33k star 的 DeepSeek-Reasonix：把提示词缓存稳定性做成工程，常驻终端的编程 Agent
featuredImage: https://cdn.lpflpf.cn/covers/open-source-2026-08-09.png
AI 编程 Agent 用久了，程序员基本都会遇到同一个尴尬：会话开得越久，上下文越长，每次请求都越来越贵、越来越慢；更烦的是，用着用着它「忘了」前面说过什么，你得反复重复上下文，账单却一分不少。
市面上的解法大多是「多轮对话优化」「记忆压缩」，治标不治本。而这个 GitHub 33k star 的项目，选择了一条更极端的路：只服务 DeepSeek，把提示词缓存（prefix cache）的稳定性做成整个系统的不变量。
它就是 DeepSeek-Reasonix——一个 DeepSeek 原生、常驻终端里的编程 Agent。
为什么值得关注
先看数据：33k star、2.1k fork、977 个 open issue——活跃度是真的，issue 多说明用的人多、提需求的人也多。代码主分支已经从 TypeScript 重写为 Go（main-v2 分支），昨天（8 月 8 日）还在提交，迭代速度很快。开源社区评级机构 Oosmetrics 给它打了「Agent 类项目活跃度 Top 2」的标。
更重要的是时机。这周 DeepSeek 生态连续三个爆款：Redis 之父的本地推理引擎 DwarfStar（20k star）、北大的科研 Agent OpenAI4S、加上这个 Reasonix。Reasonix 是其中最「工程向」的一个——它的卖点不是模型多强，而是怎么让 Agent 长时间稳定运行还不烧钱。
prefix-cache 是什么，为什么值得专门做
先说原理。大模型 API 计费按 token（文字片段）算，但多数人不知道：重复的内容是有折扣的。
DeepSeek 的 API 对「提示词缓存命中」有大幅优惠——如果请求的开头部分和之前某次请求完全相同（字节级一致），这部分内容不用重新计算，直接复用结果，价格便宜一大截，速度也快一大截。这就是 prefix cache（提示词前缀缓存）。
问题在于：缓存命中的前提是「前缀字节完全不变」。 而 Agent 跑起来，上下文里要插工具调用结果、要追加新对话，稍微一动，整个前缀就「脏」了，缓存全部失效，重新计算——贵，而且慢。
通用 Agent 框架不是为这个设计的，所以缓存命中率普遍看运气。Reasonix 的思路反过来了：README 原话是——「缓存稳定性不是一个可以开关的功能，而是整个循环围绕设计的约束」。它干脆只支持 DeepSeek，每一层都为字节级稳定的前缀缓存调优。
为什么敢只绑一家？项目方说得也很直白：DeepSeek-only 是刻意为之，耦合单一后端是特性，不是限制。前缀缓存的规则各家不一样，绑死一家才能把优化做到极致。
三个支柱，撑起一个常驻 Agent
Reasonix 的架构文档把核心设计拆成三根支柱（Pillars）：
支柱一：缓存优先的循环（Cache-first loop）。 所有可能破坏缓存前缀的操作都被「隔离」——会话状态、记忆、工具调用结果，都放到缓存稳定的结构里，保证长会话中每一轮请求的前缀都能命中缓存。这是它敢说「leave it running」（让它常驻运行）的底气。
支柱二：工具调用修复（Tool-call repair）。 Agent 调用工具时经常产生格式错误的 JSON，一般框架会直接报错重试。Reasonix 会尝试修复畸形调用再重试，减少来回消耗——每一轮往返都是 token，都是钱。
支柱三：成本控制（Cost control）。 内置成本/缓存命中率仪表，实时可见每一轮花了多少钱、缓存命中多少，配合 /effort 旋钮调节思考强度。
效果用数据说话。README 里贴了一个真实案例（2026-05-01）：一位用户单日消耗 4.35 亿输入 token，缓存命中率 99.82%，最终账单约 12 美元——同样的负载，完全没有缓存要花约 61 美元（按 v4-flash 计费）。5 倍的差距，就是「把缓存当不变量」和「缓存靠运气」的差距。
功能盘点：该有的都有，还有几个独门
作为终端 Agent，Reasonix 的日常功能相当齐全：
reasonix code（默认，带文件系统/Shell 工具）、reasonix chat（纯对话）、reasonix run "任务"（一次性任务）、reasonix doctor（健康检查）；- 计划模式（Plan mode）、SEARCH/REPLACE 变更审查、
/todo任务清单； - 技能（Skills）系统，兼容 Claude 格式的技能——
~/.claude/skills/下的 SKILL.md 可以直接读，OpenSpec 等生态的工具链无需适配就能用； - MCP 服务器支持（stdio/SSE/HTTP）、记忆系统（user/project/reference 四类）、生命周期钩子（Shell 命令，可做权限门禁）、语义索引（本地 Ollama 或任意 OpenAI 兼容向量接口）；
- 网页搜索可换引擎：默认 Bing，可切百度 AI 搜索、自建 SearXNG、Metaso、Tavily、Perplexity 等；
- 桌面客户端（Tauri，多标签、成本/缓存仪表实时可见，目前是 prerelease 版本，macOS 首次打开需右键放行）；
- 还有个小亮点：QQ 通道——CLI 或桌面端连上 QQ 后，会话可以拉到手机上远程续聊，路上也能盯任务。
对比一圈同类：Claude Code 闭源、绑定 Anthropic；Cursor 是 IDE 订阅制；Aider 支持多模型但缓存优化是「顺带」。Reasonix 是唯一把「DeepSeek 前缀缓存」当成头等公民来设计的。
国内社区是它另一个特点
这个项目的社区属性很特别：README 有完整简体中文版，项目在 AtomGit 有镜像，Discord 是双语频道（#help 和 #求助 双通道），赞助支持微信扫码——作者就是国内开发者（项目创始人 yuhuahui 在致谢列表里），小红书上也有 AIGC 博主在推。想入门，中文资料不缺。
怎么上手
前提：需要 DeepSeek 的 API key（平台注册即得，按量付费，非完全免费）。
|
|
或者不全局安装，npx reasonix code 也行。桌面版从 GitHub Releases 下载。
我的判断
Reasonix 赌对了一个趋势：AI 编程 Agent 的下一个战场，不是模型多聪明，而是「长时间运行的工程稳定性」。 会话开一天不崩、不丢上下文、账单可控——这些「不性感」的工程问题，恰恰是 Agent 从玩具变成生产力工具的门槛。
当然，它的取舍也很明显：绑死 DeepSeek，意味着模型能力的上限就是 DeepSeek 的上限；追求缓存命中也让它在某些灵活性上让了步。如果你主力模型不是 DeepSeek，或者只偶尔用用 Agent，它未必适合你。
但如果你日常就在 DeepSeek 生态里干活、有长会话需求、对成本敏感——把它跑起来，盯着缓存命中率从「运气」变成「99%」，你会理解这个项目为什么能在三个月里涨到 33k star。
（参考：GitHub esengine/DeepSeek-Reasonix README、ARCHITECTURE 文档、benchmarks 案例；Oosmetrics 活跃度评级）