企业官网建设流程全解析

最近这一个月，我基本把主力编码 AI 从 Claude 官方订阅切到了 DeepSeek 的 API，但日常工作台仍然是 Claude Code。很多朋友听到会觉得矛盾：Claude Code 不是 Claude 的官方命令行工具吗，怎么跟 DeepSeek 扯上关系？其实 Claude Code 底层只认一个兼容 Anthropic API 的端点，只要把环境变量指过去，它就能驱动任何同样协议的服务。我现在每天就用这个组合干活——DeepSeek V4 Pro 负责理解代码、生成补丁，Claude Code 负责“动手”：读文件、跑测试、改代码、执行终端命令。整套流程不依赖 Claude 订阅，DeepSeek 注册还送体验额度，算是把“免费接入”落到了实处。这篇文章就把完整接入过程和踩过的坑记录下来，给同样想省订阅费又舍不得放弃 Claude Code 交互体验的人一份可直接照做的方案。

1. 为什么把 DeepSeek 和 Claude Code 拼在一起

1.1 先从账单说起：一个订阅价，还是一杯奶茶钱

先说痛点。Claude Code 是 Anthropic 出品的 AI 编程 Agent 工具，官方把你绑定在 Claude 订阅体系里。个人版的 Claude Pro 一个月 20 美元起步，企业版的 Claude Max 更贵，一百美元左右一个月。对国内开发者来说，付外汇、绑国际支付本身就有门槛，而且订阅价格是固定的，哪怕你只用了十分之一的额度，钱也照扣。

DeepSeek 这边是纯按量计费，用多少 token 花多少钱。注册开放平台账号后会送体验金，日常调试阶段基本花不完。跑到重度使用，一个月的费用也就是一杯精品咖啡的价格，跟 Claude 订阅完全不是一个量级。

我把自己实际跑了一个月的数据拉出来对比过：

这张表不需要精确到小数点，因为平台会调价，但量级是稳定的：同样的编码工作量，DeepSeek API 方案的成本不到订阅方案的十分之一。标题里说“免费接入”，本质上是因为这个方案压根不需要给 Claude 付一分钱，新用户赠送的额度足够你把整套流程跑通。

1.2 Claude Code 的架构秘密：它只是模型的一个“外壳”

很多人把 Claude Code 理解成“一个 AI”，其实它更像一个 Agent 运行框架。你扔给它一句“修一下这个 bug”，它会自动读文件、定位问题、改代码、跑测试，然后再把结果汇报给你。这套交互层是 Claude Code 的核心价值：多文件操作、终端命令执行、长上下文管理，这些能力都被封装成了现成的工具链。

关键点在于，Claude Code 与模型之间走的是标准 HTTP API。它通过环境变量约定后端的地址和鉴权信息，而不是把模型缝合死在客户端里。这就像一台电视，Claude 官方服务是其中一个信号源，但电视机本身还保留了 HDMI 输入口——你完全可以把 DeepSeek 当作另一个信号源接上去，遥控器的操作逻辑不变，屏幕上显示的画面却换了一套信号。

我最早知道这个玩法，是在 DeepSeek 开放平台文档里看到他们提供了 Anthropic 兼容端点。那一刻的直觉是：这条路肯定能通，而且有官方文档背书，稳定性不会差。于是就有了后面的整套实践。

1.3 这套组合适合谁

如果你属于下面几类人，这个方案值得照抄：

• 想省掉 Claude 订阅费，但又不想放弃 Claude Code 的交互效率
• 项目代码量不小，希望有一个能“自己动手改文件、跑命令”的编码 Agent，而不是只会生成代码块的聊天窗口
• 对数据流向比较敏感，希望把模型服务换成自己更信任、更容易控制成本的国内 API
• 团队预算有限，想让多个开发人员共用一套低成本编码工作流

不适合谁呢？对 AI 推理能力要求极高、一个任务就要处理上万行跨文件重构的重度用户，还是更适合官方 Claude 模型。DeepSeek 在复杂推理上和顶级闭源模型仍有肉眼可感知的差距，这个我在后面会详细说。

