DeepSeek-TUI dominiert GitHub. Praxisgestützte Tests zeigen: Mit weniger als 10 Yuan können auch Anfänger Anwendungen entwickeln.

In den letzten Tagen ist ein Open-Source-Projekt namens DeepSeek-TUI plötzlich auf GitHub extrem beliebt geworden. Innerhalb nur eines Tages ist die Anzahl der Sterne (Stars) von 8.700 auf 16.300 gestiegen.

DeepSeek-TUI ist kein offizielles Produkt von DeepSeek, sondern ein terminalbasierter programmierter Intelligenz-Agent, den ein privater Entwickler auf Basis von DeepSeek V4 entwickelt hat. Doch die Geschwindigkeit, mit der die Anzahl der Sterne steigt, ist erstaunlich und hat die Aufmerksamkeit vieler AI-Entwickler in- und ausländisch erregt. Innerhalb weniger Tage hat es sich in die Spitze der GitHub-Trends geschlichen und von vielen Entwicklern als „DeepSeek-Version von Claude Code“, „chinesisches Codex CLI“ oder in einer noch lokalereren Form als „Walfisch“ bezeichnet.

Der Entwickler Hunter Bown hat sich auch an die chinesische Kultur angepasst und die Benutzer von DeepSeek-TUI als „Walfisch-Brüder (whale bros)“ bezeichnet.

Bildquelle: X

Wir haben bereits die Webversion, die APP und die API von DeepSeek V4. Warum brauchen wir dann noch eine TUI?

Diese Frage ist eigentlich sehr wichtig. In der letzten Zeit hat sich in der Branche der großen Modelle eines der auffälligsten Veränderungen in den Agent-Frameworks über den Modellen gezeigt. GPT-5.5 ist sehr leistungsstark, aber was wirklich den Arbeitsablauf der Entwickler verändert hat, ist GPT-5.5 + Codex. Und was Anthropic in der Entwicklergemeinschaft zu einer dominierenden Position gebracht hat, ist Claude Code, das auf dem Claude-Modell basiert.

Dies ist auch der wahre Hintergrund, warum DeepSeek-TUI so beliebt geworden ist. DeepSeek V4 hat die Fähigkeiten in Bezug auf Code, logische Schlussfolgerungen, lange Kontexte und mehrmaliges Verständnis deutlich verbessert, fehlt aber immer noch an einem speziell für das Modell entwickelte Agent-Framework.

Bildquelle: Github

Abgesehen davon, dass Codex und Claude Code ein besseres Verständnis und eine bessere Unterstützung ihrer eigenen Modelle haben, hat eine kürzliche Aktualisierung von Codex die Inferenz-Schnittstelle von „Chat-Vervollständigung (chat/completions API)“ auf „Antworten (Responses API)“ umgestellt, was dazu führte, dass V4 bei Codex vollständig wirkungslos wurde.

DeepSeek V4 braucht sein eigenes Codex. Aber die Frage ist, ob DeepSeek TUI, ein privates Open-Source-Projekt von Dritten, wirklich die Erwartungen der Menschen erfüllen kann?

Für weniger als 10 Yuan können auch Anfänger macOS-Anwendungen entwickeln und Bugs beheben

Ich habe DeepSeek-TUI tatsächlich auf einem macOS-System installiert und getestet. Ehrlich gesagt ist DeepSeek-TUI immer noch ein Tool für Entwickler. Es gibt keine grafische Anleitung und keine Verpackung für normale Benutzer. Der gesamte Prozess ist immer noch von Befehlszeilen, Umgebungsabhängigkeiten und Toolketten geprägt.

Im Vergleich zur völlig grafischen Download- und Installationserfahrung von Codex ist es offensichtlich komplizierter, aber nicht so kompliziert wie OpenClaw (Hummer).

