 生成的内容

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