JeecgBoot AI專題研究 | 把 Claude Code 接入 DeepSeek V4-Pro 的真實(shí)體驗(yàn)與避坑記錄

本文記錄我將 Claude Code 對接 DeepSeek 最新模型（V4-Pro）后的真實(shí)體驗(yàn)，測試了 Skills 自動(dòng)化查詢和積木報(bào)表 AI 建表兩個(gè)場景——有驚喜，也踩到了一個(gè)藏在 "1M 超長上下文" 光環(huán)下的巨坑。

背景：為什么要替換掉原生 Claude？

Claude Code 是目前公認(rèn)最強(qiáng)的 AI 編程工具之一，但原版的 Anthropic API 費(fèi)用不低——Opus 4.6 的輸入價(jià)格高達(dá) $15 / 百萬 tokens。作為一個(gè)每天重度使用 Claude Code 的開發(fā)者，API 賬單是繞不開的問題。

今天 DeepSeek 在 Hugging Face 發(fā)布了 V4 系列預(yù)覽版，包含 V4-Pro（1.6T 參數(shù) / 49B 激活）和 V4-Flash（284B 參數(shù) / 13B 激活），并且提供了兼容 Anthropic 協(xié)議的 API 端點(diǎn)。這意味著：理論上只需改一行配置，就能用 DeepSeek 驅(qū)動(dòng) Claude Code。

我立刻動(dòng)手試了。

配置過程：1 分鐘完成接入

核心配置其實(shí)非常簡單，DeepSeek 提供了完整的 Anthropic API 兼容層，只需要在 Claude Code 的配置文件中修改幾個(gè)環(huán)境變量：

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.deepseek.com/anthropic",
    "ANTHROPIC_AUTH_TOKEN": "${DEEPSEEK_API_KEY}",
    "API_TIMEOUT_MS": "3000000",
    "ANTHROPIC_MODEL": "deepseek-v4-pro",
    "ANTHROPIC_SMALL_FAST_MODEL": "deepseek-v4-flash",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "deepseek-v4-pro",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "deepseek-v4-pro",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "deepseek-v4-flash",
    "CLAUDE_CODE_SUBAGENT_MODEL": "deepseek-v4-pro",
    "CLAUDE_CODE_EFFORT_LEVEL": "max"
  },
  "model": "deepseek-v4-pro"
}

邏輯非常清晰：重量級任務(wù)（復(fù)雜代碼、深度推理）走 V4-Pro，輕量任務(wù)（工具調(diào)用、文件讀寫、快速問答）走 V4-Flash。兩檔模型分工明確，既保住能力上限，又控制成本。

配置完成后，Claude Code 啟動(dòng)界面上已經(jīng)清楚地顯示 deepseek-v4-pro · API Usage Billing，問它 "你是什么模型"，回答干脆利落：

我是 DeepSeek V4 Pro 模型。

身份確認(rèn)，接下來是正題——實(shí)際測試。

測試一：Skills 自動(dòng)化查詢敲敲云安裝量

測試目標(biāo)：讓 Claude Code 調(diào)用預(yù)設(shè)的 Skills 腳本，查詢敲敲云產(chǎn)品近 7 天的安裝量數(shù)據(jù)，并給出分析。

這類任務(wù)考驗(yàn)的是模型的工具調(diào)用能力和數(shù)據(jù)理解能力——要能正確執(zhí)行腳本、讀懂返回?cái)?shù)據(jù)、輸出有意義的分析。

結(jié)果令人滿意。指令下達(dá)后，模型迅速調(diào)用了 scripts/query_setup_stats.py，腳本執(zhí)行完成后，它直接輸出了結(jié)構(gòu)清晰的統(tǒng)計(jì)表格：

模型隨即給出分析：近 7 天累計(jì) 69 次安裝（IP 去重），4/21–4/23 是高峰期，日均 15+ 次；今天（4/24）數(shù)據(jù) 7 次，還在增長中。