Tatsächlich bietet DeepSeek-TUI vier Installationsmethoden: npm, Cargo, Homebrew und den direkten Download der Binärdatei. Ich habe es über Homebrew installiert, aber zu Beginn hatte ich ein Problem: Der Fehler „Your Command Line Tools are too outdated.“ (Ihre Befehlszeilentools sind zu alt.) erschien.

Das war kein großes Problem. Ich habe die neueste Version der Befehlszeilentools über die Apple-Website aktualisiert und den Befehl „brew“ erneut ausgeführt. Innerhalb von nur zwei Zeilen war die Installation von DeepSeek-TUI schnell und problemlos abgeschlossen. Nach der Installation konnte ich mit dem Befehl „deepseek-tui“ die Konfigurationsanleitung starten, alle Einstellungen bestätigen und die DeepSeek-API eingeben, um in die Dialogoberfläche zu gelangen.

Bildquelle: Lei Technology

Es ist zu erwähnen, dass DeepSeek-TUI standardmäßig drei Modi hat: Plan, Agent und YOLO. Der Plan-Modus ähnelt eher einem Beobachtungsmodus. Er analysiert zuerst das Projekt, erstellt einen Plan und listet die zu erledigenden Aufgaben auf, führt aber keine echten Änderungen durch. Im Agent-Modus werden Tools wie das Lesen von Dateien, das Ändern von Code und das Ausführen von Shell-Befehlen verwendet, aber bei vielen wichtigen Schritten wird der Benutzer immer noch um Bestätigung gebeten. Der YOLO-Modus ist der aggressivste und entspricht fast einem „Freigabemodus“, in dem die KI die gesamte Aufgabenkette automatisch fortsetzen kann.

Dieses Modusdesign ähnelt tatsächlich sehr Claude Code.

Was mich aber wirklich davon überzeugt hat, dass DeepSeek-TUI etwas besonderes ist, war die anschließende praktische Tests. Ich habe versucht, mit DeepSeek-TUI eine macOS-Speichernase zu entwickeln, die nur meine persönlichen Bedürfnisse erfüllt. Ich habe auf Funktionen wie Fixieren, lokale Synchronisierung über iCloud und Unterstützung für die Menüleiste hingewiesen. Die Entwicklung, einschließlich der endgültigen Kompilierung und Verpackung, hat einige Zeit in Anspruch genommen.

Bildquelle: Lei Technology

Die praktischen Ergebnisse zeigen, dass die von DeepSeek-TUI entwickelte ClipMemo-Anwendung voll funktionsfähig ist. Die von mir gewünschten Funktionen funktionieren grundsätzlich, und es wurden sogar einige wichtige Funktionen hinzugefügt, die ich gar nicht erwähnt habe, wie z. B. die regelmäßige Bereinigung und Entfernung von Duplikaten. In Bezug auf die UX- und UI-Design ist ClipMemo zwar nicht besonders beeindruckend, aber es erfüllt die normalen Anforderungen.

Die neu entwickelte erste Version von ClipMemo, Bildquelle: Lei Technology

Das wichtigste Problem ist, dass obwohl es einen Funktionsschalter für die iCloud-Synchronisierung gibt, es tatsächlich nicht möglich ist, eine Clipboard-Datei mit den kopierten Inhalten in der iCloud zu speichern.

Ich habe auch ein existierendes Open-Source-Projekt namens GKD (gkd-kit/gkd) für die Bugbehebung getestet. Dies ist ein Open-Source-Projekt im Bereich der Android-Automatisierung. Das gesamte Projekt hat eine Struktur aus Kotlin und Android Framework, hat eine beträchtliche Codebasis und beinhaltet tiefgreifende Logiken wie AccessibilityNodeInfo, Cache-Tiefe und Ereignisdienste.

Die letzte Version von GKD wurde Ende 2025 veröffentlicht. Aus den Git-Einträgen geht jedoch hervor, dass der Entwickler GKD vor mindestens zwei Wochen um die Unterstützung für Android 17 erweitert hat.

