简来说，就为大模型思考过之东西，会被整理好放进缓存，下次问相关疑难，就可从仓库里面回手掏。
他于群里极其活跃，虽言辞不尽相通，也能与大家无痛交模型用阅历，各种技艺。
“DeepSeek-TUI 早于 1 月就已始掘发，主要基于我做过之 MiniMax 与 NeMoCode 课题，并没有用 Claude Code 泄露代码。
课题里用之一些技艺，他也为第一次接触修习。
不过大伙儿别忧，目前 Hunter 已修补之此名 bug。
而对于几十上百万行代码之大营造来说，给足用户方位喂学识，让模型先看懂，后上手，或远比 AI 一上来狂写新 bug 更重要。
有网友于完全相同之差事场景下，对 DeepSeek-TUI 与 Claude Code 进行之横向对比测试，发觉前者之缓存命中率只有 50.8%，而 Claude Code 能达到 94.3%。
甚至到今，他也搞不懂为什么 DeepSeek-TUI 于一些场景下会表现得彼么好。
但做得太好，有时候也为一种麻烦。
X、小红书、github 同时，DeepSeek-TUI 也顺遂冲上之 Github 热搜第一，成之 AI 圈最火之仔。
但此不妨碍他从一名八竿子打不之之外行，变成全球爆款开源课题之创作者。
与今甚多 Vibe Coding 掘发者一样，Hunter 并不为科班出身。
尤其于大型编程课题里，DeepSeek-TUI 表现相当稳固。
” （*再次衷心感谢 Hunter Bown、Stanley 与他之朋友们社群提供之帮。
因为成熟源码之二次掘发，DeepSeek-TUI 一面夸之原课题架构清晰，模块划分合理，一面点名差评君自搓之部分有点代码品质疑难。
说之此么多，难道 DeepSeek-TUI 就没什么短处吗。
对我来说，有时候结局确实变好之。
比如，DeepSeek-TUI 引入之 DeepSeek V4 之填空神技（Fill in Middle），让模型写代码之时候不用从头读到尾，直接于中间缺啥补啥，此名功能对修改已有 bug 尤其好用。
差评君也前去简试用之一下，觉受确实挺好。
对于此一点，Hunter 予以之坚决之否认。
知识产权强国。大概为每隔 128K token，它就会让模型重新思考。
典故之始为此样之，一名叫 Hunter Bown 之掘发者于五一发之条推特，宣传他做之开源课题 DeepSeek-TUI。
故我当时灵机一动，做之名上下文容量调节体系。
五一后短短几天，GitHub 又暴涨上万颗星，可说为彻底出圈之。
” DeepSeek-TUI 也被官方翻牌，成之 DeepSeek 之推荐 Agent 之一。
直到今，DeepSeek-TUI 之热度依然居高不下。
“ 我有两名音乐学位与一名 MBA，目前于法学院上学，但我就为突然对 Agent 与 Vibe coding 产生之极大之兴趣。
火遍全球之编程 Agent，居然出自 DeepSeek 美国迷弟之手。
而 DeepSeek-TUI 之故能表现得此么好，Hunter 表示，为因它做之远远不止套壳彼么简，还专门围绕 DeepSeek V4 做之不少适配。
每天睁眼就要面对几十名新 issue，Hunter 一面填坑，一面也有种作品被关注到之福。
于此名课题昔，他给 MiniMax 与英伟达 Nemotron 也做过类似之 Agent 器物；还调教过大模型之辩证思考本领；更离谱之，Hunter 甚至尝试把一些科研生肉，从论文变成大伙儿皆能用之器物。
给课题打广告倒不稀奇，神奇之为，此位美国佬特意用 DeepSeek 把推文翻译成之中文，还于宣传之余求助华夏网友，欲名微信号，加入华夏 “ 鲸鱼兄弟 ” 们之群聊。
” 当然有。
别看老哥编程不为专业之，课题经历彼为相当丰富。
甚多时候我想，彼也许就为我。
Hunter 还提到，DeepSeek V4 有名甚有意思之特征：上下文堆得越充分，它越易进入超神状态。
他想把 DeepSeek-TUI 从一名终端编程 Agent，晋级成桌面端、移动端，者者皆能用之 AI 工台；通过 Flash / Pro 模型调度降低用本金；除此之外，他还想探求更科幻之者机交互，用眼动与头动来控制电脑。
比如差评君让它评议一下自己基于开源课题做之，操练机器者走路之几十万行大课题。
但或因提示词言辞不同，微信群里，大家依然达不到他自测 90% 彼么好之效果，后续还要续靠社区回馈打磨。
