AiDuo123 Logo
充值登录注册
★ 929· 19 forks· TypeScript· MIT开源替代

Dao Code - 面向 DeepSeek V4 的终端编码智能体

tigicion/dao-code

专为 DeepSeek V4 优化的开源终端 AI 编程助手,通过字节稳定前缀和缓存复用实现 95%+ 缓存命中率,单次任务成本低至 ¥0.07

成熟度：维护活跃,最近提交今日,3 个 open issues,持续迭代中

GitHub 仓库 →对标：Claude Code

项目体检

技术 · TypeScript 开发,Node.js ≥20 运行环境,命令行工具形态

许可 · MIT 协议,可自由商用、修改和分发

活跃 · 最新版本 v0.4.0 发布于 3 天前,今日仍有提交,单人维护但更新频繁

解决什么

传统 AI 编程助手面临三大痛点:Claude Code 等商业工具在中国大陆需要梯子且费用高昂;GLM 等国产方案配额紧张难抢;现有开源方案缺乏成本优化导致长任务烧钱。Dao Code 针对这些问题,构建了一个专门面向 DeepSeek V4 的终端编程智能体,通过极致的缓存工程将 token 成本压缩到商业方案的 1/30,同时保持国内直连可用性。

为何火

项目在 GitHub 上线 23 天获得 929 stars,核心吸引力在于可验证的成本优势:作者公开了 7 个真实开源项目(valibot/date-fns/es-toolkit 等)的 bug 修复评测数据,总计 389 万输入 token,实现 95.8% 缓存命中率,单任务平均成本仅 ¥0.15。相同任务用 Claude Opus 4.8 需花费 30 倍、Sonnet 4.6 需 18 倍成本。所有数据可在 evals/runs/ 目录回溯验证,这种透明度在 AI 工具领域罕见。

核心功能

缓存工程:通过字节稳定的系统前缀设计,使 DeepSeek 的前缀缓存命中价格(约为未命中的 1/120)得到充分利用。反思和记忆功能运行在复用主缓存的分支上,几乎不增加额外成本。/cost 命令实时显示命中率和花费。

跨会话记忆:会话结束时提炼用户偏好和项目规范,启动时对照当前代码确定性验证这些记忆——过时的删除、变化的标记,避免盲目堆积历史信息。

自我纠错层:失败连续出现时触发 Challenger 独立审查质疑前提;长任务每 N 轮触发 Refocuser 重申目标防止范围蔓延;用户重复提问时启动 Reply-challenger。三者均为缓存复用分支,成本可忽略。

长任务鲁棒性:会话日志+崩溃恢复(dao -c)、影子 Git 检查点(/restore /rewind,独立快照不影响工作区 .git)、待办清单支持、接近上下文限制时自动压缩(响应式重试+原地清理过时工具结果+增量摘要)。

技能系统与 MCP:支持 Skills/MCP/Hooks 扩展,兼容 Claude Code 配置,但采用"宪法式优先级"——安全性>用户指令>核心策略>技能/记忆,第三方技能可改变工作方式但不能破坏安全和缓存底线。

安装

npm install -g dao-code
# 或使用 npx
npx dao-code

# 配置 DeepSeek API Key
export DEEPSEEK_API_KEY=your_key_here
dao  # 启动交互

需要 Node.js ≥20 环境。DeepSeek API 在中国大陆可直接访问,注册即用按量付费,无需梯子或等待配额。

适合谁

个人开发者和小团队:预算有限但需要频繁 AI 辅助编程,尤其是需要处理长上下文任务(如大型代码库重构、复杂 bug 修复)的场景。

中国大陆用户:无需梯子即可使用,避免了 Claude Code 的网络门槛和 Anthropic 账号申请流程。

成本敏感型项目:通过缓存工程,即使在 100 万 token 上下文的长任务中,单次完整功能(读取+编辑+测试+自审)成本也能控制在 ¥0.07-0.21 区间。

终端工作流用户:命令行原生设计,流式输出推理过程和工具调用,审批门控执行命令,适合习惯终端操作的开发者。

社区评价

暂无足量社区公开讨论,以下为基于项目本身的中立评估:

项目最大亮点是可验证的成本数据和工程透明度。作者在 evals/runs/ 目录提供了完整的真实任务日志,任何人都可以用 /cost 命令回放验证缓存命中率和花费,这种可审计性在 AI 工具中不多见。SWE-bench 风格的评测显示 13/14 真实开源项目 bug 被可靠解决,测试文件对智能体隐藏以防作弊,评测方法相对严谨。

潜在局限在于单人维护和模型绑定:目前仅 1 位贡献者,长期维护能力待观察;虽然理论上支持其他模型,但整个缓存工程和成本优势深度绑定 DeepSeek V4 的定价结构,切换模型会失去核心优势。此外,100 万 token 上下文虽然大,但对超大型单体仓库仍可能不足。

选型对比

vs Claude Code:Claude Code 使用 Opus/Sonnet 模型体验更成熟,但在中国大陆需梯子且成本高 18-30 倍。Dao Code 牺牲了部分模型能力(DeepSeek V4 vs Claude Opus),换取可访问性和极低成本,通过缓存工程和自我纠错层弥补模型差距。配置兼容 Claude Code,迁移成本低。

vs Cursor/GitHub Copilot:后两者是 IDE 集成方案,适合编辑器内快速补全;Dao Code 是终端智能体,擅长需要多步推理的复杂任务(如跨文件重构、bug 定位修复)。成本模式不同:Cursor/Copilot 按月订阅,Dao Code 按实际 token 用量付费。

vs Aider:Aider 同样是终端编程助手且支持多模型,但 Dao Code 的差异化在于为 DeepSeek 深度定制的缓存工程——字节稳定前缀、缓存复用分支、自验证记忆,这些设计使其在 DeepSeek 上的成本效率远超通用方案。

已知坑

  1. 模型依赖:缓存优化深度绑定 DeepSeek V4 定价(命中价 1/120 未命中价),若 DeepSeek 调整缓存定价策略,成本优势可能削弱。

  2. 单人维护风险:目前仅 1 位贡献者,虽然更新频繁(最近提交今日),但巴士因子为 1,长期可持续性存疑。

  3. 中文优先设计:README 明确"Chinese-first",虽提供英文文档,但某些提示词和记忆逻辑可能对中文场景优化更好,纯英文项目体验可能打折扣。

  4. 上下文限制:100 万 token 虽大,但对超大型单体仓库(如 Chromium/Linux 内核级别)仍力不从心,自动压缩机制可能丢失部分上下文。

  5. 技能系统成熟度:Skills/MCP/Hooks 支持刚推出,生态尚未建立,第三方技能库远不如 Claude Code 丰富。

  6. 评测覆盖面:14 个任务的评测集虽然真实,但样本量相对有限,在更广泛的编程场景(如前端框架、移动开发)表现未知。

来源: GitHub (tigicion/dao-code) + 项目 README 及评测数据

安装方式：npm

← 浏览全部项目