一、为什么要把 DeepSeek-V4 接入 Claude Code？

Claude Code 之所以受到开发者欢迎，不只是因为它能回答代码问题，而是因为它把代码理解、文件修改、终端命令执行和结果验证整合进了一条完整工作链路。开发者可以在项目目录中直接运行命令，让 AI 读取仓库上下文、分析问题、修改文件并辅助执行测试。

但在长期使用中，很多团队会遇到一个现实问题：如果所有任务都依赖高价模型，重度编码、长上下文分析、多轮修改和 Agent 循环会带来持续成本压力。尤其是在调试、重构、补测试、写脚本这类高频任务中，模型调用成本会随着项目规模快速增长。

DeepSeek-V4 的出现，为 Claude Code 用户提供了另一种思路：保留 Claude Code 的交互体验和工程工作流，把底层模型切换为支持 Anthropic API 格式的 DeepSeek-V4。DeepSeek 官方文档显示，DeepSeek API 支持 OpenAI 与 Anthropic API 格式，Claude Code 可通过配置环境变量接入其 Anthropic 兼容接口。

二、DeepSeek-V4 的关键能力

DeepSeek-V4 于 2026 年 4 月 24 日发布 Preview。官方资料显示，DeepSeek-V4-Pro 拥有 1.6T 总参数、49B 激活参数，主打复杂推理、Agentic Coding 和高难度代码任务；DeepSeek-V4-Flash 则为 284B 总参数、13B 激活参数，定位更偏向快速、经济、轻量的任务处理。

在 Claude Code 场景中，最值得关注的是上下文和工具能力。DeepSeek 官方模型页显示，DeepSeek-V4-Pro 与 DeepSeek-V4-Flash 均支持 1M 上下文长度，最大输出可达 384K，并支持 JSON Output、Tool Calls、Chat Prefix Completion 等能力。对于大型代码仓库、长日志分析、跨文件重构和多轮任务拆解来说，1M 上下文是非常关键的能力基础。

价格方面，官方以每 1M tokens 为单位计费：DeepSeek-V4-Flash 缓存命中输入为 $0.0028，缓存未命中输入为 $0.14，输出为 $0.28；DeepSeek-V4-Pro 缓存命中输入为 $0.003625，缓存未命中输入为 $0.435，输出为 $0.87。并发限制方面，Flash 为 2500，Pro 为 500。这些数据说明，开发者可以根据任务复杂度在 Pro 与 Flash 之间做分层使用。

三、整体接入思路：保留外壳，替换模型

这套方案的核心不是重新做一个 AI 编程工具，而是利用 Claude Code 已经成熟的终端工作流，将底层模型请求指向 DeepSeek 的 Anthropic 兼容接口。

可以简单理解为三层结构：

第一层是 Claude Code，负责项目交互、文件操作、命令执行和开发者体验。

第二层是 模型接入配置，通过环境变量或 cc-switch 管理 API 地址、Key 和模型映射。

第三层是 DeepSeek-V4 模型服务，负责实际推理、代码理解、生成和工具调用响应。

这种方式的好处是改动小、上手快。开发者不需要放弃 Claude Code 的使用习惯，也不需要重新适配一套新的编辑器插件或 Agent 框架，只需要完成模型端点和鉴权信息配置即可。

四、安装 Claude Code

如果本机还没有安装 Claude Code，需要先准备基础环境。DeepSeek 官方接入文档要求安装 Node.js 18+，Windows 用户还需要安装 Git for Windows。随后可以通过 npm 安装 Claude Code：

npm install -g @anthropic-ai/claude-code

安装完成后，可以执行下面命令确认是否安装成功：

claude --version

如果终端能够正常输出版本号，说明 Claude Code 已经安装完成。接下来就可以进入模型配置环节。

五、配置 DeepSeek-V4 环境变量

如果已经安装 Claude Code，可以直接通过环境变量把请求转到 DeepSeek 的 Anthropic 兼容接口。Linux 和 macOS 用户可以使用以下配置：

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
export ANTHROPIC_AUTH_TOKEN=<your DeepSeek API Key>
export ANTHROPIC_MODEL=deepseek-v4-pro[1m]
export ANTHROPIC_DEFAULT_OPUS_MODEL=deepseek-v4-pro[1m]
export ANTHROPIC_DEFAULT_SONNET_MODEL=deepseek-v4-pro[1m]
export ANTHROPIC_DEFAULT_HAIKU_MODEL=deepseek-v4-flash
export CLAUDE_CODE_SUBAGENT_MODEL=deepseek-v4-flash
export CLAUDE_CODE_EFFORT_LEVEL=max

