很多人还以为"国产 AI 写代码工具"就一个,其实围绕 DeepSeek 做的终端编程工具,GitHub 上已经好几家了。我把目前最常被提到的三家都装着用了一圈,发现一个挺反常识的事:star 数最多的那个,不一定是最适合你的那个。
因为它们押的工程取舍完全不一样。
先把这三家是谁说清楚reasonix —— GitHub 上 1.3 万多 star,TypeScript 写的,主打"挂着跑、缓存稳、长会话账单几乎不涨"。是这三家里围着 DeepSeek 一家深度优化最久的。
codewhale —— GitHub 上 3.6 万 star,Rust 写的,功能矩阵最广。改完文件自动跑代码诊断、子任务派发、会话回溯、撤回到任意检查点……什么都有。
deepx-code —— 我自己做的,GitHub 上才 50 多个 star,Go 写的,半个月前刚开源。规模上完全没法比。但我有几个不太一样的工程选择想试试,所以才硬着头皮自己做了一个。
讲个底:这篇不是来"打榜"的,我自己的项目放最后讲,前两家都值得尊敬。
三个最直观的差别第一,装的成本不一样。
reasonix 要先装 Node 环境。codewhale 是 Rust 二进制,可以 npm / Homebrew / Docker 装,不依赖运行时。deepx 是 Go 单二进制,一行 curl 命令装完就能用,什么都不用配。对"懒得装环境"的人来说,后两家干净。
第二,让 AI 找代码的方式不一样。
这是差异最大的一块。reasonix 主要靠工具循环——AI 一遍遍 grep、读文件、判断、再 grep。能用,但烧 token、也容易找错。codewhale 押的是:每次改完文件,自动跑一遍代码诊断器(Go 项目就调 gopls,Python 就调 pyright),立刻看到红错。改完就知道编不过。
deepx 押的是另一条路——内置一个"代码图谱"。说人话:它启动时把你这个项目所有函数、类型、调用关系都索引一遍,之后 AI 想知道"哪些地方调用了这个函数"或者"谁实现了这个接口",直接查图谱,精确到行号,不用满仓库盲 grep。Go 项目尤其准,因为走的是 Go 自带的类型解析。
第三,截图识字这事。
你截一张报错图给 AI 看,reasonix 和 codewhale 据我看是要么不支持要么走云端多模态。deepx 内置了离线 PaddleOCR——首次下个 37MB 的模型,之后离线、秒级识图,完全不调云端、不计费。经常截 bug 图给 AI 的人会喜欢。
翻完 issue 的诚实部分光看 README 没用,我把三家最近的 GitHub issue 都翻了一遍,公平地说:
reasonix 最近版本有用户反映"前缀缓存失效",这是它的命根子,踩到这种 bug 比较糟。也有"用户点击没反应""滚轮滑不动"这类 TUI 的小毛病。
codewhale 因为功能太多,自然 bug 也多——子任务 agent 拿不到 MCP 工具、某些命令 panic 崩溃、配置里开了记忆功能其实不生效。属于"功能矩阵太大,配置面太宽"的复杂度税。
deepx 才上线两周,用户量小,大规模反馈还没起来,这点我也得承认——稳定性还没经过足够锤炼。
所以到底该挑哪个?我的真心建议:
要最稳的 DeepSeek 体验、有桌面 GUI、能挂着不管 → 选 reasonix。打磨时间最久、生态最成熟。
要功能最全、什么都想有(LSP 诊断、子任务、会话回溯) → 选 codewhale。是这三家里最"瑞士军刀"的。
想要 Go 单二进制零依赖、看重代码图谱这种语义级查询、想要离线 OCR 截图识字、DeepSeek 和小米 MiMo 都用 → 可以试试 deepx-code。
三家都是 MIT 开源,不冲突,可以装着并存试,谁手感顺用谁。
最后说点感受做 AI 工具做久了有个体会:不是所有事都得让大模型做。
能用一行本地代码、零 token 搞定的事,就别为了"显得 AI"去烧钱、加延迟。代码图谱、本地 OCR、本地路由、单一二进制——这些"没调用大模型"的地方,恰恰决定一个 AI 工具用起来体验差多少、钱包痛多少。
deepx-code 是完全开源免费的,Go 单二进制,一行命令就能装,DeepSeek 和小米 MiMo 都支持。仓库还小,反馈也少,正是欢迎拍砖的阶段。感兴趣的朋友可以去 GitHub 搜 itmisx/deepx-code 看看,欢迎一起折腾。
#DeepSeek##tui#