保姆级教程：用Cline+DeepSeek打造本地AI编程助手

保姆级教程：用 Cline + DeepSeek 打造本地 AI 编程助手（Cursor 平替）

手把手教你，零成本把 AI 编程助手装进 VS Code，DeepSeek-V3 满血版本地运行，代码补全/重构/调试/单测一键搞定

预计完成时间： 2-3 小时

所需技能： 会用 VS Code、基础命令行

适合人群： 想提升编码效率但不想花 Cursor 订阅费的同学

---

前言：为什么你需要一个 AI 编程助手？

写过代码的人都有过这种体验：

• 一个函数写了半天，结果发现标准库早就有现成的
• 改一个 Bug 花了两小时，最后发现是少了个分号
• 写单元测试写到头秃，全是重复劳动
• 读别人的代码像读天书，注释比代码还难懂

Cursor 解决了这些问题------它把 AI 深度融合进编辑器，代码补全、重构、解释、生成单测，全部在编辑器里完成。

但问题是：Cursor 订阅费每月 20 美刀，而且代码要上传到第三方服务器。

那怎么办？

答案就是今天要讲的 Cline + DeepSeek 本地方案：

• 💰 完全免费：DeepSeek-V3 API 调用成本极低（约 Cursor 的 1/50）
• 🔒 代码不出本地：用 Ollama 本地运行模型，代码永远不会离开你的机器
• ⚡ 能力不打折：代码补全、重构、解释、生成单测，全部支持
• 🔧 深度集成 VS Code：和 Cursor 体验几乎一模一样

一句话：Cline 就是开源版 Cursor，DeepSeek 就是免费版 GPT-4o。

---

一、先搞懂：Cline 到底是什么？

1.1 不用术语，用大白话

Cline 是一个 VS Code 插件，它把 AI 大模型"装进"你的编辑器。

你可以把它理解成：

• 像 GitHub Copilot 一样做代码补全
• 像 Cursor 一样深度理解项目上下文
• 像 ChatGPT 一样对话式编程

核心能力：

功能	说明
代码补全	实时预测你下一行要写什么（比 Copilot 更懂你）
选中即对话	选中一段代码，直接问"这段代码干嘛的"
自动重构	"帮我把这个函数拆成三个小函数"------AI 直接改你的文件
生成单测	选中一个函数，"帮我写单元测试"------自动生成测试文件
项目级理解	自动读取项目结构，AI 知道你整个项目在干嘛

1.2 Cline vs Cursor vs Copilot

对比项	Cline（本教程方案）	Cursor（商业版）	GitHub Copilot
费用	🟢 完全免费	🔴 $20/月	🟡 $10/月
模型选择	🟢 任意 OpenAI 格式模型	🟡 只能用 Cursor 提供的	🟡 只能用 Copilot 的
隐私	🟢 可完全本地运行	🔴 代码上传云端	🔴 代码上传云端
项目理解	🟢 自动读取全项目	🟢 自动读取全项目	🟡 只理解当前文件
代码修改	🟢 直接改文件	🟢 直接改文件	🟡 只给建议

结论： Cline = Cursor 的能力 + 免费 + 隐私安全。

1.3 整体架构

┌─────────────────────────────────────────────────┐
│                  你的 VS Code                        │
│   ┌──────────┐                                │
│   │  Cline 插件                             │   │
│   │  - 读取项目文件                         │   │
│   │  - 调用 AI 模型                         │   │
│   │  - 把 AI 的回答写回文件                 │   │
│   └──────────┘                                │
│          ↓                                        │
│   ┌─────────────────────────────┐            │
│   │   模型后端（三选一）           │            │
│   │   ① DeepSeek API（推荐）         │            │
│   │   ② Ollama 本地模型（隐私优先）│            │
│   │   ③ OpenAI API（有钱可选）     │            │
│   └─────────────────────────────┘            │
└─────────────────────────────────────────────────┘

