用 Deep Agents CLI 替代 Claude Code：一条命令装好，任意模型驱动的终端 Agent

我一直是 Claude Code 的重度用户。但有两个问题一直困扰我：第一，它只能用 Claude 模型；第二，月费 $20。

当我发现 Deep Agents CLI 的时候，第一反应是"这不就是开源版的 Claude Code 吗？"用了一个星期之后，我的结论是：它比 Claude Code 做得更多。

本文提纲

1. 一条命令装好
2. 和 Claude Code 有什么不同
3. TUI 界面长什么样
4. 远程沙箱：代码不在你机器上跑
5. 持久记忆和自定义技能
6. Headless 模式：CI/CD 的好搭档
7. 实际使用体验

一条命令装好

curl -LsSf https://langch.in/gh-da-cli | bash

完事了。如果你想用特定的模型提供商：

DEEPAGENTS_EXTRAS="nvidia,ollama" curl -LsSf https://langch.in/gh-da-cli | bash

或者用 uv：

uv tool install 'deepagents-cli[nvidia,ollama]'

然后直接跑：

deepagents

OpenAI、Anthropic、Gemini 的支持已经内置。你只需要设置对应的 API key 环境变量。

和 Claude Code 有什么不同

维度	Claude Code	Deep Agents CLI
安装	npm install	curl / uv
模型	仅 Claude	任意 LLM
开源	❌	✅ MIT
远程沙箱	❌	Daytona/Modal/Runloop/LangSmith
MCP	✅	✅
Web 搜索	❌	✅ 内置
持久记忆	✅	✅
自定义技能	❌	✅ Skills 系统
Headless 模式	✅	✅
人机协作	✅	✅
价格	$20/月	免费

最大的区别在三点：模型自由、远程沙箱、自定义技能。

TUI 界面长什么样

Deep Agents CLI 基于 Textual 构建，一个 Python 的终端 UI 框架。效果相当不错：

• 流式输出 Agent 的回复
• 工具调用的实时显示
• Slash 命令支持（类似 Claude Code 的 / 命令）
• 键盘快捷键丰富
• 主题可定制

TUI 的代码量相当惊人——app.py 有 350KB，config.py 有 91KB。这不是一个简陋的终端工具，而是一个精心设计的终端应用。

几个实用的快捷键和命令：

• Ctrl+X — 在外部编辑器中编辑 prompt
• /help — 查看所有 slash 命令
• /model — 切换模型
• /clear — 清空对话
• /compact — 手动触发上下文压缩

远程沙箱：代码不在你机器上跑

这是 Deep Agents CLI 杀手级的功能。

Claude Code 的所有代码都在本地执行。Deep Agents CLI 可以把代码执行交给远程沙箱：

MERMAID_BLOCK_0

这意味着：
- 安全：Agent 执行的代码和你的系统隔离
- 可扩展：GPU 密集型任务可以跑在 Modal 的 Serverless GPU 上
- 可复现：沙箱环境一致，不存在"在我机器上能跑"的问题

持久记忆和自定义技能

持久记忆

Agent 能记住你上次说过的话。底层是 MemoryMiddleware 加载 AGENTS.md 文件：

<!-- AGENTS.md -->
## 项目约定
- 使用 TypeScript strict mode
- 测试覆盖率 > 80%
- 提交信息遵循 Conventional Commits

每次启动新对话，Agent 都会自动读取这些约定。

自定义技能

技能系统让 Agent 能执行预定义的工作流：

/skill web-research   # 网络研究
/skill arxiv-search   # 论文搜索
/skill create-skill   # 创建新技能

技能本质上是一个目录，包含 SKILL.md（描述和工作流定义）。Agent 看到技能描述后会自动按照定义的流程执行。

内置技能包括：
- skill-creator — 让 Agent 自己创建新技能
- remember — 让 Agent 记住信息
- web-research — 网络研究

Headless 模式：CI/CD 的好搭档

不需要交互界面？用 headless 模式：

deepagents --headless "在 src/ 目录下找到所有 TODO 注释并创建 GitHub issues"

这个模式非常适合：
- CI/CD pipeline 中自动处理代码审查
- 批量任务自动化
- 定时任务执行

non_interactive.py 有 44KB 的代码专门处理非交互模式，支持流式输出、错误处理、超时控制等。

实际使用体验

我用 Deep Agents CLI 做了几个实际任务：

1. 代码重构 — 让它把一个 Python 项目从 requirements.txt 迁移到 pyproject.toml。它自己规划了步骤：读现有依赖 → 生成 pyproject.toml → 创建 uv.lock → 验证安装。全程没让我插手。

2. Bug 调试 — 给它一个报错信息，它自己读日志、搜代码、定位问题、提出修复方案。因为它有 execute 工具，能直接跑测试验证。

3. 文档生成 — 让它读完整个 API 模块后生成文档。它自己用 glob 找文件、用 read_file 读内容、用 write_file 写文档。

体验上最明显的感受是：它不像 ChatGPT 那样等你一步一步指导，而是自己规划和执行。 这就是"深度"的含义——不是一个浅层的问答循环，而是一个有计划、有记忆、能委派子任务的系统。

有一点需要注意：模型的选择对体验影响巨大。Claude Sonnet 4 在工具调用方面表现最好，GPT-4o 也不错，开源模型（通过 Ollama）在复杂任务上还有差距。但好消息是你可以随时切换——这是 Deep Agents 最大的优势。

---

作者: itech001
来源: 公众号：AI人工智能时代
主页: https://www.theaiera.cn，每日分享最前沿的AI新闻和技术。

本文首发于 AI人工智能时代，转载请注明出处。