有一说一，ClaudeCode与DeepSeek-TUI应用对比

[rebuild-coder]

用DeepSeek-TUI和ClaudeCode写C++代码，同样的功能，用cc可以写出来，用DS-TUI写不出来，而且DS-TUI耗费token是cc的数倍不止，用了1天的cc，只花费10元，用了3小时DS-TUI，差不多的花费，同样用的DSV4 pro模型

可能DS-TUI还需要更多的时间打磨，我认为，DS-TUI应用与DS的模型更配才对

[merchloubna70-dot]

Thank you for the honest comparison! A few tips that usually help with token efficiency:

1. Use /compact proactively — run it before context gets large rather than waiting for auto-compaction. This keeps the prompt tight.
2. Use deepseek-v4-flash for exploration (--model deepseek-v4-flash) — it's much cheaper for iterative C++ work. Switch to deepseek-v4-pro only for the final hard parts.
3. Limit scope per session — break large C++ features into smaller sessions. DeepSeek-TUI works best with focused 20–30 turn sessions.
4. Use /pin on key header files — keeps the relevant context in-window without re-reading on every turn.

The token gap is real and your feedback is useful signal for the project. v0.8.12 includes compaction improvements that should help.

[qwas982]

需要改进架构.

[lloydzhou]

@rebuild-coder
两个问题：

1. cc+deepseek可以写出来，说明cc在harness方面更优秀DeepSeek-TUI需要改进自己的提示词系统，以及工具使用等方面的功能
2. 关于消耗更大，主要是这里对比的两次，一次写出来了一次没有写出来。所以，更可能的原因是，因为失败导致模型重试太多导致更短时间消耗更多（就像一个人往错误的方向做了太多无用的事情，但是同样消耗token）（所以，这个case并不能说明DeepSeek-TUI这个工具更消耗token）

[qwas982]

@lloydzhou

你知道为什么吗?
因为神经网络是 感知网 ! 它只感知张量代表的抽象语义.
符号是低维张量(标量), 所以想要确定不走偏, 就要实现符号逻辑, 感知网+符号网. 才能解决问题.

目前人类还没找到把 符号网 内置到神经网络上的办法.
所以各种代理agent, 都是在做 外置符号逻辑机器 这件事.

基于目前现有技术条件下,
想要真正解决问题,
就必须要把外部环境的符号, 精确映射到零维张量(标量)上.
这需要设计一个接口. 就像汇编器/反汇编器一样.

只要有一点点偏差, 例如映射到了向量或矩阵, 立马就会走偏.
在外界看来就是"幻觉" "无确定型" "消耗更多令牌" "方向走偏".

[Space-CN-G]

Claude Code有提示词优化以及用的人很多，所以缓存命中率会很高，但是有些提示词是给自家模型进行优化的
DeepSeek-TUI 最好是给DeepSeek进行专门的提示词优化 DeepSeek对中文思考可能会更好，所以需要在新的会话中加一些让AI中文思考的提示词，以及将提问也进行优化。还有虽然是长文本，但终究会有幻觉，所以提示词也得低精简一些。建议参考GSD2的CLI，我试过用GSD2去使用DeepSeek开发一些C++项目，效果虽然不是很好，但是规范化后长时间运行缓存命中率很高

[Hmbown]

感谢这个坦诚的对比和后续讨论，我不想把它当作抱怨关闭。这里面有几个明确产品信号: harness/tool-use quality for C++ tasks, prompt stability/cache-hit economics, Chinese DeepSeek prompt tuning, and failure loops causing token burn.

v0.8.42 did not try to fix Claude Code parity broadly; it only shipped narrow stabilization. I am moving this to v0.8.47 continuity/cache because it lines up with #1965 and the cache/prompt-stability investigation.

保留这个 issue, 不关闭; 后续需要用可复现任务、命中率日志和工具调用轨迹来验证改进.

[qwas982]

我找到了新方法, 分享到开源社区, 希望对你有助 @Hmbown
文档: deepseek-ai/DeepSeek-V3#1353 .

流形作为工程本身

这种新形式的精髓在于：

• 软件工程不再是“写代码”，而是在外部几何流形上进行受控地拓扑演化。
• 大模型不再是被动的代码生成器，而是导航于几何约束之间的自主数字智能。
• 全部工程知识、规则和历史，都内化为流形的几何结构，而非外挂的文档。
• 整个系统遵循Forth般的原子组合与Lisp般的自指同构，形成一个活的、可进化的工程生命体。

外部流形以原语事件流存在，通过严格地几何约束与模型形成双向环，实现真正有纪律、可演化的AI软件工程。