Reasonix：专为 DeepSeek 开发生成的 AI 编码 Agent

一句话版本：一个专为 DeepSeek 模型优化的 AI 编码 agent，全程围绕 DeepSeek 的 prefix-cache 计费机制设计，所以长期开着也不贵——实测单日 4.35 亿 token、99.82% 缓存命中率，费用从 $61 降到 $12。还内置了 QQ 频道远程操控和桌面客户端。

来源

• 🔗 官网
• 🔗 GitHub
• 🔗 架构文档
• 🔗 npm 包
• 🔗 PyShine 深度分析

日期: 活跃开发中，esengine 维护

核心内容

这是什么？

Reasonix 是一个开源的（MIT）、TypeScript/Node.js 实现的 AI coding agent，专为 DeepSeek 模型设计。不是另一个通用 agent 框架——它只支持 DeepSeek，并且为此对你的。

安装非常简单：

npm install -g reasonix
reasonix code my-project  # 首次运行输入 DeepSeek API key

macOS、Linux、Windows 全支持，需要 Node ≥ 22。

核心技术：三大支柱

Pillar 1: Cache-First Loop

这是 Reasonix 的核心创新。DeepSeek 的 prefix-cache 机制有一个特点：只有当前请求的精确字节前缀匹配上一个请求时，才能享受约 10% 价格的低缓存费率。大多数 agent 框架每轮对话都会重排上下文、注入时间戳——实践中缓存命中率不到 20%。

Reasonix 的做法：

┌─────────────────────────────────────────┐
│ 不可变前缀（IMMUTABLE PREFIX）           │ ← 会话期间固定
│ system + tool_specs + few_shots         │   缓存命中候选
├─────────────────────────────────────────┤
│ Append-Only 日志（APPEND-ONLY LOG）       │ ← 单调增长
│ [assistant₁][tool₁][assistant₂]...      │   保持先前轮的字节前缀
├─────────────────────────────────────────┤
│ 易失草稿（VOLATILE SCRATCH）             │ ← 每轮重置
│ R1 思考过程、临时计划状态                 │   不上传到 API
└─────────────────────────────────────────┘

结果：单日 435M 输入 token，99.82% 缓存命中率。

Pillar 2: Tool-Call Repair

DeepSeek 的 tool-call 生成有一些特定的失败模式（在 reasoning_content 里放了 tool call 但忘了在 message 里正式引用、参数过多的 schema 会丢字段、重复调用同一个工具）。Reasonix 用四遍过滤解决：

• flatten — >10 参数自动展平为点号表示法
• scavenge — 从 R1 思考内容中搜刮遗漏的 tool call
• truncation — 修复被截断的不完整 JSON
• storm — 滑动窗口内相同 (tool, args) 的重复调用被抑制并注入反思轮

Pillar 3: Cost Control

三层预设控制成本：

其他辅助机制：

• 自动压缩：每轮结束，超过 3000 token 的工具结果会被压缩
• /pro 单次升级：用户输入 /pro 下一轮用 pro 模型，用完自动恢复
• 失败自动升级：同轮内 3 次失败后自动切换到 v4-pro，不静默涨价

技术实现

• UI：Ink（React 19 终端渲染器），~1984 行核心组件
• 并行工具调度：Promise.allSettled，默认最大 3 并发，硬上线 16
• 数据流：CacheFirstLoop → DeepSeek Client (SSE) → 四遍修复 → 并行调度 → 写入日志 → 循环
• 会话持久化：JSONL，按工作目录隔离
• MCP：stdio + SSE 原生支持
• Token 计算：本地移植了 DeepSeek V3 tokenizer

生态系统

社区数据

• ⭐ 关注度活跃，161 open issues
• npm 包 reasonix + 别名 dsnix
• 中文 + 英文双语文档和社区

与 OpenClaw 的对比

Reasonix 和 OpenClaw 都是终端 AI agent，但路线完全不同：

Reasonix 可以学的地方：cache 分区设计直接适用于 DeepSeek 的计费模型，OpenClaw 如果支持 DeepSeek 也可以借鉴。tool-call repair 四遍过滤思路通用。

OpenClaw 比它强的地方：多 provider、多消息通道、更成熟的基础设施。

评分

报告生成: 2026-05-25 | 来源: GitHub, esengine.github.io, 架构文档