---

第一阶段：环境准备（15 分钟）

第 1 步：安装 VS Code

已经有 VS Code 的可以跳过。

下载地址： https://code.visualstudio.com/

安装完成后，打开 VS Code，确认可以正常运行。

第 2 步：安装 Cline 插件

1. 打开 VS Code
2. 点击左侧扩展图标（或按 Ctrl+Shift+X）
3. 搜索 Cline
4. 找到 Cline (作者：Cline Team)，点击「安装」

安装完成后，左侧会出现一个 Cline 图标（紫色小机器人）。

第 3 步：目录结构

# 创建工作目录
mkdir -p ai-coding-workspace
cd ai-coding-workspace

# 创建测试项目
mkdir -p hello-project/src
mkdir -p hello-project/test

# 创建一个示例文件
touch hello-project/src/main.py
touch hello-project/test/test_main.py
touch hello-project/README.md

用 VS Code 打开 ai-coding-workspace 文件夹。

第 4 步：配置方案选择

Cline 支持三种模型后端，你需要选一个：

方案	优点	缺点	推荐人群
① DeepSeek API	便宜（约 Cursor 1/50）、模型能力强	需要联网	大多数人
② Ollama 本地模型	完全离线、隐私最好	需要好显卡、速度慢一点	隐私敏感者
③ OpenAI API	模型能力最强	贵	不差钱的人

💡 推荐 ：大多数人选 方案①（DeepSeek API） ，性价比最高。

如果你 code 涉及商业机密，选 方案②（Ollama 本地）。

---

第二阶段：配置 DeepSeek API（最快方案，10 分钟）

第 5 步：获取 DeepSeek API Key

1. 打开 https://platform.deepseek.com/
2. 注册 / 登录
3. 点击「API Keys」→「Create new API key」
4. 复制生成的 Key（格式类似 sk-xxxxxxxxxxxx）

💡 费用说明 ：DeepSeek-V3 输入 $0.14 / 1M tokens，输出 $0.28 / 1M tokens。

正常编程使用，一个月大概 ¥5-20，比 Cursor 便宜太多。

第 6 步：在 Cline 中配置 DeepSeek

1. 点击 VS Code 左侧的 Cline 图标
2. 在弹出的侧边栏中，找到「Select AI Model」下拉框
3. 选择 「DeepSeek」
4. 在「API Key」输入框中，粘贴你的 DeepSeek API Key
5. 模型选择：**deepseek-chat（日常编程）或 deepseek-coder（专攻代码）

配置完成后，底部状态栏会显示 「Cline: Ready」。

第 7 步：测试对话

在 Cline 侧边栏的输入框中，输入：

你好，介绍一下你自己，以及你擅长什么？

AI 会回复类似：

你好！我是 DeepSeek，一个擅长编程的 AI 助手。我可以帮你写代码、解释代码、重构代码、生成单元测试......

再测试代码能力，输入：

用 Python 写一个快速排序，要求：
1. 使用一行代码完成分区
2. 添加详细注释
3. 包含单元测试

如果你看到了代码输出，说明配置成功！✅

---

第三阶段：配置 Ollama 本地模型（隐私方案，20 分钟）

如果你选了「方案① DeepSeek API」，可以跳过这一阶段的第 8-10 步，直接看第四阶段。

第 8 步：安装 Ollama

如果你之前看过我的《Ollama 本地大模型教程》，这步已经完成了。

否则，快速安装：

Windows：

打开 https://ollama.com/download，下载安装包，一路下一步。

验证安装：

ollama --version

第 9 步：下载代码专用模型

Cline 对代码理解最好的本地模型是 DeepSeek-Coder：

# 推荐：DeepSeek-Coder 1.3B（轻量，4GB 内存可跑）
ollama pull deepseek-coder:1.3b

# 或者：DeepSeek-Coder 6.7B（更强，需要 8GB 内存）
ollama pull deepseek-coder:6.7b

# 或者：Qwen2.5-Coder 7B（阿里出品，也很强）
ollama pull qwen2.5-coder:7b

第 10 步：在 Cline 中配置 Ollama

1. 点击 VS Code 左侧的 Cline 图标
2. 「Select AI Model」→ 选择 「Ollama」
3. 「Ollama Model」→ 选择你刚下载的模型（如 deepseek-coder:1.3b）
4. 确保 Ollama 服务在运行（终端执行 ollama serve）

