Claude Code 终极平替指南 (claude-code-deepseek-quickstart)

一份专为国内开发者打造的指南，让你在 60 分钟内，以极低成本、无障碍地用上顶级的 AI 编程神器 Claude Code。

项目背景

你是否对 Anthropic 出品的 claude-code 这款强大的 AI 编程工具心动不已？它能像一个经验丰富的工程师一样，在你的终端里与你协作，帮你读懂代码、实现功能、修复 Bug，甚至处理复杂的 Git 操作。

但现实的门槛可能让你望而却步：

高昂的费用：Claude 官方模型的 API 调用价格不菲。
访问限制：需要海外信用卡和“特殊”网络环境。
封号风险：账号策略不明，随时可能失去访问权限。

本教程的使命，就是解决以上所有痛点。我们将通过一个名为 Claude Code Router 的开源项目，将 claude-code 的请求“路由”到像 DeepSeek 这样更具性价比、访问更便捷的大模型上。

最终目标：让你在 60 分钟内，以极低的成本，在自己的电脑上流畅地用上这款顶级的 AI 编程神器。

一、Claude Code 是什么？

在开始之前，我们先花 5 分钟快速了解 claude-code 到底是什么。

简单来说，Claude Code 是一个运行在命令行终端的代码智能体（Agentic Coding Assistant）。它不是一个简单的代码补全工具，而是一个可以与你的开发环境深度交互的“数字同事”。

它的核心能力包括：

感知上下文：能自动读取你项目中的文件，理解代码结构。
执行命令：可以直接调用你终端里的 bash 命令，比如 npm run build, git log, ls -l 等。
文件操作：可以创建、编辑、删除你项目中的文件。
长期记忆：通过一个名为 CLAUDE.md 的特殊文件，你可以告诉它项目的关键信息（如常用命令、代码规范、核心文件等），让它在整个会话中“记住”这些设定。
可扩展性：支持自定义命令、连接外部工具（如 MCP），潜力巨大。

官方文档虽然全面，但对于入门者来说过于冗长。你只需要记住：它是一个拥有你电脑部分权限、能和你一起编程的 AI 助手。

二、核心痛点与“平替”方案

正如我们开头提到的，直接使用官方 Claude Code 的主要障碍是成本和访问。而我们的解决方案是 Claude Code Router。

Claude Code Router 是一个巧妙的本地代理服务。它的工作原理如下：

你在终端运行 claude-code。
claude-code 以为它在和 Anthropic 的官方服务器通信。
Claude Code Router 在中间拦截了这个请求。
它将请求转换格式，发送给你配置好的、兼容 OpenAI API 格式的模型服务（例如 DeepSeek, 硅基流动, Ollama 等）。
收到模型返回的结果后，再转换成 claude-code 能理解的格式传回去。