2. 环境准备：先把 Claude Code 命令行装到能跑

2.1 Node.js 环境检查与安装

Claude Code 是一个 npm 包，所以第一步是确保机器上有可用的 Node.js 环境。官方要求 Node.js 18 以上，我建议直接用 20 或 22 的 LTS 版本，避免某些新语法和 API 在旧版本上跑不起来。

先检查当前环境：

node -v npm -v

如果版本太旧，或者命令不存在，就需要装 Node.js。Windows 用户直接去官网下载安装包，一路 Next 就行，记得勾选“Add to PATH”。macOS 用户可以用 Homebrew：

brew install node

Ubuntu 用户要注意一点：直接用apt install nodejs装出来的往往是旧版本，版本号看着是 18 或 20，实际上可能是某个很老的子版本。我更推荐用 nvm 装，这样以后切版本也方便：

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash nvm install --lts nvm use --lts

这里有个小细节：装完 Node.js 之后最好重启一下终端，确保 PATH 里加载的是新版，否则等下装 Claude Code 的时候可能报“Cannot find module”之类的怪问题。

2.2 npm 全局安装 Claude Code

环境就绪后，安装命令非常简单：

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

安装完之后验证一下版本：

claude --version

能正常输出版本号，说明 CLI 本体已经装好。这里说句题外话：很多人以为 Claude Code 必须配合 Anthropic 官方账号才能用，其实 CLI 只是一个壳，它跟谁通信完全由环境变量决定，这个在下一节就会操作到。

Windows 用户如果用的是 PowerShell，装完之后可能需要重新打开终端才能识别claude命令。macOS 和 Linux 一般没问题。如果安装过程中遇到权限错误，不要直接sudo npm install -g，先看一下是不是 npm 全局目录权限问题，通常用 nvm 管理 Node 的时候不会遇到这种坑。

2.3 VSCode 集成：把工作区变成驾驶舱

Claude Code 除了命令行终端，还有一个官方 VSCode 扩展。在 VSCode 插件市场搜 “Claude Code”，安装后侧边栏会多出一个面板。这个面板的价值在于：你可以在编辑器里直接选中一段代码，右键发送给 Claude Code 处理，或者让侧边栏面板读取当前打开文件作为对话上下文。

我自己的使用习惯是：在 VSCode 的集成终端里直接运行claude，这样上方是代码、下方是 AI 对话，两边不需要切窗口。如果你想把 Claude Code 面板单独钉在侧边栏，那就在扩展安装完成后点开面板图标，按提示关联工作区。

一个常见的混淆点是：扩展装好了，但点击图标后提示你去订阅或登录。这很正常，说明还没配置环境变量驱动 DeepSeek 端点。别急着在弹窗里登录官方账号——先跳到下一节把环境变量配好，再回来刷新面板，它就会直接连上 DeepSeek。

2.4 在 Ubuntu / Windows / macOS 上保持一致的体验

我平时三套系统都会用到，这套方案在三套系统上的核心逻辑完全一样，只是环境变量的设置语法不同。Linux 和 macOS 用export，Windows 用$env:或系统环境变量面板。后面配置部分我会把两套写法都列出来，照着抄就行。

有一点要提醒：VSCode 的集成终端会继承编辑器启动时的环境变量。如果你改了终端里的环境变量，但忘了重启 VSCode 本体，扩展面板里可能仍然读不到最新配置。这种“两边配置不同步”的情况最容易让人误以为接入失败。

3. 配置 DeepSeek 接入：三个环境变量换掉模型底座

3.1 申请 DeepSeek API Key

先去 DeepSeek 开放平台注册账号。进入控制台后找到“API Keys”菜单，创建一个新的 Key。创建后系统只会显示一次完整 Key，格式类似sk-xxxxxxxxxxxx，一定要立刻复制保存到本地。

