claudecode+deepseek平替硬核实战

不用 Anthropic API，不翻墙，不折腾——一行配置让 Claude Code 跑在 DeepSeek 上，成本打一折，能力不打折。 个人用户使用公网的deepSeek的token; 企业内网开发用户自建deepSeek模型，更加节约token;

一、山重水复：Claude Code 的"看得见吃不着"

山重水复疑无路，柳暗花明又一村。

周四凌晨两点，老李盯着终端里 claude --version 的输出，又瞥了一眼 Claude API 的计费面板，血压上来了。

事情是这样的：老李在 Twitter 上刷到 Claude Code 的 hooks 系统和 subagent 工作流，心痒得不行——想想看，自定义 hook 在每次提交前跑一轮安全审计、子代理并行扫代码库做架构分析，这工程体验简直是 AI 时代的"机械键盘"，用过就回不去。

但现实很骨感：

老李算了一笔账：按日常 AI 编码量，一个月轻轻松松烧掉 500 万 tokens——Sonnet 4 官价下来就是 $90（约 650 元），这还只是保守估计。要是项目紧、重构多，月费轻松破 5000。

架构师的职业病犯了：有没有一个"反向代理"——保留 Claude Code 的工程能力，但把模型后端切到国内 API？

答案比老李想的简单得多。

二、不畏浮云：Claude Code + DeepSeek 究竟是个什么玩法

不畏浮云遮望眼，自缘身在最高层。

先澄清一个概念：Claude Code 不只是"Claude 模型的命令行"。

Claude Code CLI 是一套完整的 AI 编码工作流引擎，它包括：

关键认知：模型层只是整个系统的最底层。上面三层——会话管理、智能体调度、工程能力——才是 Claude Code 的核心壁垒。

DeepSeek 做了一件聪明事：它提供了 /anthropic 端点，完全兼容 Anthropic Messages API 格式。这意味着 Claude Code CLI 不需要任何代码改动，只需要把 ANTHROPIC_BASE_URL 指向 DeepSeek，它就会像跟 Anthropic 服务器对话一样正常工作。

小结：

三、欲穷千里目：为什么要这么玩

欲穷千里目，更上一层楼。

老李把理由归纳为三点，每一点都打在架构决策的痛点上：

三个使用场景，尤其适合这套方案：

用老李的话说："Claude Code 是发动机，DeepSeek 是汽油。发动机没变，汽油从 98 号换成 92 号，日常通勤根本感觉不出来，但油费少了一大截。"

四、横看成岭：架构全景图

横看成岭侧成峰，远近高低各不同。

把整个方案摊开，架构出奇地简洁：

关键配置项解读：

{
 ”env”: {
 ”ANTHROPIC_BASE_URL”: ”https://api.deepseek.com/anthropic”,
 ”ANTHROPIC_MODEL”: ”deepseek-v4-pro[1m]”,
 ”ANTHROPIC_DEFAULT_HAIKU_MODEL”: ”deepseek-v4-flash”,
 ”CLAUDE_CODE_SUBAGENT_MODEL”: ”deepseek-v4-flash”,
 ”CLAUDE_CODE_EFFORT_LEVEL”: ”max”
 }
}

⚠️ 重要提示： ANTHROPIC_DEFAULT_OPUS_MODEL 和 ANTHROPIC_DEFAULT_SONNET_MODEL 也建议指向 deepseek-v4-pro[1m]， 避免 Claude Code 在某些场景下尝试调用不存在的模型名。

