DeepSeek CLI：在终端里给代码加个 AI 副驾驶

一句话理解

DeepSeek CLI 是一个运行在命令行里的 AI 编程助手，通过 DeepSeek Coder 模型在终端中完成代码生成、调试、重构等任务，支持本地部署（Ollama）和云端 API 两种模式。

背景故事：为什么需要一个 CLI 版 AI 编程工具？

2024 年，GitHub Copilot 和 ChatGPT 已经让 AI 编程变得稀松平常。但很多开发者面临一个尴尬：要么 IDE 插件需要付费订阅，要么在线服务有隐私顾虑——公司代码不想传到第三方服务器。

HolAsMalva（项目作者，一位独立开发者）在这个时间点推出了 DeepSeek CLI。项目的核心理念是：让每个人都能在本地终端里免费使用 DeepSeek Coder，不需要复杂的配置，不需要昂贵的 GPU 服务器，只要有一台普通电脑，就能把 AI 编程能力装进自己的命令行。

项目基于 Google Gemini CLI 的架构灵感，嫁接上 DeepSeek Coder 模型，定位是「开源 + 本地优先 + 零门槛」。目前 GitHub 获得约 288 颗星，npm 包 run-deepseek-cli 可直接安装。

核心功能：它到底能做什么？

DeepSeek CLI 的功能覆盖了日常开发中最高频的场景：

代码生成与补全：支持 100+ 编程语言的智能补全，输入自然语言描述即可生成函数、类或整个模块。例如 deepseek "Write a Python function to implement binary search with proper error handling" 即可获得带完整类型注解和异常处理的二分查找实现。

仓库级代码理解：进入任意项目目录后，AI 能理解整个代码库的结构和上下文。输入 Explain the architecture of this application，DeepSeek 会分析模块关系、数据流和设计模式。

代码重构与迁移：处理历史遗留代码的现代化改造，比如将 React 类组件迁移到 Hooks、把 Python 2.7 代码升级为带类型提示的 Python 3.10、Express.js 的回调函数改写为 async/await 等。

调试与代码审查：帮助定位 bug、安全漏洞和代码质量问题，审查 Pull Request 并给出改进建议。

项目脚手架：从零生成新项目——输入 Create a React TypeScript project with Redux Toolkit and Material-UI，CLI 会生成完整的基础架构代码。

Git 工作流集成：分析 git diff 自动生成提交信息，根据 OpenAPI spec 生成接口文档，从 model 变更生成数据库迁移脚本。

技术架构：它是怎么工作的？

DeepSeek CLI 采用 TypeScript 开发，主入口在 src/index.ts，核心逻辑分散在以下模块：

模块	职责
src/api.ts	与 DeepSeek API / Ollama 通信，封装 HTTP 请求逻辑
src/cli.ts	命令行参数解析、交互式 REPL 循环
src/config.ts	环境变量读取与配置管理
src/commands/chat.ts	单次 prompt 交互命令
src/commands/interactive.ts	交互式多轮对话（带语法高亮）
src/commands/setup.ts	本地 Ollama 环境初始化向导
src/utils/exec.ts	Shell 命令执行工具

双后端设计：这是项目最有意思的地方。src/config.ts 通过 DEEPSEEK_USE_LOCAL 变量控制使用哪种后端：

• 本地模式（默认）：调用本地 Ollama 服务（http://localhost:11434），Ollama 加载量化后的 DeepSeek Coder 模型（1.3B/6.7B/33B）。完全免费、离线可用、数据不外传。
• 云端模式：直连 DeepSeek Platform API（需设置 DEEPSEEK_API_KEY），使用 DeepSeek 官方托管的更强模型。

这种设计让项目既满足了极客「一切本地化」的隐私需求，也支持普通用户「开箱即用」的便捷体验。

REPL 交互：在 src/commands/interactive.ts 中，基于 Node.js readline 模块构建了一个交互式循环，支持会话历史导航、语法高亮输出（chalk）、多轮对话上下文保持。

包管理：TypeScript 编译为 JavaScript 后通过 npm 全局发布，bin 入口注册为 deepseek 和 deepseek-cli 两个命令别名。依赖非常轻量：axios（HTTP）、chalk（终端颜色）、commander（参数解析）、ora（加载动画）、dotenv（环境变量）。

部署评估：安装有多难？

DeepSeek CLI 的部署分两种路径：

本地模式（推荐）：需要 Node.js 18+ 和 Ollama。项目提供了 install-local.sh 一键安装脚本，会自动检测操作系统（macOS/Linux），安装 Ollama、拉取选定的 DeepSeek Coder 模型（6.7B 模型约 4GB 磁盘空间）。整个过程约 5-10 分钟。

云端模式：更简单，只需 npm 全局安装后设置 DEEPSEEK_API_KEY 即可使用，无需下载几十 GB 的模型文件。

容器化：项目 README 中提供了一个 Docker 运行示例（需手动设置 API Key），但没有提供 Dockerfile 或 docker-compose 文件。如需 Docker 部署，需要用户自行编写 Dockerfile。

硬件需求：本地模式需要 GPU 才能流畅运行，DeepSeek Coder 6.7B 推荐 8GB 以上显存/内存，33B 模型则需要 32GB。CPU 可以运行但速度较慢。

局限与争议

DeepSeek CLI 并非完美，主要局限如下：

无独立 Web UI：这是一个纯 CLI 工具，没有图形界面，所有交互都在终端内完成。对习惯 IDE 界面的用户来说有一定上手门槛。

本地模型性能上限：Ollama 加载的量化模型在复杂推理任务上不如 DeepSeek 官方云端 API 强。对于需要长上下文分析（超过 16K tokens）的任务，CLI 的体验会打折扣。

交互体验有待优化：当前 REPL 基于 Node.js readline，功能相对基础，没有代码块复制、多行编辑等高级功能。相比 Claude Code 等专业 AI 编程工具，深度集成度不够。

文档链接已失效：README 中引用了一些子文档（如 ./docs/supported-languages.md），但 GitHub 仓库中实际没有这些文件，部分文档链接为 404。

行业意义：为什么值得关注？

DeepSeek CLI 代表了一个趋势：将大模型能力本地化、平民化。DeepSeek Coder 模型在代码生成任务上表现优异（基于 2T tokens 预训练数据），而通过 Ollama 的量化压缩，6.7B 参数量模型只需 4GB 即可本地运行。

对于以下场景，DeepSeek CLI 特别有价值：

• 隐私敏感的企业内网开发：代码不上云，满足合规要求
• 个人开发者的低成本 AI 编程：没有 API 调用费用，按月订阅费用为零
• 快速脚本和自动化任务：在 Shell 脚本中嵌入 AI 能力，完成数据处理、文本转换等任务

---

作者：holasoymalva | stars：288 | License：MIT | 技术栈：TypeScript + Node.js + Ollama

图1：DeepSeek CLI 项目头像