这里分享一个经验：申请 Key 的时候最好给它起一个能看出用途的名字，比如claude-code-workstation。因为后期你可能会申请多个 Key 分给不同项目或不同机器，命名清晰能省很多事。另外，开放平台通常会自动给你账户里充一笔小额的体验金，这笔钱够你把整套流程验证完，大概率不用先充一分钱。

3.2 设置环境变量：三个变量撬动整个链路

要让 Claude Code 把请求发到 DeepSeek，只需要设置三个环境变量。第一个是端点地址，第二个是鉴权 token，第三个是默认模型名。

Linux / macOS 终端里这样配：

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic export ANTHROPIC_AUTH_TOKEN=sk-你的DeepSeekKey export ANTHROPIC_MODEL=deepseek-chat

Windows PowerShell 里这样配：

$env:ANTHROPIC_BASE_URL = "https://api.deepseek.com/anthropic" $env:ANTHROPIC_AUTH_TOKEN = "sk-你的DeepSeekKey" $env:ANTHROPIC_MODEL = "deepseek-chat"

这三个变量看着简单，但有一个隐藏坑：有些 Claude Code 版本里，模型档位是分开引用的，默认对话模型、轻量模型、复杂任务模型分别对应不同的变量。如果你只设置了ANTHROPIC_MODEL，某些内部逻辑可能会仍然向 Anthropic 官方端点请求claude-sonnet或claude-opus，表现就是“对话能通，但某些操作突然报鉴权错误”。

为了避免这种情况，我建议把模型映射变量也一起安排上：

export ANTHROPIC_DEFAULT_OPUS_MODEL=deepseek-chat export ANTHROPIC_DEFAULT_SONNET_MODEL=deepseek-chat export ANTHROPIC_SMALL_FAST_MODEL=deepseek-chat

这样就把 Claude Code 内部对不同档位模型的引用全部重定向到同一个 DeepSeek 模型，不会有漏网之鱼。

如果你希望配置在每次打开终端都自动生效，可以把这些export命令追加到~/.bashrc（Linux）或~/.zshrc（macOS）里。Windows 用户可以用系统环境变量面板，或者设置一个 PowerShell profile。

3.3 第一次对话验证是否接通

配置完成后，在项目目录下运行：

claude

正常情况下，你会进入一个交互式的 TUI 界面，不会弹出任何订阅登录提示。第一句话我建议直接问它一句：

你现在由哪个 API 服务驱动？请简要说明你的模型身份。

如果它正常回答，说明链路已经打通。DeepSeek 的兼容端点在内部会把模型识别为deepseek-chat，所以它可能会坦诚地告诉你自己是 DeepSeek 系列的模型，或者沿用一些 Claude 风格的开场白——这取决于兼容层的实现方式，不用太纠结。

我在这一步还习惯做一个快速验证：让它用/models查看当前可用模型，或者让它执行一个最简单的终端命令确认工具调用链路是通的。比如：

请运行 pwd 并告诉我当前目录路径。

Claude Code 会展示命令执行计划，经过你确认后真正去执行。只要能看到这个工具调用的完整过程，就说明不只是文本对话通了，Agent 的工具执行链路也通了。

运行claude之后如果看到让你登录或者订阅的界面，不要慌，多半是环境变量没生效。检查一下终端里是不是真的加载了配置，最简单的方式是运行env | grep ANTHROPIC，看看三个变量在不在。

4. 实战：让它带着 DeepSeek 改一天代码

4.1 一个真实场景：同步代码改异步

理论说完了，来看点真实的。我拿一个实际项目举例：把jobs/scheduler.py里的 HTTP 请求从同步写法改成异步写法，保持原有重试逻辑不变。

我对 Claude Code 发出的指令是：

看一下 jobs/scheduler.py，把里面的同步 HTTP 请求改成 httpx.AsyncClient 的异步方式，注意保留原来的重试次数和超时配置，改完跑一下测试。

它的执行过程很有代表性：

• 先用工具读取整个文件内容
• 然后用 grep 搜索所有涉及 HTTP 调用的位置和已有的重试函数
• 针对每个函数体生成编辑方案，逐个应用
• 改完后自动定位到项目里的测试文件，执行 pytest
• 测试失败后再读错误日志，继续修订