整个过程对 claude-code 本身是透明的，但我们却实现了底层驱动模型的替换，完美解决了成本和访问问题。

三、三步轻松上手

让我们开始动手吧！整个过程不超过 10 分钟。

第 1 步：安装 Claude Code

打开你的终端，运行以下命令来全局安装 claude-code。

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

第 2 步：安装 Claude Code Router

接着，安装我们的“魔法路由”和它依赖的 tiktoken。

npm install -g tiktoken
npm install -g @musistudio/claude-code-router

第 3 步：启动！

现在，不要用官方的 claude 命令，而是使用 Claude Code Router 提供的命令：

ccr code

如果一切顺利，你将看到如下的欢迎界面。恭喜你，claude-code 已经成功在你的本地运行起来了！

小提示： 首次运行时，你可以根据提示运行 /init 来创建一个 CLAUDE.md 配置文件，或者运行 /terminal-setup 来更好地集成终端。

默认情况下，Claude Code Router 已经配置好了 DeepSeek 作为后端，需要在配置文件中添加 API Key，下面是如何配置的教程。

四、进阶配置：打造你的专属模型路由

如果你想获得更强大的性能或更灵活的组合，就需要了解它的配置文件。

配置文件位于你的用户主目录下的 ~/.claude-code-router/config.json。

下面我们提供几种推荐的配置方案，你可以根据自己的需求选择一个，并记得将 sk-xxx 替换成你自己的 API Key。

方案一：极致性价比（纯 DeepSeek）

这是最简单、成本最低的配置。适用于日常的大部分编程任务。DeepSeek 的 deepseek-reasoner 模型在代码和推理任务上表现出色。

{
    "log": true,
    "Providers": [
        {
            "name": "deepseek",
            "api_base_url": "https://api.deepseek.com",
            "api_key": "sk-xxx",
            "models": ["deepseek-reasoner", "deepseek-chat"],
            "transformer": {
                "use": ["deepseek"]
            }
        }
    ],
    "Router": {
        "default": "deepseek,deepseek-chat",
        "background": "deepseek,deepseek-chat",
        "think": "deepseek,deepseek-reasoner",
        "longContext": "deepseek,deepseek-chat"
    }
}

background: 用于处理背景任务，对智能要求不高，deepseek-chat 足够。
think: 用于执行核心的思考和规划任务，我们使用最强的 deepseek-reasoner。
longContext: 当上下文长度较长时使用。

方案二：混合搭配（DeepSeek + Qwen 长文本）

DeepSeek 的上下文窗口有限（约 64k）。当你需要处理非常大的文件或项目时，可能会超出限制。这时，我们可以引入支持更长上下文的模型，比如硅基流动（SiliconFlow）提供的 128k 上下文的 Qwen 模型。

{
    "log": true,
    "Providers": [
        {
            "name": "deepseek",
            "api_base_url": "https://api.deepseek.com",
            "api_key": "sk-xxx",
            "models": ["deepseek-reasoner", "deepseek-chat"],
            "transformer": {
                "use": ["deepseek"],
                "deepseek-chat": {
                    "use": ["tooluse"]
                }
            }
        },
        {
            "name": "siliconflow",
            "api_base_url": "https://api.siliconflow.cn/v1",
            "api_key": "sk-xxx",
            "models": ["Qwen/Qwen3-32B", "Qwen/Qwen3-235B-A22B", "Qwen/Qwen3-8B"],
            "transformer": {
                "use": ["qwen"]
            }
        }
    ],
    "Router": {
        "default": "deepseek,deepseek-chat",
        "background": "deepseek,deepseek-chat",
        "think": "deepseek,deepseek-reasoner",
        "longContext": "siliconflow,Qwen/Qwen3-32B"
    }
}

在这个配置中，日常任务走 64k 的 DeepSeek，一旦遇到需要处理超长上下文的场景，会自动切换到 128k的 Qwen 模型。

方案三：顶配之选（集成 Gemini 百万上下文）

如果你追求极致性能，希望处理百万级别的超长上下文（例如，分析整个代码库），可以考虑将 Google 的 Gemini 模型接入。

由于 Gemini 的 API 格式与 OpenAI 不同，我们需要一个额外的转换层。这里推荐使用开源项目 openai-gemini 配合 Cloudflare Workers 实现。

部署 Gemini 代理：
- 访问 openai-gemini 项目。
- 点击 "Deploy on Cloudflare" 按钮，按照指引完成部署。你需要填入你的 Cloudflare 账户 ID 和一个创建好的 API Token。
- 部署成功后，为你的 Worker 添加一个自定义域名，例如 my-gemini-proxy.com。
测试代理：
- 在终端运行以下命令，替换你的域名和 Gemini API Key。
```
curl -H "Authorization: Bearer [你的 Gemini API KEY]" https://[你的域名]/v1/models
```
- 如果成功返回模型列表，说明你的代理已经就绪。
更新 config.json：将你的 Gemini 代理添加到 Providers 列表，并设置为 longContext 的处理器。