五、纸上躬行：手把手配置指南

纸上得来终觉浅，绝知此事要躬行。

老李把配置过程提炼成三步走，十分钟搞定。

第一步：注册 DeepSeek 并获取 API Key

📸 截图位置：DeepSeek 平台 → API Keys → 生成新 Key

image.png

第二步：安装 Claude Code CLI

# 前提：Node.js 18+ 和 Git for Windows
npm install -g @anthropic-ai/claude-code
 
# 验证
claude --version

image.png

第三步：配置环境变量

编辑 C:\Users\你的用户名.claude\settings.json：

{
 ”env”: {
 ”ANTHROPIC_BASE_URL”: ”https://api.deepseek.com/anthropic”,
 ”ANTHROPIC_AUTH_TOKEN”: ”sk-你的DeepSeek-API-Key”,
 ”ANTHROPIC_API_KEY”: ”sk-你的DeepSeek-API-Key”,
 ”ANTHROPIC_MODEL”: ”deepseek-v4-pro[1m]”,
 ”ANTHROPIC_DEFAULT_OPUS_MODEL”: ”deepseek-v4-pro[1m]”,
 ”ANTHROPIC_DEFAULT_SONNET_MODEL”: ”deepseek-v4-pro[1m]”,
 ”ANTHROPIC_DEFAULT_HAIKU_MODEL”: ”deepseek-v4-flash”,
 ”CLAUDE_CODE_SUBAGENT_MODEL”: ”deepseek-v4-flash”,
 ”CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC”: ”1”,
 ”CLAUDE_CODE_EFFORT_LEVEL”: ”max”
 }
}

如果之前登录过 Claude 账号，先执行 /logout。

验证

cd /d/你的项目目录
claude

进入交互界面后执行：

/status
 
# 查看当前模型和配置
/init
 
# 初始化项目 CLAUDE.md

看到模型显示为 deepseek-v4-pro[1m] 即配置成功。

image.png

六、操千观剑：实战效果对比

操千曲而后晓声，观千剑而后识器。

老李在自己的 Spring Boot 项目上跑了几个典型场景，记录下真实体验：

场景一：代码审查（/code-review）

Claude Code 的子代理并行扫描能力全部保留——5 个子代理同时跑 correctness、readability、architecture、security、performance 五个维度的审查，每个子代理走的是 deepseek-v4-flash，一轮完整审查下来总 token 消耗约 5 万，成本不到 3 分钱。

场景二：Skills 工作流

老李仓库里 86 个自定义 Skills（从 Codex 迁移过来的），全部正常加载和调用。create-sa-doc、code-review-and-quality、debugging-and-error-recovery 这些复杂 Skill 的提示词模板完整执行，Skill 系统的兼容性零损耗。

场景三：Git Worktree 隔离

子代理在独立 worktree 中修改代码，主会话不受影响——这个 Claude Code 的杀手级特性完全可用。Flash 模型跑子代理足够快，不会因为"降级"到 Flash 而出现代码质量问题。

七、洞见三条

问渠那得清如许，为有源头活水来。

洞见一：模型不是护城河，工作流才是

Claude Code 的壁垒不在 Claude 模型本身，而在它构建的那套工程化工作流——hooks、subagent、worktree、MCP。DeepSeek V4 作为"发动机"完全够用，但"底盘"和"变速箱"是 Claude Code 给的。

指导意义：选工具先看工作流引擎，再看模型。模型每季度更新一轮，但工作流一旦嵌入开发习惯就是长期资产。

洞见二：经济型 AI 编码正在改变"什么值得自动化"

当子代理调用的边际成本降到几乎为零，你的自动化决策阈值会大幅降低。老李现在每次提交前都跑一轮完整的安全 + 性能审查——这在 Claude 原版上根本舍不得。

洞见三：Anthropic 兼容 API 正在成为事实标准

DeepSeek 支持 Anthropic 兼容端点不是偶然。Anthropic Messages API 的 tool_use 和 streaming 设计在 AI 编码场景下体验最优，正在成为 MCP 生态之外的另一条事实标准。这意味着你今天配置的 ANTHROPIC_BASE_URL 未来可以指向任何兼容端点——真正的模型自由。

八、路漫漫兮：总结与行动

路漫漫其修远兮，吾将上下而求索。

思维导图总结

老李的最后一句：别等了。Claude Code 的工程能力加上 DeepSeek 的价格，这套组合是目前国内 AI 编码最优解。十分钟搭好环境，剩下的交给工作流慢慢进化。