整个流程我看下来，DeepSeek 对代码的理解是准确的，异步改造这种中等复杂度的任务是能胜任的。Claude Code 侧的工具调用链路也稳定，读文件、替换代码、执行命令这些步骤没有一步掉链子。

4.2 Agent 能力在 DeepSeek 下的真实水平

用了一个月之后，我对这套组合的能力边界有了比较清晰的认知。先说让人满意的部分：Claude Code 的“上手干活”能力——多文件上下文、工具调用、对话式调试——在切换模型之后完全保留，因为这些能力大部分是由客户端框架承担的，模型只需要根据上下文输出正确的工具调用格式。DeepSeek 对 Claude 工具调用格式的兼容完成度很高，目前我还没遇到工具参数解析错误的情况。

再说差距所在。复杂推理是 DeepSeek 与 Claude 官方模型之间最明显的分水岭。举个例子，我让它分析一个跨模块循环依赖问题，它可能会生成一个看起来合理但实际没触及根本的方案，需要我再补充追问两三轮才能收敛。换成 Claude 官方模型，可能第一轮就能定位到依赖注入的根源。

所以我的结论是：如果任务是模块级的增删改查、单元测试编写、日志修复、代码风格统一，这套组合表现很棒；但如果是架构级重构、大型遗留项目的内存泄漏排查这类需要长链条推理的任务，需要你把任务拆得更碎，不断喂上下文和验证反馈给它。

4.3 Claude Code 直接执行终端命令的正确姿势

Claude Code 有一个很实用的能力：直接在对话里执行终端命令。这意味着你不用来回切窗口手动跑命令，而是用自然语言告诉它“跑一下构建”，它会自动执行并读取输出，根据结果决定下一步操作。

这个能力默认有确认机制，每次执行命令前都会在界面上展示将要运行的命令并等待你确认，避免危险的命令被悄悄执行。我建议保留这个确认机制，不要为了省事改成全自动。因为 AI 生成的命令偶尔会有意外，比如在错误目录里执行 rm 之类的，多一道确认就是多一层保险。

实际用下来，最舒服的姿势是：让 AI 自己形成一个“改代码 → 跑测试 → 看报错 → 再改”的闭环。你只需要在关键节点检查它的方向对不对，而不是每一条命令都手把手盯着。

4.4 提示词习惯：让它先计划再动手

我刚开始用的时候，经常直接甩给它一句“帮我改好这个文件”，结果它在第一个版本里改得面目全非。后来我养成了一个习惯：重大改动前先让它输出计划，确认后再动手。

比如我会说：

不要直接改代码。先分析 jobs/scheduler.py 的异步改造方案，列出需要修改的函数和每一步可能影响的行为，我确认后你再动手。

这个习惯能把前期探索成本从 AI 的错误尝试里省出来，尤其适合 DeepSeek 这类需要“多轮确认”才能收敛的模型。Claude Code 交互界面里也自带 plan mode 之类的功能，我习惯直接用自然语言约束，效果一致。

我还会在指令里频繁强调边界，比如“不要动测试文件”“不要格式化整个项目”“只修改被指定函数”。模型倾向于自动发挥，明确边界能省掉你大量 review 时间。

5. 踩坑复盘：订阅报错、限流和上下文断裂

5.1 订阅权限报错的根因与解法

很多第一次装 Claude Code 的人都会遇到这条报错：

your organization has disabled claude subscription access for claude code

这条报错我在接入 DeepSeek 之前就撞上过。根因其实很简单：在没有任何自定义环境变量的情况下，Claude Code 启动时会默认尝试跟 Anthropic 官方账号体系通信，检查你的 Claude 订阅状态。如果账号是企业托管且策略禁止 Claude Code，或者本地保存的登录态已经失效，就会抛出这句。