配置完成后，状态栏显示 「Cline: Ready (Ollama)」。

---

第四阶段：核心功能实战（40 分钟）

下面我们用一个真实项目，带你把 Cline 的核心功能全部过一遍。

第 11 步：创建一个测试项目

在 ai-coding-workspace/hello-project/src/main.py 中，放入一段"待重构"的代码：

# src/main.py
import os
import json

def read_config(path):
    f = open(path, 'r')
    data = json.load(f)
    f.close()
    return data

def write_config(path, data):
    f = open(path, 'w')
    json.dump(data, f)
    f.close()

def get_value(config, key):
    if key in config:
        return config[key]
    return None

def set_value(config, key, value):
    config[key] = value
    return config

def print_config(config):
    for k in config:
        print(f"{k} = {config[k]}")

# 主函数
def main():
    config = read_config('config.json')
    print_config(config)
    set_value(config, 'version', 2)
    write_config('config.json', config)

if __name__ == '__main__':
    main()

第 12 步：功能一------解释代码（选中即问）

1. 在 VS Code 中，用鼠标选中 read_config 函数
2. 按 Ctrl+Shift+P（打开命令面板）
3. 输入 Cline: Explain Selected Code，回车

AI 会回答：

read_config 函数的作用是：

1. 打开指定路径的 JSON 文件
2. 读取并解析 JSON 内容
3. 返回解析后的字典对象

⚠️ 问题：这个函数没有错误处理，如果文件不存在会崩溃。

第 13 步：功能二------重构代码（让 AI 直接改文件）

继续选中 read_config 和 write_config 两个函数，在 Cline 侧边栏输入：

帮我重构这两个函数：
1. 添加错误处理（文件不存在、JSON 格式错误）
2. 使用 with 语句自动关闭文件
3. 添加类型注解

Cline 会做什么：

1. 分析你的代码
2. 生成重构后的版本
3. 直接在你的文件中替换旧代码

重构后的代码：

def read_config(path: str) -> dict:
    """读取配置文件，返回字典对象"""
    try:
        with open(path, 'r', encoding='utf-8') as f:
            return json.load(f)
    except FileNotFoundError:
        print(f"错误：配置文件 {path} 不存在")
        return {}
    except json.JSONDecodeError:
        print(f"错误：配置文件 {path} 格式不正确")
        return {}

def write_config(path: str, data: dict) -> None:
    """将字典对象写入配置文件"""
    try:
        with open(path, 'w', encoding='utf-8') as f:
            json.dump(data, f, ensure_ascii=False, indent=2)
    except IOError as e:
        print(f"错误：无法写入配置文件：{e}")

🎉 这就是 Cline 比 Copilot 强的地方------Copilot 只给建议，Cline 直接改你的文件。

第 14 步：功能三------生成单元测试

选中 read_config 函数，在 Cline 中输入：

为这个函数生成完整的单元测试，使用 pytest 框架。
要求覆盖：
1. 正常读取场景
2. 文件不存在场景
3. JSON 格式错误场景

Cline 会自动在 test/ 目录下创建 test_main.py：

# test/test_main.py
import pytest
import json
import tempfile
import os
from src.main import read_config

def test_read_config_normal():
    """测试正常读取配置文件"""
    with tempfile.NamedTemporaryFile(mode='w', delete=False, suffix='.json') as f:
        json.dump({"name": "test", "version": 1}, f)
        temp_path = f.name

    result = read_config(temp_path)
    assert result == {"name": "test", "version": 1}
    os.unlink(temp_path)

def test_read_config_not_found():
    """测试文件不存在场景"""
    result = read_config('non_existent.json')
    assert result == {}

def test_read_config_invalid_json():
    """测试 JSON 格式错误场景"""
    with tempfile.NamedTemporaryFile(mode='w', delete=False, suffix='.json') as f:
        f.write('{invalid json}')
        temp_path = f.name

    result = read_config(temp_path)
    assert result == {}
    os.unlink(temp_path)

