Reasonix是专为DeepSeek设计的终端AI编程助手，直接调用api.deepseek.com接口。其核心优势在于利用DeepSeek的字节稳定前缀缓存技术，使长会话缓存命中率达94%，输入token成本降至1/5。采用终端优先设计，无需全局安装，通过npx即可运行，支持macOS/Linux/Windows平台，遵循MIT开源协议。

以下是经过编辑整理的中文内容，保留核心信息并删除无关细节：

Reasonix —— 专为DeepSeek打造的AI编程助手

版本：v0.50.0（开源MIT协议）

核心特性： - 终端原生工具，直接对接api.deepseek.com - 独创缓存优先机制：会话缓存命中率94%，输入token成本降至1/5 - 通过2837项测试验证

安装指南（需Node ≥ 22）： 1. 获取DeepSeek API密钥（按量计费，缓存token费率0.014美元/百万token） 2. 进入项目目录执行：npx reasonix code

三大技术支柱： 1. 字节稳定循环：采用追加式消息处理，保持前缀缓存 2. 推理链采集：自动回收遗漏的工具调用 3. 工具调用修复：基于模式的自修复机制

主要功能： - 终端原生TUI界面（基于TypeScript + Ink） - 双模型支持：默认V4-Flash，可通过/pro切换V4-Pro - 外部工具集成（支持stdio/SSE/HTTP协议） - 沙盒安全机制：所有操作限制在启动目录 - 技能组合：通过Markdown文件定义可复用技能 - 完整会话记录：支持回放和数据分析

配置体系： - 纯文本配置（支持JSON格式） - 可扩展目录结构： ├── /mcp 外部工具服务 ├── /skills 技能脚本 ├── /memory 记忆存储 └── /config 配置文件

开发路线： - 近期计划：技能模板生成器、中文界面优化 - 长期规划：多设备同步、插件系统 - 愿景清单：多智能体协作、语音输入支持

常见问题： 1. 仅支持DeepSeek：因其独特的字节级缓存机制 2. 费用说明：工具免费，API调用按DeepSeek标准计费 3. 安全机制：沙盒隔离运行，/plan模式提供操作审核 4. 技能开发：通过Markdown文件即可创建，无需注册

注：本文保留了技术参数、核心功能和工作原理等关键信息，删除了部分安装细节和代码示例，确保内容简洁且重点突出。所有价格信息均以原文发布时数据为准（2026年5月）。

以下是评论内容的总结，平衡呈现不同观点并保留关键引用：

主要观点分类

1. 关于缓存效率的讨论

• 支持观点：认为DeepSeek的缓存机制能显著降低成本（如评论6、21）。
  引用：

  "Hats off to the deekseek team for creating a great product that maximizes cost efficiency" (评论6)
  "High caching rates... drastically reduce latency and API costs" (评论21)

• 质疑观点：认为缓存是服务端行为，与代理无关（如评论5、18）。
  引用：

  "Isn't caching a server-side thing? How does the agent affect it?" (评论5)
  "Keeping the context stable for caching is a very basic principle... not a wild innovation" (评论18)

2. 对独立代理必要性的争议

• 反对新建代理：认为现有工具（如Pi、OpenCode）已足够，重复开发是浪费（如评论1、20）。
  引用：

  "I'm not sure what benefits you'd get compared to just firing up OpenCode" (评论1)
  "It'd be better to just extend an existing tool" (评论20)

• 支持专用代理：认为DeepSeek的优化值得尝试（如评论4、10）。
  引用：

  "Good timing given the cost spike across other frontier models" (评论4)
  "DeepSeek still has me interested" (评论10)

3. 用户体验批评

• 多个用户批评页面动画导致阅读干扰（如评论3、9）。
  引用：
  > "The animated typing... keeps moving the content beneath it down and up" (评论3)
  > "Unusable thanks to the top animation pushing the rest of the site down" (评论9)

4. 营销真实性质疑

• 部分用户认为宣传夸大，缓存优化并非创新（如评论18、22）。
  引用：
  > "AI marketing slop... not a wild innovation" (评论18)
  > "Could be DeepSeek astroturfing" (评论22)

5. 其他技术疑问

• 用户询问本地部署和模型要求（评论14），以及与其他工具的兼容性（评论8）。
  引用：
  > "Does it also let me host a local llm? What are model min requirements?" (评论14)
  > "Am I still getting the cache-hit benefits through openrouter?" (评论8)

总结

评论呈现两极分化：
- 支持者认可缓存优化和成本效益，尤其在当前模型涨价背景下（评论4、6）。
- 反对者质疑技术独创性、代理必要性，并批评用户体验（评论18、20、3）。
- 中立用户更关注实际功能（如本地部署、基准测试）和替代方案对比（评论14、11）。

关键争议点：缓存优化是基础功能还是创新？独立代理是否重复造轮子？