Bildquelle: Github

Zurück zu DeepSeek-TUI: Ich habe es nicht nur angewiesen, das Projekt lokal zu klonen, sondern auch eine Aufgabe mit einer beträchtlichen Arbeitsmenge gegeben, nämlich die potenziellen Bugs im Projekt zu finden und zu beheben. Anschließend hat DeepSeek-TUI begonnen, das Repository zu klonen, die Projektstruktur zu lesen, die Kotlin-Dateien zu analysieren, die Funktionsaufrufe zu untersuchen, Patches zu generieren, git diff auszuführen und die Änderungen zu überprüfen. Der gesamte Prozess hat über 13 Minuten gedauert.

Während des Prozesses hat es seinen eigenen Debugging-Zyklus gebildet: Es liest zuerst den Code, ändert ihn, führt ihn aus, prüft das Ergebnis und macht dann weitere Änderungen. Insbesondere die ständig wechselnden Todos auf der rechten Seite haben einen echten „Arbeitsablauf“-Charakter: Zuerst wird das Projekt geklont, dann wird die Codebasis kennengelernt, anschließend werden die Bugs gesucht und schließlich werden die Probleme behoben.

Bildquelle: Lei Technology

Dies ist auch der größte Unterschied zwischen DeepSeek-TUI und der Webversion von DeepSeek. Die Webversion ist im Wesentlichen ein „Chat“. Selbst wenn man Code hochlädt oder Logs einfügt, gibt sie nur „Empfehlungen“. DeepSeek-TUI hingegen liest selbst Dateien, führt Befehle aus, verwaltet den Aufgabenstatus, überprüft Patches und setzt die Aufgaben kontinuierlich fort. Die KI sagt nicht nur, was man tun sollte, sondern beginnt auch tatsächlich, es zu tun.

Es ist auch zu erwähnen, dass viele Menschen Agenten als „intelligente große Modelle“ verstehen, aber in der Praxis zeigt sich, dass die wirklich wichtige Veränderung in einem ganzen Set von Projekten um das Modell herum liegt, einschließlich Grenzbeschränkungen, Kontext-Engineering und Toolaufrufen. Darüber hinaus unterstützt DeepSeek-TUI auch nativ MCP und Skills, wodurch benutzerdefinierte Arbeitsabläufe als Skills gekapselt werden können.

Angesichts der Tatsache, dass es sich um ein relativ kleines Projekt handelt, hat DeepSeek-TUI tatsächlich eine gewisse Zeit für die Bugbehebung benötigt und hat drei Bugs gefunden und „behoben“.

Ich habe auch Codex (GPT-5.5 High) gebeten, die Terminalkonversation über Computer Use zu überprüfen und zu bewerten. Es hat sechs Probleme festgestellt und auch darauf hingewiesen, dass DeepSeek-TUI einen eindeutigen logischen Bug übersehen hat.

Codex-Audit und -Bewertung, Bildquelle: Lei Technology

Es muss gesagt werden, dass im Vergleich zu Codex, das viele Details „einklappt“, DeepSeek-TUI eher alle Details offenlegt, was bei der Informationsgewinnung eine gewisse Belastung darstellt. In der AI-Coding-Szene mag dies noch akzeptabel sein, aber wenn DeepSeek-TUI schließlich wie Claude Code und Codex zu einem allumfassenden Agent werden soll, wird dies schwer zu akzeptieren sein.

Bildquelle: Lei Technology

Die Ergebnisse zeigen, dass es noch einen deutlichen Unterschied zwischen DeepSeek-TUI und Codex gibt. Dieser Unterschied liegt nicht nur auf der Modell-Ebene, sondern auch in der Reife des Agent-Projekts.

Der Auto-Modus von DeepSeek-TUI ist aber recht interessant. Er verwendet zuerst deepseek-v4-flash, um zu entscheiden, ob für die aktuelle Aufgabe das billigere deepseek-v4-flash oder das leistungs