第 15 步：功能四------代码补全（实时预测）

在 main.py 中，找到一个函数还没写完的地方，比如：

def calculate_total(items):
    # 在这里停留 2 秒，Cline 会自动提示

Cline 会弹出补全建议（灰色半透明文字）：

    total = sum(item['price'] * item['quantity'] for item in items)
    return round(total, 2)

按 Tab 接受补全。

💡 补全触发时机：

• 输入 def 后等待 1 秒
• 输入 # 注释后等待 1 秒
• 输入函数调用的一半后等待 1 秒

第 16 步：功能五------项目级理解（最强大）

在 Cline 侧边栏中输入（不需要选中任何代码）：

我的项目是做什么的？有哪些函数？它们之间的关系是什么？

Cline 会做什么：

1. 自动读取项目中的所有文件（main.py、test_main.py、README.md）
2. 分析项目结构
3. 生成项目说明

AI 的回答：

你的项目是一个配置文件管理工具。

核心函数：

• read_config：读取配置文件
• write_config：写入配置文件
• get_value：获取配置项
• set_value：设置配置项
• print_config：打印配置

函数调用关系：

main() → read_config() → print_config() → set_value() → write_config()

建议改进：

1. 添加日志模块
2. 使用 argparse 支持命令行参数
3. 添加配置校验逻辑

---

第五阶段：进阶技巧（25 分钟）

第 17 步：自定义系统提示词

Cline 允许你设置"系统提示词"------告诉 AI 你的编码风格和偏好。

在 Cline 侧边栏底部，点击「Settings」→「System Prompt」，填入：

你是一个 Python 高级开发工程师，帮我写代码时遵循以下规则：

1. 使用 Python 3.10+ 语法（类型注解、match-case、海象运算符）
2. 严格遵循 PEP 8 规范
3. 所有函数必须有 docstring（Google 风格）
4. 变量名使用 snake_case，类名使用 PascalCase
5. 优先使用标准库，避免过度依赖第三方包
6. 错误处理使用具体的异常类型，不要用 bare except

保存后，Cline 的所有回答都会遵循这些规则。

第 18 步：接入多个模型（让 AI 互相评审代码）

Cline 支持同时配置多个模型，你可以：

1. 写代码 时用 DeepSeek-Coder（专攻代码）
2. 解释代码 时用 Qwen2.5（中文能力强）
3. 重构代码 时用 DeepSeek-V3（推理能力强）

切换模型：点击 Cline 侧边栏顶部的模型名称，选择你想用的。

高级玩法： 让两个模型"互审代码"------

# 第一步：用 DeepSeek-Coder 写代码
（选中代码，让 AI 生成）

# 第二步：切换到 Qwen2.5，输入：
请审查这段代码的：
1. 逻辑错误
2. 边界条件处理
3. 性能问题
4. 代码风格问题

第 19 步：快捷键配置（效率翻倍）

在 VS Code 的 keybindings.json 中添加：

// 打开方式：Ctrl+Shift+P → "Preferences: Open Keyboard Shortcuts (JSON)"
[
    {
        "key": "Ctrl+Shift+L",
        "command": "cline.openSidebar"
    },
    {
        "key": "Ctrl+Shift+E",
        "command": "cline.explainCode"
    },
    {
        "key": "Ctrl+Shift+R",
        "command": "cline.refactorCode"
    },
    {
        "key": "Ctrl+Shift+T",
        "command": "cline.generateTests"
    }
]

现在你可以：

• Ctrl+Shift+L：打开 Cline 侧边栏
• Ctrl+Shift+E：解释选中代码
• Ctrl+Shift+R：重构选中代码
• Ctrl+Shift+T：为选中函数生成单测

第 20 步：结合 Docker 容器开发（真实项目必备）

如果你的项目需要在 Docker 容器中运行，Cline 也支持！

场景： 你的项目依赖特定的 Python 版本或系统库，本地环境不满足。

解决方案： 让 Cline 在 Docker 容器中执行代码。

在 Cline 设置中，启用「Execute in Docker」：

# 项目根目录创建 Dockerfile
FROM python:3.12-slim

WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt

COPY . .

