DeepSeek V4+Claude Code一手实战！夯爆了还是拉完了？

就在昨天，DeepSeek V4 Preview 发布，同步开源。

从技术报告里的 benchmark 数据到社区的实测反馈，到处都在讨论，刷屏了。

开源模型在对话和写作上已经做得相当成熟，各家你追我赶，迭代速度肉眼可见。但 Agent Coding 是另一回事。

让模型自主分析项目结构、理解多文件依赖、给出能直接落地的工程方案------这种活没有捷径，全靠硬实力。

所以这次 V4 发布，Guide 第一反应就是直接接入 Claude Code 上手干活。

我其实知道大家也不愿意看各种无聊的参数和架构解读，这玩意交给 AI 一个小时能给你产出十几篇。

这篇文章接近 7000 字，建议收藏，通过本文你将搞懂：

两个真实开发任务的实战记录：V4 Pro 干起活来到底怎么样
通过 API 方式对接 DeepSeek：V4 Flash 使用效果到底怎么样
DeepSeek V4 Pro 和 Flash 的核心参数与定价：值不值得切

Claude Code 接入 DeepSeek V4

Claude Code 强在它的工具链和执行力，但 Claude 官方模型太贵，加上现在 Claude 太容易封号。

DeepSeek V4 提供了一个 Anthropic 兼容接口，这意味着 Claude Code 可以直接对接 DeepSeek，不需要任何第三方适配层。

方式一：配置文件法（推荐）

如果你本机没有安装 Claude Code 的话，先运行下面这行命令安装（Node.js 18+）：

bash 复制代码

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

编辑或新增 Claude Code 配置文件 ~/.claude/settings.json，添加 env 字段，把后端地址、模型和 API Key 都写进去：

json 复制代码

{
    "env": {
        "ANTHROPIC_AUTH_TOKEN": "your_deepseek_api_key",
        "ANTHROPIC_BASE_URL": "https://api.deepseek.com/anthropic",
        "ANTHROPIC_MODEL": "DeepSeek-V4-Pro",
        "API_TIMEOUT_MS": "3000000",
        "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1"
    }
}

注意替换 your_deepseek_api_key 为你的 DeepSeek API Key，申请地址：platform.deepseek.com/api_keys 。

如果你使用的是 DeepSeek-V4-Flash，把 ANTHROPIC_MODEL 改为 DeepSeek-V4-Flash 即可。

配置完成后启动 Claude Code：

bash 复制代码

claude

首次启动需要选择信任当前文件夹。

方式二：CC Switch（可视化切换）

如果你想在 DeepSeek、Claude、MiniMax 等多个 Provider 之间灵活切换，推荐安装 CC Switch。

这是一个专门管理 Claude Code 模型切换的小工具，支持一键横跳，还支持管理 Skills、MCP 和提示词。

启动 CC Switch，点击右上角 "+" ，选择自定义供应商，Base URL 填写 https://api.deepseek.com/anthropic，API Key 填写你的 DeepSeek API Key。

将模型名称改为 DeepSeek-V4-Pro（或 DeepSeek-V4-Flash），完成后点击右下角的"添加"。

验证是否生效

直接在命令行输入 claude 或者进入 Claude 界面之后再次输入 /status 确认，model 为 DeepSeek-V4-Pro 即表示接入成功。

之后你就可以用 DeepSeek V4 Pro 来驱动 Claude Code 的所有能力了。

实战一：升级 LLM 多 Provider 预设模型列表

我手头有一个多智能体股票分析项目，已经快一个月没启动了。这次重新启动，第一件事就是把过时的模型配置更新掉。

项目 Settings 页面之前只有一个纯文本输入框让用户手动填写模型名，不够友好。

我需要做两件事：搜索各家 LLM 的最新模型版本 ，然后给前端加一个下拉选择。

提示词很简单：

/tavily-search 搜索当前 deepseek、glm 和 openai 最新的模型，然后调整全局配置中默认模型推荐和示例。并且，当前这几个 LLM 图标太 AI 味了，帮我换一个上档次点。

