DeepSeek 上周又降价，这周 HN 上直接杀出一个开源项目——Reasonix，专门为 DeepSeek API 打造的编码 Agent。两个数据就直接抓住了我：**435M 输入 token，99.82% cache hit，一天只花了 $12**。
什么概念？同样的工作量放在 Claude Code 或者 Cursor 上，跑完这 4 亿多个 token，账单大概率在 $150-200 往上。而 Reasonix 的作者说这不是理论值——是真实用户 2026 年 5 月 1 号一天跑出来的实际数据。
赶紧翻了一遍它的设计文档，说实话，这个项目在”省钱”这件事上，思路值得所有用 AI API 干活的人看看。
## 为什么别的 Agent 烧钱，Reasonix 就能省？
先搞清楚一个关键机制：DeepSeek 的 API 有个叫做 **prefix cache** 的东西。当你发送的请求和之前的请求在开头部分字节完全一致时，这些 token 只需要按 cache hit 计费——价格大约是普通的 1/10。
听起来很美好对吧？但问题来了——绝大多数 Agent 框架每轮对话都在往 prompt 里塞时间戳、塞新的工具调用结果、重新序列化消息历史。这些看似无害的操作，每次都会改变请求的字节前缀，导致 cache hit 率在实际使用中通常 **不到 20%**。
Reasonix 的解决思路其实不复杂：**把对话上下文切成三个区域，严格保证前两个区域字节级不变**。
“`
┌─────────────────────────────────────────┐
│ IMMUTABLE PREFIX │ ← 会话期间固定不变
│ system + tool_specs + few_shots │ 每次都命中 cache
├─────────────────────────────────────────┤
│ APPEND-ONLY LOG │ ← 只追加，不修改
│ [助理₁][工具₁][助理₂]… │ 保留之前轮次的精确前缀
├─────────────────────────────────────────┤
│ VOLATILE SCRATCH │ ← 每轮重置
│ R1 思考过程、临时规划状态 │ 不上传到服务端
└─────────────────────────────────────────┘
“`
关键约束三条：
1. **Prefix 在会话启动时一次性计算、哈希、固定**
2. **Log 只追加，绝不改写**
3. **Scratch 区的内容在提炼后才折叠进 log**
就这么几个设计决策，把 cache hit 率从不到 20% 拉到 99%+。不是靠什么黑魔法，纯粹是认真处理了字节对齐的细节。
## 三个 Pillars，一个比一个实用
Reasonix 的设计文档把自己拆成了三个 Pillar，每个解决一个真实痛点：
### Pillar 1：Cache-First Loop
上面说了，就是保证 prefix cache 不失效。实现上还做了个有意思的事——**并行工具调用**。声明为 `parallelSafe: true` 的工具（读文件、搜索、web fetch 这类只读操作），会被自动分组并发执行。默认最多同时跑 3 个，实测在大量文件搜索的场景下能省不少时间。
### Pillar 2：Tool-Call Repair
这名字起得实在——就是修模型犯的错。DeepSeek 系列有几个已知的”小毛病”：
– **JSON 丢在 `
– **参数太多就丢三落四**：超过 10 个参数或嵌套超过 2 层的 schema 自动拍平成 dot-notation，调完再还原
– **同一个工具同一个参数重复调用**（call-storm）：滑动窗口检测，自动拦截并插入反思轮次
– **JSON 写到一半被 max_tokens 截断**：检测到不闭合的 JSON，自动补全
说实话，这些场景我用 Cline 和 Claude Code 也都遇到过。前者能自己修，体验就好一截。
### Pillar 3：Cost Control
三层预设策略，默认是 `auto`：
| 预设 | 模型 | 成本倍率 |
|—|—|—|
| `flash` | V4 Flash | 1× |
| `auto`（默认） | Flash → Pro（难任务自动升级） | 1–3× |
| `pro` | V4 Pro | ~12× |
而且所有辅助调用——比如对工具结果做摘要、子 agent 的 grep 链——默认都走 V4 Flash，不管用户设的是什么预设。”让 Pro 替你写代码，别让 Pro 帮你念文件内容”——这个逻辑太对了。
还有一个细节很聪明：**turn-end auto-compaction**。每轮对话结束后，把工具调用结果自动做摘要压缩，避免上下文膨胀太快，间接省掉大量 cache miss 的浪费。
## 上手体验
安装极其简单：
“`bash
npm install -g reasonix
reasonix code my-project
“`
第一次运行会提示输入 DeepSeek API Key，输一次就记住了。之后直接在终端里干活：
– `reasonix code`——编码模式，有文件系统和 shell 工具
– `reasonix chat`——纯聊天，适合做技术讨论
– `reasonix run “task”`——一次性任务，流式输出到 stdout
– `reasonix doctor`——健康检查，看看 Node、API Key、MCP 配置有没有问题
支持 MCP 协议（Model Context Protocol），所以你可以接上自己的知识库、数据库、或者任意 MCP server。
还有个叫 `dsnix` 的短别名，少打几个字：
“`bash
npm install -g dsnix
dsnix code
“`
项目还提供了一个 **Tauri 桌面客户端**（prerelease），多 tab、右侧面板显示当前会话读写过的文件、底部实时显示 token 消耗和 cache hit 率。不过 CLI 才是主力，桌面版目前还在打磨 UI 阶段。
## 它跟别的 Agent 比怎么样？
拿几个我实际用过的来比：
**vs Claude Code**：Claude Code 的体验确实更成熟，但每个月 $20 订阅 + session limit 是硬伤。Reasonix 按量计费，用量低的时候成本优势巨大。而且 Reasonix 把 cache 做到极致后，长会话的成本控制明显更好。
**vs Cursor**：Cursor 闭源、贵、而且你永远不知道它下次更新会不会涨价。Reasonix 开源 MIT，你完全可以自己 fork 改逻辑。
**vs Aider**：Aider 是老牌开源选择了，但它不是 DeepSeek 原生优化的，在用 DeepSeek API 时 cache hit 率上不去。
**vs Cline**：Cline 也是我现在的主力，支持多 provider。Reasonix 目前只绑定 DeepSeek，这是它的优势也是劣势——用其他模型时这套 cache 机制就没用了。
## 一些思考
Reasonix 的出现让我觉得一个趋势越来越明显了：**AI 编码工具正在从”通用框架”走向”深度栈优化”**。
过去大家都想做一个框架，适配所有模型。但 DeepSeek 的 prefix-cache 定价策略跟其他家完全不一样——OpenAI 和 Anthropic 没有同等的机制。这意味着如果你只用 DeepSeek，专门为它的特性做优化，能获得不兼容的成本优势。
这件事对重度用户的意义很大。每天几百万 token 流量的场景，边际成本的差距可以差出 5-10 倍。而”代理能一直开着不用心疼钱”这件事本身，就改变了你使用 AI 辅助编码的习惯——你会更愿意让它尽早介入、更频繁地对话，而不是每问一个问题之前都要纠结”这轮会花多少钱”。
项目当前还是早期阶段（v0.6 左右），架构文档写得相当坦诚——连已知问题都列得很清楚。如果你已经在用 DeepSeek API 做编码辅助，值得花十分钟装上试试。至少跑个 `reasonix doctor` 看看它报告的那些指标，光那个 cache hit 百分比就够你琢磨好一阵了。
—
*项目地址：[github.com/esengine/DeepSeek-Reasonix](https://github.com/esengine/DeepSeek-Reasonix)*
*评论区说说：你现在主力用哪个 Agent？一个月的 API 账单大概多少？*