CMD ["python", "src/main.py"]

在 Cline 中输入：

在 Docker 容器中运行我的项目，并告诉我输出结果。

Cline 会自动：

1. 构建 Docker 镜像
2. 启动容器
3. 运行你的代码
4. 把输出返回给你

---

第六阶段：真实项目演练（30 分钟）

第 21 步：创建一个 Flask Web 项目

在 ai-coding-workspace 下创建 flask-demo/ 项目：

mkdir -p flask-demo/{src,test,templates,static}
touch flask-demo/src/app.py
touch flask-demo/requirements.txt

在 requirements.txt 中写入：

Flask>=3.0
pytest>=8.0

第 22 步：让 Cline 帮你写 Flask 应用

在 Cline 侧边栏中输入：

创建一个 Flask 应用，包含以下功能：
1. GET /api/items - 返回所有物品列表（从内存数据库）
2. POST /api/items - 创建新物品
3. GET /api/items/<id> - 获取单个物品
4. PUT /api/items/<id> - 更新物品
5. DELETE /api/items/<id> - 删除物品

要求：
- 使用 Flask 的 jsonify
- 添加详细的注释
- 包含错误处理

Cline 会生成： src/app.py

from flask import Flask, jsonify, request

app = Flask(__name__)

# 内存数据库（模拟）
items = [
    {"id": 1, "name": "笔记本电脑", "price": 5999},
    {"id": 2, "name": "耳机", "price": 299},
]

@app.route('/api/items', methods=['GET'])
def get_items():
    """获取所有物品"""
    return jsonify({"items": items})

@app.route('/api/items', methods=['POST'])
def create_item():
    """创建新物品"""
    data = request.get_json()

    if not data or 'name' not in data:
        return jsonify({"error": "Missing 'name' field"}), 400

    new_item = {
        "id": items[-1]['id'] + 1 if items else 1,
        "name": data['name'],
        "price": data.get('price', 0)
    }
    items.append(new_item)
    return jsonify(new_item), 201

# ...（其他路由省略，Cline 会帮你生成完整版）

if __name__ == '__main__':
    app.run(debug=True)

第 23 步：让 Cline 生成单元测试

选中整个 app.py，输入：

为这个 Flask 应用生成完整的单元测试，使用 pytest + Flask 的 test client。

Cline 会在 test/test_app.py 中生成：

import pytest
from src.app import app

@pytest.fixture
def client():
    app.config['TESTING'] = True
    with app.test_client() as client:
        yield client

def test_get_items(client):
    """测试 GET /api/items"""
    response = client.get('/api/items')
    assert response.status_code == 200
    data = response.get_json()
    assert 'items' in data
    assert len(data['items']) == 2

# ...（更多测试用例）

第 24 步：让 Cline 帮你调试

运行测试：

cd flask-demo
pytest test/test_app.py -v

如果测试失败，直接把错误信息复制粘贴到 Cline 中：

运行测试时报错：

============================= test session starts ==============================
collected 5 items

test/test_app.py F..F.                                             [100%]

================================ FAILURES =================================
__________________________ test_create_item ___________________________

    def test_create_item(client):
        response = client.post('/api/items', json={'name': 'Test Item'})
>       assert response.status_code == 201
E       assert 400 == 201
E        +  where 400 = <Response 82 bytes [400 BAD REQUEST]>.status_code

test/test_app.py:15: AssertionError

Cline 会自动分析错误，并给出修复方案：

错误原因：你的测试发送了 json= 参数，但 Flask 默认不支持。

修复方法 ：在 app.py 顶部添加：

from flask import request

并确保 request.get_json() 被正确调用。

---

第七阶段：常见问题与排错（15 分钟）

Q1：Cline 侧边栏打不开怎么办？

A： 按 Ctrl+Shift+P，输入 Cline: Focus on Sidebar。

如果还不行，尝试：

1. 重启 VS Code
2. 重新安装 Cline 插件
3. 检查 VS Code 版本是否 ≥ 1.85.0

---

Q2：DeepSeek API 调用失败（401 Unauthorized）？

A： 三个可能原因：

1. API Key 填错了 → 重新粘贴 Key（注意前后不要有空格）
2. 账户余额不足 → 登录 platform.deepseek.com 查看余额
3. 模型名称填错了 → 应该是 deepseek-chat 或 deepseek-coder