任务不大，但有个细节值得说------如果不配 /tavily-search Skill，单纯靠大模型的训练数据截止日期来猜最新版本，大概率会出错。

我之前用其他模型没配 Tavily 的时候，反复提示了好几遍才把各家最新模型版本搞对。

关于 Tavily 的使用可以参考我前段时间写的这篇文章：Claude Code 对接 AI Agent 搜索引擎 Tavily 实现高质量搜索。

DeepSeek V4 Pro 一次搞定。

模型配置全部更新成功，各家推荐的模型示例都切到了最新版本。改了三个文件：

application.yml ------新增 DeepSeek 预设 Provider，GLM 默认模型升级到 glm-5
.env.example ------补上 DeepSeek 环境变量，Kimi 默认改为 kimi-k2.6
SettingsPage.tsx ------加了 PROVIDER_PRESETS 常量，Model 和 Embedding Model 改成 combo box

最终四个 Provider 的推荐模型列表（截至 2026.04.25）：

Provider	推荐模型
DashScope	`qwen3.6-flash`、`qwen3.5-plus`、`qwen3-max`、`qwq-32b` 等 8 款
DeepSeek	`deepseek-v4-flash`、`deepseek-v4-pro`
GLM	`glm-5.1`、`glm-5`、`glm-4.7-flash` 等 8 款
Kimi	`kimi-k2.6`、`kimi-k2.5`、`kimi-k2-thinking` 等 5 款

就是这个样式依然是很丑啊，图标是换成了挺奇怪的样式。

实战二：数据库迁移方案诊断与 Flyway 集成

第二个任务更有挑战性。

因为换了新电脑，所有环境都是重新搭建的。项目有两个 SQL 文件，一个在项目启动时自动执行了，另一个没有。这块逻辑我也忘了，需要让模型帮我诊断。

提示词：

当前项目有两个 SQL 文件，sql/init.sql 在项目启动自动执行了，sql/V2__knowledge_skill.sql 没有自动执行。请你帮我分析一下是什么原因，然后用合理的方式优化现存的问题。

DeepSeek V4 Pro 的分析很到位： V2__knowledge_skill.sql 没有被挂载到 Docker 容器中，项目也没有引入任何数据库迁移工具 ，而 init.sql 是在容器启动时自动执行的------这是 Docker Compose 配置里写死的。

它给出的解决方案是集成 Flyway 作为数据库迁移工具。

Flyway 是 Java 生态中最成熟的数据库迁移方案之一，用文件命名约定（如 V1__init.sql、V2__knowledge_skill.sql）自动管理迁移顺序。

整个过程 DeepSeek V4 Pro 完成了以下工作：

分析了 Docker Compose 配置中 init.sql 的挂载逻辑
发现 V2__knowledge_skill.sql 缺失的原因
引入 Flyway 依赖，编写迁移配置
重构 SQL 文件命名，确保迁移顺序正确

这里踩了个坑：我中途不小心调整了 iTerm2 的窗口大小，导致终端里的对话历史突然错乱了。看来是时候跟 iTerm2 说再见了。

或者说，有小伙伴知道这种问题是怎么导致的吗？

第一次运行后，Flyway 没有成功执行。我把错误日志贴过去，经过两轮调教后修复成功。

这个问题值得单独拿出来讲------因为 DeepSeek V4 Pro 在第一次集成时也踩到了这个坑，经过两轮调试才找到根因。

Spring Boot 4.x 对自动配置模块做了大规模拆分 ，FlywayAutoConfiguration 已从 spring-boot-autoconfigure 中移除，迁移到了独立模块 spring-boot-flyway。

如果你只引入了 flyway-core 这个第三方库，Spring Boot 不会自动触发任何迁移 。最坑的是，启动日志里也不会有任何 Flyway 相关输出 ------完全没有报错，只是静默地什么都不做。这个坑特别容易迷惑人，让你怀疑是配置写错了，然后在 yml 文件里反复折腾。

使用官方 Starter，它会将自动配置模块一并带入：

xml 复制代码

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-flyway</artifactId>
</dependency>
<!-- PostgreSQL 方言支持仍需单独引入 -->
<dependency>
    <groupId>org.flywaydb</groupId>
    <artifactId>flyway-database-postgresql</artifactId>
</dependency>

