Whale — 终端优先的 DeepSeek AI 编程助手

想象这样一个场景：你正在赶一个紧急需求，面对一个陌生的 Go 代码库，要在一小时内完成功能开发和测试覆盖。传统的做法是反复翻文档、搜 Stack Overflow、问同事。而现在，只需在终端敲一行 whale，你的 AI 编程搭档就上线了——它能直接读代码、改文件、跑测试、搜资料，甚至可以并行调度多个子任务帮你做调研。

这就是 Whale，一个由 Go 语言编写、以 DeepSeek 为核心的终端优先 AI 编程 Agent。

图1：Whale TUI 交互界面

背景：为什么需要专门的 DeepSeek 编程工具？

2024 年底到 2025 年，DeepSeek 凭借极低的 API 价格和超长上下文（1M tokens）席卷了开发者社区。相比 GPT-4，DeepSeek 的成本只有前者的几十分之一，非常适合需要长时间、高频次交互的编程场景。

然而，现有的主流 AI 编程工具（如 Claude Code、Cursor）并非为 DeepSeek 量身定制。它们无法充分利用 DeepSeek 的 Prompt Cache 机制——相同前缀的请求可以被复用，从而实现高达 ~98% 的缓存命中率，实际成本极低。Whale 从一开始就是为 DeepSeek 构建的，深度优化了缓存策略，让每次对话都尽可能命中缓存，把成本压到极致。

Whale 由独立开发者社区维护，不隶属于 DeepSeek 公司，是一种第三方工具生态。

核心特性：终端里的 AI 开发搭档

1. ~98% Prompt Cache 命中率，成本极低

这是 Whale 最核心的差异化优势。DeepSeek 的 Prompt Cache 会自动识别并复用相同前缀的上下文。Whale 通过精心设计的 Prompt 结构，使得每个编程会话中的大量请求都能命中缓存。官方数据显示，典型使用场景下缓存命中率接近 98%，这意味着 AI 辅助编程的成本可以低至每次会话几分钱。

2. 纯终端优先，无 Web UI

Whale 没有 Web 界面，所有交互都在终端完成。提供三种模式：

• whale（TUI）：交互式对话界面，支持多轮对话、文件编辑、命令执行
• whale ask "..."：单次命令行问答，适合快速查询
• whale --headless：无头模式，集成到 CI/CD 流水线中，自动化代码审查和 PR 检查

图2：Whale 命令行模式

3. MCP 工具生态：1000+ 扩展能力

Whale 通过 MCP（Model Context Protocol）接入海量工具生态。在 ~/.whale/mcp.json 配置后，Whale 可以连接文件系统、数据库、浏览器自动化、API 等各类服务。例如，配置 Context7 MCP 服务器后，Whale 能直接查询最新文档而无需离开终端。

支持的传输方式包括 stdio（本地服务）和 Streamable HTTP（远程服务），暂不支持 SSE 模式的 MCP 服务器。

4. Dynamic Workflows：多 Agent 编排

Whale 支持用 JavaScript 编写复杂的多 Agent 工作流。例如，一个调研工作流可以并行启动多个子 Agent 分别搜索不同方面的资料，最后汇总成报告：

const results = await parallel([
  () => agent("Search for best practices in Go error handling"),
  () => agent("Find common Go error handling mistakes"),
]);
return agent("Synthesize both findings into a concise guide");

这些工作流脚本与 Claude Code 完全兼容，可以直接复用。

5. Skills 系统：可扩展的专业能力

Whale 内置 Skills 系统，可以加载社区贡献的专业技能（如代码审查、Git Worktree 管理）。Skills 以 Markdown 格式存储在工作目录的 .agents/skills/ 下，支持热插拔。内置的三个 Skills 包括：find-skills（技能发现）、skill-creator（技能创建）和 using-git-worktrees（Git Worktree 辅助）。

6. 多平台一键安装

Whale 支持多种安装方式：

• npm：全平台 npm install -g @usewhale/whale
• Homebrew（macOS）：brew install usewhale/tap/whale
• Linux/macOS 脚本：curl -fsSL .../install.sh | sh
• Windows PowerShell：irm .../install.ps1 | iex

配置只需要两步：whale setup 填入 DeepSeek API Key，然后 whale 启动。

技术架构：Go 语言构建的模块化 Agent 框架

Whale 由 Go 1.26.2 编写，架构清晰分为以下层次：

层级	核心模块	职责
入口	cmd/whale	CLI 入口，Cobra 命令框架
UI 层	internal/tui / internal/ui	Bubble Tea TUI 框架，Lip Gloss 样式
Agent 核心	internal/agent/	Agent 循环、工具编排、审批流、Hook 系统
会话管理	internal/session/	多会话状态持久化
记忆存储	internal/memory/	项目级记忆与上下文管理
LLM 调用	internal/llm/	DeepSeek API 封装、重试机制
工具层	internal/tools/	Shell、Patch、File、Web 等内置工具
MCP 运行时	internal/app/mcp_runtime.go	MCP 协议解析与工具注册
工作流引擎	internal/app/ + fastschema/qjs	QuickJS WASM 执行 JavaScript 工作流
策略层	internal/policy/	工具审批策略、预算控制

核心技术栈：

• TUI：Charmbracelet 生态（Bubble Tea、Lip Gloss、Glamour）—— Go 生态最成熟的终端 UI 库
• CLI：spf13/cobra —— Go CLI 工具标配框架
• 语法高亮：alecthomas/chroma —— 支持 100+ 语言的高亮渲染
• Markdown：yuin/goldmark —— 纯 Go Markdown 解析
• MCP 协议：modelcontextprotocol/go-sdk —— 官方 Go SDK
• WASM 运行时：tetratelabs/wazero —— 纯 Go WebAssembly 运行时，执行 JavaScript 工作流
• JS 执行：fastschema/qjs —— QuickJS Go 绑定

整个项目拥有 完整的测试覆盖（internal/agent/ 下大量 _test.go 文件），包含 golden test、integration test、unit test 多层测试体系。

局限与风险

1. 无 Web UI：完全依赖终端，适合命令行熟练用户，对新手有一定门槛
2. DeepSeek 强依赖：目前为 DeepSeek 原生优化，换用其他模型（如 OpenAI）功能可能受限
3. Windows 体验待完善：Roadmap 显示 Windows 支持仍在建设中，部分功能可能在 Windows 上不稳定
4. 非官方工具：Whale 是独立社区项目，与 DeepSeek 公司无关联，API 变动可能影响兼容性

行业意义：让 AI 编程真正走向普惠

Whale 的出现代表了一个趋势：AI 编程工具不再是大公司的专利。通过 ~98% 的 Prompt Cache 命中率，DeepSeek 的极低 API 定价 + Whale 的缓存优化，使得 AI 辅助编程的单次成本降至几乎可以忽略的程度。对于个人开发者、小团队来说，这意味着可以真正把 AI 融入日常开发流程，而不用担心 API 账单爆炸。

同时，MCP 生态和 Dynamic Workflows 的设计让 Whale 具备了向复杂场景延伸的能力——从简单的问答助手到完整的多 Agent 工作流，Whale 正在成为终端开发者的 AI 瑞士军刀。

Whale 项目概览