---

Q3：Ollama 本地模型运行很慢？**

A： 正常现象，本地模型比云端 API 慢 5-10 倍。

加速方案：

1. 换更小的模型（deepseek-coder:1.3b 比 6.7b 快 3 倍）
2. 开启 GPU 加速（需要 NVIDIA 显卡 + 安装 CUDA）
3. 升级内存（32GB 比 16GB 快很多）

---

Q4：Cline 改错了我的代码怎么办？**

A： VS Code 内置了 Git 版本控制。

每次 Cline 修改文件前，先按 Ctrl+Shift+G 打开源代码管理，点击「+」暂存更改。

如果 AI 改错了，右键文件 →「撤消上次提交」。

最佳实践： 每次让 Cline 大改之前，先 git commit 一次。

---

Q5：如何让 Cline 理解我的项目结构？**

A： 在项目根目录创建一个 CLINE.md 文件（类似 README.md），写入：

# 项目说明

## 项目简介
这是一个 Flask 后端 API 项目，提供物品管理功能。

## 目录结构
- `src/`：源代码
- `test/`：单元测试
- `templates/`：Jinja2 模板
- `static/`：静态文件

## 编码规范
- 使用 Python 3.12+ 语法
- 所有 API 返回 JSON 格式
- 错误处理使用 HTTP 状态码

## 常用命令
- 运行项目：`python src/app.py`
- 运行测试：`pytest test/ -v`
- 代码检查：`flake8 src/`

Cline 每次对话时，会自动读取 CLINE.md，从而"理解"你的项目。

---

完整工具链总结

┌──────────────────────────────────────────────────────────┐
│                    你的开发环境                         │
│                                                            │
│   ┌──────────────┐     ┌──────────────────┐      │
│   │   VS Code    │     │   Cline 插件      │      │
│   │  (编辑器)    │ ←──→ │  (AI 编程助手)    │      │
│   └──────────────┘     └──────────────────┘      │
│                                   ↓                      │
│   ┌──────────────────────────────────────┐  │
│   │           模型后端（三选一）              │  │
│   │  ① DeepSeek API（推荐，便宜）      │  │
│   │  ② Ollama 本地（隐私）           │  │
│   │  ③ OpenAI API（贵但强）        │  │
│   └──────────────────────────────────────┘  │
│                                   ↓                      │
│   ┌──────────────────────────────────────┐  │
│   │         你的项目代码                      │  │
│   │  ↕ AI 帮你写/改/测/解释 ↗            │  │
│   └──────────────────────────────────────┘  │
└──────────────────────────────────────────────────────────┘

---

总结：你学到了什么？

知识点	掌握程度
Cline 插件安装与配置	✅
DeepSeek API 接入	✅
Ollama 本地模型配置	✅
代码解释（选中即问）	✅
代码重构（AI 直接改文件）	✅
生成单元测试	✅
实时代码补全	✅
项目级理解（全项目上下文）	✅
自定义系统提示词	✅
多模型切换	✅
快捷键配置	✅
Docker 容器开发集成	✅
Flask 实战项目	✅

---

下一步探索

学会 Cline 之后，可以继续探索：

• 🔥 Cline + RAG：让 AI 检索你的私有技术文档后再写代码
• 🔥 Cline + MCP：让 AI 调用数据库、API、Git 等外部工具
• 🔥 Cline + 多模型评审：让 GPT-4o、Claude、DeepSeek 互相评审代码
• 🔥 Cline + 自动化测试：提交代码前，让 AI 自动跑测试并修复失败的用例
• 🔥 从 Cline 到 Cursor：如果团队愿意付费，Cursor 的多模型切换更流畅

---

💬 看完有收获？点个赞收藏一下吧！有问题欢迎评论区交流～

🔖 相关教程：

• 《保姆级教程：从零手写一个 RAG 系统》
• 《保姆级教程：手把手搭建 MCP 服务器》
• 《保姆级教程：零成本在本地跑 AI 大模型》

---