DeepSeek Agent 的推理过程、工具调用和文件改动都在命令行中运行。信息都在，但盯着黑框看久了，眼睛和脑子都容易累。
最近在 GitHub 上发现一个项目 DeepSeek-GUI，已经有 1300+ Star。它把 DeepSeek TUI (Kun) 的 Agent 体验搬进了桌面窗口，降低了上手门槛。
苏米注：这不是 DeepSeek 官方项目，而是个人开发者对 Kun 运行时做的 GUI 封装。但正是这类社区工具，让 AI Agent 真正走向了更广泛的用户群体。
三种工作模式，覆盖不同场景
Code 模式：项目开发主战场
按项目目录组织多个代理会话，实时查看推理过程、工具调用和文件变化。
三个核心功能值得关注：
- 变更审核：内联 diff 和侧边审查面板记录每一处文件改动，直接在应用内完成 review。比在终端查看 diff 直观很多。
- 权限控制：提供只读、工作区可写、完全访问三个层次，可设置工具调用前是否需要人工审批。
- 需求规划：先写需求草稿让 AI 帮忙澄清，再生成实施计划。
/plan命令创建可编辑的计划文件，右侧面板同步线程 Todo。
Write 模式：文档写作独立空间
左侧文件树支持新建、重命名与删除。中间是 Live 编辑器——当前行保留 Markdown 源码，其余行实时渲染。
文本补全设计分两种：短补全响应速度快、数量少，适合实时输入辅助；灵感长补全停顿时间长、量大，适合接住写作灵感。右侧还有写作助手，支持摘要、大纲、润色等功能。
Claw 模式：连接手机与 IM 的入口
可以给飞书、Lark、微信配置独立的 Agent，设置不同角色、默认模型和工作目录。
可以在手机上用飞书让 AI 在电脑上新建文件、删除文件、打开 Chrome 搜索，基本上都是秒执行。
此外还支持定时任务，可创建一次性、每天、间隔或手动任务。人在外面，一句话让家里电脑干活。
底层技术：Kun 运行时的设计亮点
Kun 运行时借鉴了 Reasonix 的 cache-first agent loop 设计理念：
- 能缓存的尽量缓存，日志只追加不修改
- 系统提示词和工具 Schema 基本保持不变，更容易命中 DeepSeek 的缓存
- 统一管理缓存，重复内容不用重新计算，Token 消耗自然降低
跑任务时可以直接看到缓存命中率和 Token 使用量，省了多少成本一目了然。
苏米注：cache-first 的思路很值得学习——通过减少重复计算来降低成本，而不是单纯依赖更便宜的模型。这对长期运行 Agent 的用户来说，成本差异可能很显著。
上手体验
到 GitHub Releases 或官网下载安装包，macOS、Windows、Linux 都有对应版本。
第一次启动会提示选择语言、输入 API Key、选择默认工作目录。建议从 Code 模式开始，选择一个正在做的项目目录，给一个简单任务（比如"帮我整理项目目录结构"），观察 AI 如何分步骤解决问题。
当前局限性
客观来说，有几个需要注意的点：
- 仅支持 DeepSeek API：其他模型暂时不能用
- 非官方项目：稳定性、后续更新、数据安全需要自行评估
- 偶发卡顿：实测中出现过一两次卡顿，重启后恢复
- 反爬限制：让 AI 读百度搜索结果时，有时会被反爬机制挡住
总结
如果想在本地使用 DeepSeek + Agent 但不想接触命令行，DeepSeek-GUI 是个低门槛的入口。推理过程、工具调用、文件修改都在同一界面中呈现，审批和回退也更直观。
项目基于 MIT 协议开源，感兴趣可以到 GitHub 仓库查看源码和文档。
苏米观察：DeepSeek 生态正在快速扩展——从模型本身到周边工具再到应用层封装，整个链条都在加速。AI 的下半场，比拼的不是语言的华丽，而是用更低的成本实现更高的效率。