不少人的第一反应是去解决订阅问题、找企业管理员开权限，结果陷入一条死胡同。

正确的处理方式恰恰是：不依赖订阅链路，直接用环境变量把请求引到 DeepSeek 端点。只要ANTHROPIC_BASE_URL指向 DeepSeek，鉴权走的是ANTHROPIC_AUTH_TOKEN，Claude Code 就不会再去向你账号的订阅状态。

如果你已经不小心登录过官方账号，本地可能会缓存一份登录态，导致行为混乱。遇到这种情况，先清理本地 Claude Code 的配置缓存，再重新配置环境变量。清理前记得备份：Claude Code 的配置和会话历史通常存在~/.claude目录下，备份这个目录再删除，不会影响后续使用。这个处理思路同样适用于“环境变量都配置好了但依然弹出订阅提示”的情况。

5.2 503 / 429 限流：高峰期如何体面地继续干活

DeepSeek 的 API 在高峰时段偶尔会返回 503 或 429。503 是服务端暂时过载，429 是触发限流。Claude Code 自带重试逻辑，但不保证每次都优雅地恢复，有时候会直接中断当前操作，让你手动继续。

我总结了三个行之有效的应对办法：

• 避开工作日晚上的高峰时段，我在下午两点到六点之间调用，几乎没遇到限流
• 把大任务拆成小任务提交，减少单次对话里的请求频率
• 中断之后不要慌，用claude --continue恢复最近一次会话，上下文还在，让它接着之前的进度继续

这里强调一下--continue的用法。Claude Code 会在每次运行时持久化最近会话的上下文，恢复之后它能“想起”之前的分析结论和已改代码，不会从头开始。这在高频限流场景下是保命技能。

5.3 上下文过长导致“失忆”

Claude Code 鼓励你持续在一条对话里工作，但上下文窗口总归有限。DeepSeek 模型的上下文窗口不小，但当你让它通读大量文件、频繁跑工具输出之后，对话历史还是会逼近上限。一旦超限，模型会忘记早期上下文里的关键约束，表现就是：你前面说“不要改动某个模块”，它后面绕回来又把那个模块改了。

应对办法是主动压缩上下文。Claude Code 的/compact命令可以把当前对话压缩成摘要，提取出关键结论和未完成任务，然后开启新上下文继续。我的经验是在感觉到 AI 开始“复读”或“反复横跳”时，主动/compact，而不是等它彻底超限崩溃。

另一个技巧是善用多会话。一个项目按功能模块拆分成多个独立会话，而不是所有任务挤在一个对话里。每条会话的上下文更干净，模型理解得就更准确，出错的概率自然降低。配合--continue按需恢复，效果很好。

5.4 显式指定模型名的必要性

DeepSeek 兼容端点在设计上会模拟 Claude 的模型接口，但默认的模型名映射不一定每次都是你想要的那个。我建议永远在环境变量里显式指定ANTHROPIC_MODEL=deepseek-chat，不要图省事不设置。

为什么不设置会出问题？因为 Claude Code 内部有些场景会请求像claude-sonnet-4-20250514这种具体型号，兼容端点通常会做一次映射，但这个映射行为在不同时期、不同接口版本里可能不一致。显式指定模型可以让兼容层少猜一次，路径更短，出错的概率也更低。

5.5 本地登录态与环境变量的冲突

最后还有一个很隐蔽的坑：Claude Code 官方版会优先使用你通过claude login方式保存的 OAuth 登录态。即使你设置了环境变量，某些旧版本或者特定分支下，OAuth 登录态可能干扰配置，导致请求仍然发往官方端点或直接报订阅错误。

我的建议是在接入 DeepSeek 的工作机上，压根不要执行claude login。如果已经执行过，就把相关缓存清掉。干净的环境变量配置比登录态更直观、更好排查。

6. 进阶：把这套工作流扩展成自己的编码驾驶舱

6.1 用函数快速切换模型端点

DeepSeek 接入通顺后，你会不满足只接一个模型。我习惯在 shell 配置里放几个函数，随时切换不同的模型服务后端，比如切回本地模型做隐私代码片段分析，切到 DeepSeek 做日常开发，偶尔切到 OpenAI 兼容服务跑测试。