记住这个教训：Spring Boot 4.x 时代，很多你习惯直接引第三方库就能自动装配的功能，现在需要找对应的官方 Starter。 自动配置被拆出去了，但文档里不一定显眼地提醒你。

实战三：AI 面试平台对接 DeepSeek

我们的 AI 智能面试辅助平台 + RAG 知识库（已开源）目前已经新增了多模型切换和配置功能，DeepSeek 也已经支持了。

项目地址（欢迎 star 鼓励）：

GitHub：github.com/Snailclimb/...
Gitee：gitee.com/SnailClimb/...

和实战一一样，对接最新模型整个过程是一遍过的，就不重复贴过程了。我们直接看效果。

通过配置界面，将默认模型切换到 DeepSeek，选择 deepseek-v4-flash。

然后上传一份简历，基于这份简历生成一次模拟面试，来看看效果。

面试题是通过 deepseek-v4-flash 生成的，答案也是让 DeepSeek 在快速非思考模式下给出的（有两个问题没有回答）。

Flash 模型，非思考模式，生成质量已经不错了。考虑到 Flash 的定价，这个性价比相当能打。

DeepSeek V4 一览：看完实战再看数字

看完上面三个实战任务，再来补一下 DeepSeek V4 的硬参数，会更有体感。

这次 V4 系列同时发布了两款模型：

规格	DeepSeek-V4-Pro	DeepSeek-V4-Flash
总参数	1.6T	284B
每 token 激活参数	49B	13B
上下文窗口	1M tokens	1M tokens
推理模式	非思考 / Think High / Think Max	非思考 / Think High / Think Max
开源协议	MIT	MIT

几个关键数字值得注意：

V4-Pro 的 Codeforces 评分 3206 ，在四家主流模型（Claude Opus 4.6、GPT-5.4 xHigh、Gemini 3.1 Pro High）中排第一
SWE-bench Verified 80.6% ，跟 Claude Opus 4.6（80.8%）几乎打平，但 API 价格便宜了两个数量级
1M 上下文场景下 ，V4-Pro 的单 token 推理 FLOPs 只有 V3.2 的 27% ，KV 缓存用量只有 10%

回看实战二里的 Agent Coding 表现，SWE-bench 80.6% 这个数字确实不是虚的------跨文件分析、工程方案生成，V4 Pro 确实上了个台阶。

再看定价：

API 定价（每百万 token）	DeepSeek-V4-Flash	DeepSeek-V4-Pro	Claude Sonnet 4.7
输入（缓存未命中）	$0.14	$1.74	$3.00
输入（缓存命中）	$0.028	$0.145	$0.30
输出	$0.28	$3.48	$15.00

Flash 的输出价格不到 Claude Sonnet 的 1/50 ，Pro 的输出价格约为 Sonnet 的 1/4，输入端两者差距更小。

实战三里用的就是 V4-Flash------非思考模式，面试题和答案的生成效果在上面已经看到了。放到这个定价体系里看，Flash 几乎没什么对手。

另外有一点需要注意：API 迁移零成本 ，改个 model 名就行。deepseek-chat 和 deepseek-reasoner 将在 7 月 24 日后停用，尽早切换到新模型名。

总结

DeepSeek V4 在 Agent Coding 和代码理解场景上，明显上了一个台阶。不过，DeepSeek-V4-Pro 在没有 Coding Plan 的情况下，价格还是偏高。V4-Flash 的定价很香，但在开发场景还无法成为主力，暂没有资格成为日常开发的默认选项。

另外，在复杂的编码、精准问答和前沿科学推理上，跟 Claude Opus 4.6 以及 GPT 5.5 还有不小距离。

我后续又继续实测了几个场景，发现一些比较复杂的用 DeepSeek 还是会差一些，需要调教多次，但换成 Claude 和 GPT 很快就完成了。

个人的实际体感是：，DeepSeek-V4-Pro 比 minimax 2.7 聪明一些，但是编程能力还是比 glm5.1 差一些。

不过考虑到价格优势------还要什么自行车？