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！

👉 这是一个或许对你有用的社群

🐱 一对一交流/面试小册/简历优化/求职解惑，欢迎加入「芋道快速开发平台」知识星球。下面是星球提供的部分资料： 

• 《项目实战（视频）》：从书中学，往事中“练”

• 《互联网高频面试题》：面朝简历学习，春暖花开

• 《架构 x 系统设计》：摧枯拉朽，掌控面试高频场景题

• 《精进 Java 学习指南》：系统学习，互联网主流技术栈

• 《必读 Java 源码专栏》：知其然，知其所以然

👉这是一个或许对你有用的开源项目

国产Star破10w的开源项目，前端包括管理后台、微信小程序，后端支持单体、微服务架构

RBAC权限、数据权限、SaaS多租户、商城、支付、工作流、大屏报表、ERP、CRM、AI大模型、IoT物联网等功能：

• 多模块：https://gitee.com/zhijiantianya/ruoyi-vue-pro

• 微服务：https://gitee.com/zhijiantianya/yudao-cloud

• 视频教程：https://doc.iocoder.cn

【国内首批】支持 JDK17/21+SpringBoot3、JDK8/11+Spring Boot2双版本来源：

• 4 天，3000 Star → 23.5k Star：一场爆款是怎么发生的

• 一人 + 6 个 AI = 23.5k Star

• 4 天爆款的真正杀招：本地化做到了中国团队都汗颜

• 4 个对中国开发者特别友好的设计判断

• 边界：用之前要清楚的 3 件事

• 门槛塌缩：构建 AI 工具的成本被打到地板

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 。

基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

• 项目地址：https://github.com/YunaiV/ruoyi-vue-pro

• 视频教程：https://doc.iocoder.cn/video/

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 ：

平均每天 4.3 次 commit、连续 110 天没断过 。

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

• 项目地址：https://github.com/YunaiV/yudao-cloud

• 视频教程：https://doc.iocoder.cn/video/

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 ：

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

欢迎加入我的知识星球，全面提升技术能力。

👉 加入方式，“长按”或“扫描”下方二维码噢：

星球的内容包括：项目实战、面试招聘、源码解析、学习路线。

文章有帮助的话，在看，转发吧。
谢谢支持哟 (*^__^*）