DeepSeek TUI — coding agent บนเทอร์มินัล open-source ที่ขึ้นอันดับ 1 GitHub trending

DeepSeek TUI คือ coding agent ที่ทำงานในเทอร์มินัลล้วนๆ (terminal-native แปลว่าไม่ต้องเปิดหน้าต่างแอปแยก ทุกอย่างอยู่ในหน้าจอ command line ที่นักพัฒนาใช้อยู่แล้ว) สร้างขึ้นบนโมเดล DeepSeek V4 โดยนักพัฒนาอิสระคนหนึ่งในสหรัฐ — ไม่ใช่บริษัทใหญ่ แต่เป็นโปรเจกต์ open-source ที่ใครก็เอาไปดูโค้ดและรันเองได้

ที่ต้องอ่านต่อคือจังหวะที่มันดัง: วันที่ 6 พ.ค. DeepSeek TUI ขึ้นอันดับ 1 ของ GitHub trending โดยได้ดาว (star ใน GitHub คือป้ายว่า "ฉันสนใจ/บุ๊กมาร์กโปรเจกต์นี้") เพิ่ม +2,434 ดวงในวันเดียว และยอดรวมทะลุ 10,200 stars การที่งานของนักพัฒนาคนเดียวพุ่งขนาดนี้ในเวลาสั้นๆ บอกว่ามีคนจำนวนมากในวงการกำลังมองหา coding agent ที่เปิดซอร์สและเอามาปรับเองได้

สถาปัตยกรรมเขียนด้วยภาษา Rust แบ่งเป็น 2 binary คือ Dispatcher (ตัว CLI ที่รับคำสั่ง) กับ TUI runtime (ตัวที่วาดหน้าจอและทำงานจริง) — Rust เป็นภาษาที่ขึ้นชื่อเรื่องเร็วและกินทรัพยากรน้อย เหมาะกับเครื่องมือที่ต้องรันค้างไว้บนเทอร์มินัล ตัว agent ใช้ context 1M ของ DeepSeek V4 (context คือ "ความจุโต๊ะทำงาน" ว่ายัดโค้ดหรือเอกสารให้อ่านพร้อมกันได้แค่ไหน) โดย cached token ราคาถูก และยังเลือกใช้ V4 Flash ที่ราคาต่ำราว $0.14/$0.28 ต่อ 1M token (เข้า/ออก) ได้

จุดที่เป็นหัวใจการใช้งานคือ 3 โหมดทำงานที่ให้คนคุมระดับความเสี่ยงเองได้: **Plan** อ่านอย่างเดียว ไม่แตะไฟล์ — เหมาะตอนอยากให้มันสำรวจก่อน; **Agent** ลงมือทำได้แต่ต้องให้คนอนุมัติก่อนทุกครั้ง (นี่คือ Human Gate คือจุดที่คนต้องตรวจก่อนปล่อยผ่าน); และ **YOLO** ปล่อยให้ทำเองรวดเดียว นอกจากนี้ยังแตกงานเป็น sub-agent ได้ตั้งแต่ 1 ถึง 16 ตัวพร้อมกันบน V4 Flash ที่ราคาถูก รองรับ MCP และ skills (วิธีต่อเครื่องมือและความสามารถเสริมเข้ากับ agent) พร้อมระบบ checkpoint/rollback ที่ย้อนสถานะกลับได้ถ้างานพลาด

ฟันธง: **น่าจับตา โดยเฉพาะสายชอบ terminal และอยากคุมต้นทุน** — DeepSeek TUI เป็นตัวอย่างชัดว่า open-source บวกโมเดลถูกของจีนกำลังทำให้ coding agent ดีๆ มีต้นทุนต่ำลงและทำเองได้ ไม่ต้องผูกกับบริการเจ้าใหญ่อย่างเดียว จุดขายจริงไม่ได้อยู่ที่ความหวือหวา แต่อยู่ที่สมการต้นทุน: V4 Flash ราคาราว $0.14/$0.28 ต่อ 1M token บวก cached token ที่ถูก แปลว่างาน coding ที่ต้องเรียกโมเดลซ้ำๆ ทั้งวันจ่ายเบาลงชัดเจน

มุมที่คนทำงานควรชั่งน้ำหนัก: 3 โหมดที่ให้เลือกระดับการคุมเอง คือสิ่งที่ทำให้มันเอามาใช้กับงานจริงได้อย่างมีสติ — เริ่มจากโหมด Plan ให้มันอ่านและเสนอแผนก่อน แล้วค่อยขยับเป็น Agent ที่ต้องอนุมัติทุกก้าว ส่วนโหมด YOLO ที่ปล่อยทำเองรวดเดียว ควรเก็บไว้ใช้กับงานที่พังแล้วไม่กระทบอะไร อย่าเพิ่งเอาไปจ่อกับ repo งานจริงหรือไฟล์สำคัญ และเพราะมันรองรับ checkpoint/rollback การลองของจึงปลอดภัยขึ้น เพราะย้อนกลับได้ถ้าผลไม่เข้าเป้า

ก้าวต่อยอดแบบ practical: ถ้าทีมคุณทำงานบนเทอร์มินัลอยู่แล้วและอยากลดบิลค่าโมเดล ลองหยิบงาน coding จริงสักชิ้นที่ความเสี่ยงต่ำ มาทดสอบบนโหมด Plan และ Agent ก่อน แล้ววัดทั้งคุณภาพผลลัพธ์และต้นทุนต่องานเทียบกับ workflow ปัจจุบัน ที่รองรับ MCP และ skills ก็เปิดทางต่อเครื่องมือภายในของทีมเข้าไปได้ — แต่ตามมาตรฐานเดิม งานที่แตะโค้ด production หรือข้อมูลลูกค้า ต้องมีคนตรวจก่อนปล่อยผ่านเสมอ