从某种程度上，Hunter 印证之，此之确为一名任何者皆可凭借创意与热，实现夙愿之年代。
Pan-tech。就像 Codex 之于 OpenAI，Claude Code 之于 Claude，DeepSeek-TUI，就为 Hunter 为 DeepSeek v4 量身打造之专属编程 Agent。
就凭此，于差评君此儿无对算它完美通关之。
至于他为啥特意要用中文搞宣发，Hunter 之动机甚简：“ 我做之既然为 DeepSeek 课题，为什么要用英文宣传。
不得不说，于实际用中，差评君觉受 DeepSeek-TUI 与 Claude Code、Codex 之体验甚接近，用起来极其舒适。
谈到前景之谋划，Hunter 依然充满激情。
） 啥叫缓存命中率呢。
它之背后，为名带之一腔热血，正用AI改写夙愿与命运之寻常者。
” 要找同好，当然得去鲸鱼兄弟最多之地方。
说起中美掘发者社区有没有什么差异，Hunter 表示其实于一些热门模型之评议与看法，技艺细节之讨论上，两者甚相似。
或为因 DeepSeek-TUI 真有点东西，差评君看到社交媒体上，不少者于疑虑它为不为 Claude Code 源码泄露之产物。
来源：小红书 @一概不知道 界面清晰美观，用流畅，叠加省钱 buff，甚至有者用它处置之 Claude Code 皆没能处置之疑难，还有者说它比 Claude Code 之输出准确率更高。
此不就顺之网线，于 Stanley 与他之朋友们社群之帮下，加到之 Hunter 本者，准备直接套套近乎。
DeepSeek-TUI 会实时记载差事执行时长、上下文消耗、缓存命中率、token 用总价等等，有种一切尽于掌握之安心感。
另外，使用 Chat Completions API，还可把 DeepSeek V4 之长上下文与提示词缓存使用到极致。
但对用户来说，就得花更多钱之。
“ 但于美国掘发者社区，有一名较量热门之概念，叫做超级营造师，也就为彼些消耗最多 token 之者。
而随之华夏掘发者们不断涌入课题，彼等也为 DeepSeek-TUI 带来之新之活力。
大伙儿反映最严重之疑难之一，为 DeepSeek-TUI 之缓存命中率要比 Claude Code 低甚多。
能掏到之有用史册讯息越多，越节省重新思考之 token，命中率越高。
虽咱没法做多严谨之压力测试，但它一口气修之 7 名 bug，改完之不仅没多出 14 名新 bug，甚至还能正常跑。
判断。有网友于完全相同之差事场景下，对 DeepSeek-TUI 与 Claude Code 进行之横向对比测试，发觉前者之缓存命中率只有 50.8%，而 Claude Code 能达到 94.3%。
所谓真诚为必杀技，不过如此。
实际上，Hunter 为一名专业，又不专业之掘发者。
“ 当我听说 DeepSeek V4 或会有 100 万上下文窗口之时候，我就对一名疑难甚感兴趣：一名模型虽有此么长之上下文窗口，但到多少上下文之后，它之表现或会始降。
” 借之网友们铺好之东风，前排吃瓜之差评君坐不住之。
他自称只为一名敲字之者，与所有美国者一样于去岁 1 月认识 DeepSeek，却于一夜之间成之 “ 鲸鱼兄弟 ”，缔造之一名符号象征。
于为于五一假期，热心之华夏网友就像阿拉丁灯神一样，轻悠闲松给 Hunter 搞定微信号，让他终于能与 “ 鲸鱼兄弟 ” 们欢愉聊天。
对 Hunter 来说，此一切就像做梦一样。
此样来名大差事，Agent 就能把之前看过之讯息全记于脑子里，能让结局更准确，也更省 token。
针对此名疑难，Hunter 羞涩地嘿嘿一笑，“ 确实为我之锅。
虽我也出于好奇看过其中之记忆体系设计，但 DeepSeek-TUI 之主要参考对象其实为 Codex。
” Hunter 本者极其热健谈，不止给差评君解释之甚多技艺细节，也说之不少掘发典故。
时至今日，差评君还经常于交群里看到 Hunter 之身影。
有错就改，到之修补漏洞此一步，差评君也让 DeepSeek-TUI 直接上手试之试。
故，有之此么多营造阅历积攒，DeepSeek-TUI 一经推出，品质有保障，大部分掘发者对它之评议皆不错。
而此一聊下来，差评君发觉 DeepSeek-TUI 之爆火，或并不为华夏网友推动下之偶然。