{
    "log": true,
    "Providers": [
        {
            "name": "deepseek",
            "api_base_url": "https://api.deepseek.com",
            "api_key": "sk-xxx",
            "models": ["deepseek-reasoner", "deepseek-chat"],
            "transformer": {
                "use": ["deepseek"],
                "deepseek-chat": {
                    "use": ["tooluse"]
                }
            }
        },
        {
            "name": "gemini",
            "api_base_url": "https://xxx/v1",
            "api_key": "xxx",
            "models": ["gemini-2.5-pro-preview-06-05", "gemini-2.5-flash-preview-05-20"],
            "transformer": {
                "use": ["gemini"]
            }
        }
    ],
    "Router": {
        "default": "deepseek,deepseek-chat",
        "background": "deepseek,deepseek-chat",
        "think": "deepseek,deepseek-reasoner",
        "longContext": "gemini,gemini-2.5-pro-preview-06-05"
    }
}

如果不知道怎么用，可以使用ai写config(将上述代码粘贴给ai,说明自己的要求）

动态切换模型

在 claude-code 会话中，你随时可以使用 /model 命令动态切换当前使用的模型。

/model deepseek,deepseek-reasoner

或者

/model siliconflow,Qwen/Qwen3-32B

五、Claude Code 实战技巧

工具已经就绪，现在分享一些让你事半功倍的实战技巧。

明确你的指令：把它当成一个初级工程师，指令越清晰、越具体，效果越好。
- 不好: 给 foo.py 加测试。
- 好: 为 foo.py 里的 'calculate_discount' 函数写一个单元测试，需要覆盖用户未登录和折扣码过期的两种边缘情况。不要使用 mock。
善用 @ 引用文件：输入 @ 会弹出文件列表，可以快速将文件内容加入上下文，让它分析或修改。
用 # 帮助它记忆：当你发现一个常用命令或重要信息时，可以用 # 开头告诉它，它会自动存入 CLAUDE.md。
- # 启动服务的命令是 npm run dev
“四步工作流”：处理复杂任务时，遵循这个模式能极大提高成功率。
1. 探索 (Explore): 让它先读取相关文件，理解现状。请阅读 src/utils/auth.ts 和 src/components/Login.vue，不要写任何代码。
2. 规划 (Plan): 让它制定一个行动计划。现在，请给出一个重构登录逻辑的详细步骤计划。
3. 编码 (Code): 在你确认计划后，让它开始实施。计划看起来不错，请开始根据计划修改代码。
4. 提交 (Commit): 完成后，让它帮你写 commit message 并提交。代码工作正常，请帮我提交这些改动。
给它“看”图片：你可以直接将 UI 设计稿、错误截图等图片拖拽或粘贴到终端里，让它根据视觉信息来写代码或 Debug。
随时打断和纠正：
- 按 Esc 键可以随时打断它的当前操作。
- 连按两次 Esc 可以回到上一步，修改你的指令，从一个不同的方向重新尝试。

总结

通过本教程，你已经成功地绕过了使用 claude-code 的所有障碍，并搭建了一套适合自己的、高性价比的 AI 编程工作流。现在，你拥有了一个强大的 AI 编程伙伴，它将极大地提升你的开发效率。

大胆地去探索和尝试吧！把它用到你的日常工作中，无论是写新功能、重构老代码、学习一个新框架，还是编写文档，它都能成为你的得力助手。

🙏 致谢

本指南的核心得以实现，离不开以下优秀项目：

@anthropic-ai/claude-code：官方出品的强大 AI 编程智能体。
@musistudio/claude-code-router：实现了模型路由的关键项目，是本指南的基石。
openai-gemini：提供了便捷的 Gemini-to-OpenAI 转换方案。

感谢所有为 AI 和开源社区做出贡献的开发者！

🤝 贡献指南

我们欢迎任何形式的贡献！

发现文档错误？请提交一个 Issue。
有更好的模型配置方案或使用技巧？欢迎提交 Pull Request！
对项目有任何建议或问题，都可以在 Issues 区进行讨论。

📜 License

本项目采用 MIT License。

Crafted with ❤️ by 云中江树 (yzfly)

yzfly/claude-code-deepseek-quickstart