Linux / macOS 的示例：

use_deepseek() { export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic export ANTHROPIC_AUTH_TOKEN=$(cat ~/.keys/deepseek.key) export ANTHROPIC_MODEL=deepseek-chat export ANTHROPIC_DEFAULT_OPUS_MODEL=deepseek-chat export ANTHROPIC_DEFAULT_SONNET_MODEL=deepseek-chat export ANTHROPIC_SMALL_FAST_MODEL=deepseek-chat echo "Switched to DeepSeek" }

Windows PowerShell 里可以写一个类似函数。这样每次切换只需要敲一行命令，不用记一堆 export。

如果你的项目级配置想以仓库为单位隔离，可以用 direnv 之类的工具，在.envrc文件里写环境变量。进入项目目录自动加载，离开目录自动卸载，非常干净。不过要记得，direnv 只在 shell 层生效，VSCode 扩展读取的是进程级环境变量，所以如果要用在扩展里，还是要把变量设进系统环境变量或用启动脚本统一导出。

6.2 调用 LM Studio 本地模型：私有代码的兜底方案

如果你手头有本地模型推理工具，比如 LM Studio、Ollama 这类，Claude Code 的开放式架构同样能接到本地端点。以 LM Studio 为例，本地通常会起一个 OpenAI 兼容端点，地址类似http://localhost:1234/v1。你可以这样配置：

export ANTHROPIC_BASE_URL=http://localhost:1234/v1 export ANTHROPIC_AUTH_TOKEN=lm-studio export ANTHROPIC_MODEL=你的本地模型名

ANTHROPIC_AUTH_TOKEN在本地端点里往往只是个占位符，只要不为空就行。接入之后，Claude Code 会尝试用对话和工具调用跟你本地的模型交互。

这里必须泼一盆冷水：本地模型能否正常工作，关键取决于它是否支持 Anthropic 格式的工具调用。如果你的本地模型没有经过对应的适配，Claude Code 的工具调用会时灵时不灵，表现为：对话通畅，但让它读文件、改代码时经常卡住或返回无用参数。我在 LM Studio 上试过几个模型，只有明确支持 function calling 的模型才勉强能用。

这个玩法的最大价值在于数据不出本机，适合处理非常敏感的代码片段。生产环境我仍然推荐 DeepSeek 这种经过兼容性打磨的远端服务，稳定性和工具调用质量不是一个级别。

6.3 结合 VSCode 生态，把编码闭环拉得更完整

Claude Code 的 VSCode 扩展装好后，可以在侧边栏选中代码发送给它，也可以用快捷键把当前文件作为上下文。我自己的标准工作流已经变成：

• VSCode 里打开项目，集成终端跑claude
• 遇到问题先让 Claude Code 分析，确认方案后让它直接改
• 需要写重复性脚本时，在另一个终端让脚本自动化处理
• 代码 review 时把 diff 片段发给它，让它列出风险点

这套流程跑顺之后，我的键盘在浏览器和编辑器之间切换的频率明显下降。以前改完代码要手动调格式、跑测试、看日志，现在这些事都可以通过对话让 AI 闭环处理，我只需要在关键节点把控方向。

如果你团队里有多个开发者，还可以考虑把ANTHROPIC_BASE_URL指向一个团队共用的网关服务，统一管理 API Key、配额和审计日志，这样每个成员的代码都在同一个模型策略下执行，成本也更可控。

我自己用下来最大的感受是：工具链的灵活度往往比工具本身的功能上限更珍贵。Claude Code 把“编码 Agent”这个交互范式做得很成熟，而 DeepSeek 用极低的成本解决了模型后端的问题。两者结合之后，它不再是一个绑死订阅的官方工具，而是一个可以由你自由更换引擎的编码驾驶舱。最后说一句实在话：模型会迭代，价格会变化，但“客户端框架 + 可替换模型端点”这个思路能让你永远用上性价比最高的组合，这才是这套实践真正值得长期保留的地方。