Windows PowerShell 用户可以使用：

$env:ANTHROPIC_BASE_URL="https://api.deepseek.com/anthropic"
$env:ANTHROPIC_AUTH_TOKEN="<your DeepSeek API Key>"
$env:ANTHROPIC_MODEL="deepseek-v4-pro[1m]"
$env:ANTHROPIC_DEFAULT_OPUS_MODEL="deepseek-v4-pro[1m]"
$env:ANTHROPIC_DEFAULT_SONNET_MODEL="deepseek-v4-pro[1m]"
$env:ANTHROPIC_DEFAULT_HAIKU_MODEL="deepseek-v4-flash"
$env:CLAUDE_CODE_SUBAGENT_MODEL="deepseek-v4-flash"
$env:CLAUDE_CODE_EFFORT_LEVEL="max"

配置完成后，进入项目目录运行：

cd /path/to/my-project
claude

如果能够正常进入 Claude Code 会话，并且模型能够读取当前项目上下文，就说明基础链路已经跑通。

六、为什么要用 cc-switch？

直接写环境变量适合快速验证，但如果开发者需要频繁切换不同模型、不同 Key 或不同 Provider，手动改配置就会比较麻烦。推荐使用 cc-switch，本质上是为了把 Provider、API Key、Base URL、模型名称等配置可视化管理，减少重复修改环境变量的成本。

配置时重点关注几个字段：

Provider Name: DeepSeek
Base URL: https://api.deepseek.com/anthropic
API Key / Auth Token: <你的 DeepSeek API Key>
Model: deepseek-v4-pro[1m]
Small / Fast / Haiku Model: deepseek-v4-flash

这里最容易填错的是 Base URL 和模型名。Base URL 应使用 Anthropic 格式接口，而不是普通 OpenAI 格式接口；如果希望启用 1M 上下文能力，主模型建议写成 deepseek-v4-pro[1m]。同时，可以把轻量模型设置为 deepseek-v4-flash，用于简单任务、子任务或快速响应场景。

七、模型分工建议：Pro 处理复杂任务，Flash 处理日常任务

在实际开发中，不建议所有任务都使用同一个模型。更合理的方式是按任务复杂度分层：

复杂任务适合交给 DeepSeek-V4-Pro，例如大型仓库理解、架构分析、跨文件重构、复杂 Bug 定位、长日志排查和单元测试设计。

简单任务则可以交给 DeepSeek-V4-Flash，例如解释函数、生成脚本、补充注释、格式转换、简单配置修改和常规问答。

这样的组合可以兼顾质量和成本。尤其在 Claude Code 这种 Agent 工作流里，一次任务可能包含多轮分析、工具调用、文件读取和命令执行。如果全部使用高性能模型，成本容易累积；如果简单任务使用轻量模型，则可以显著降低日常使用压力。

在团队内部做多模型接入测试时，也可以把 TreeRouter 这类大模型 API 聚合平台作为补充接入层，用于减少不同模型接口重复对接工作，但模型选择、权限控制和成本策略仍应由团队自身工程规范决定。

八、常见问题与排查方法

第一类问题是认证失败。通常是 API Key 填错、环境变量未生效，或者终端没有重新打开。可以先检查 ANTHROPIC_AUTH_TOKEN 是否正确。

第二类问题是接口地址错误。如果使用了普通 OpenAI 格式地址，而不是 Anthropic 格式地址，Claude Code 可能无法正常请求。这里应确认接口地址为 DeepSeek Anthropic API 对应地址。

第三类问题是模型名称不匹配。DeepSeek 官方说明，API 可直接更新模型为 deepseek-v4-pro 或 deepseek-v4-flash，两者都支持 1M 上下文和 Thinking / Non-Thinking 双模式。旧模型名 deepseek-chat 和 deepseek-reasoner 将在 2026 年 7 月 24 日 15:59 UTC 后完全退役并不可访问。

第四类问题是成本不可控。建议开发者在测试阶段先用小项目验证，再逐步引入大仓库分析、自动测试和多轮修改。对于长上下文任务，要特别关注输入 token、输出 token 和缓存命中情况。

九、总结

Claude Code 接入 DeepSeek-V4 的核心价值，在于保留原有 AI 编程工作流，同时获得更灵活的模型选择和更可控的调用成本。Claude Code 负责终端交互、项目理解和任务执行，DeepSeek-V4 提供 1M 上下文、工具调用和代码推理能力，两者结合后，适合用于日常编码、项目重构、测试生成和复杂问题排查。

对于个人开发者，这套方案可以降低尝试 AI 编程工作流的门槛；对于中小团队，它可以作为多模型工程实践的一部分，用来验证不同模型在真实研发场景中的表现。真正落地时，不应只追求“能跑通”，还要关注模型分工、成本监控、权限边界和结果校验。只有把这些工程细节补齐，AI 编程工具才能从个人尝鲜走向稳定生产力。