整個(gè)過程速度很快，數(shù)據(jù)完全正確，沒有幻覺，沒有多余廢話。V4-Pro 在這類結(jié)構(gòu)化數(shù)據(jù)處理 + 工具調(diào)用場景下表現(xiàn)非常穩(wěn)。

測試二：積木報(bào)表 AI 建表——盲猜出了正確答案

測試目標(biāo)：讓 Claude Code 調(diào)用積木報(bào)表（JiMu Report）的 AI 建表 Skills，自動(dòng)創(chuàng)建一張員工信息縱向分組報(bào)表，要求按部門分組并顯示小計(jì)。

這個(gè)任務(wù)比第一個(gè)復(fù)雜得多——它涉及報(bào)表 DSL 配置的生成，需要模型理解 "分組報(bào)表"、"縱向合并"、"小計(jì)行" 等專業(yè)概念，并且輸出格式精確到位。

第一輪：報(bào)表出來了，但合計(jì)行是空的

模型第一次生成配置后，報(bào)表渲染出來，結(jié)構(gòu)基本正確——按部門（人事部、市場部、研發(fā)部）縱向分組，每個(gè)部門內(nèi)的員工明細(xì)都顯示出來了。但有一個(gè)明顯問題：合計(jì)行完全是空的，年齡、人數(shù)、薪資的小計(jì)數(shù)據(jù)一個(gè)都沒有顯示。

我把截圖發(fā)給它，配上一句描述："合計(jì)值配置不對。"

第二輪：看不見圖，卻猜對了病根

這里出現(xiàn)了一個(gè)既尷尬又有趣的細(xì)節(jié)。

模型收到截圖后，在界面上誠實(shí)地打印出一行字：

我無法直接查看圖片，但根據(jù)已知的縱向分組合計(jì)坑點(diǎn)，問題應(yīng)該是數(shù)值列（薪資、年齡）缺少顯式的聚合屬性。讓我獲取報(bào)表當(dāng)前設(shè)計(jì)并修復(fù)。

沒錯(cuò)——它看不見圖片，但它沒有放棄，而是調(diào)用工具讀取了報(bào)表當(dāng)前的 JSON 配置文件，然后憑借對 "縱向分組報(bào)表合計(jì)行常見問題" 的領(lǐng)域知識，直接定位到了問題：小計(jì)行的字段缺少 sum、avg、count 等聚合表達(dá)式綁定，導(dǎo)致渲染時(shí)數(shù)據(jù)為空。

它重新生成了配置，在合計(jì)行的對應(yīng)字段上補(bǔ)充了聚合屬性，再次渲染后：

• 人事部合計(jì)：年齡均值 33.5，人數(shù) 2，薪資合計(jì) 33,000 ?
• 市場部合計(jì)：年齡均值 27.33，人數(shù) 3，薪資合計(jì) 39,000 ?
• 研發(fā)部合計(jì)：年齡均值 29.33，人數(shù) 3,薪資合計(jì) 52,000 ?

所有小計(jì)全部正確。

這一幕揭示了什么

這個(gè)過程的關(guān)鍵不是 "修好了"，而是修好的方式——它沒有依賴視覺信息，而是通過讀取配置文件 + 領(lǐng)域知識推斷，獨(dú)立完成了診斷和修復(fù)。換句話說，即便圖片這條路走不通，它還能找到另一條路繞過去。

這是 Agent 能力的體現(xiàn)，也恰好暴露了接下來要說的那個(gè)坑。

巨坑預(yù)警：1M 上下文 ≠ 支持圖片

DeepSeek V4-Pro 最亮眼的規(guī)格之一是 1,000,000 tokens 的超長上下文，乍一看比 Claude 原版還要豪橫。但當(dāng)我發(fā)送截圖時(shí)，才發(fā)現(xiàn)了這個(gè)藏在光環(huán)下的盲區(qū)：

V4-Pro 當(dāng)前版本是純文本模型，完全不支持圖片輸入。

Claude Code 在發(fā)送圖片時(shí)，V4-Pro 會(huì)收到一個(gè)占位符 [Image #1]，但對實(shí)際圖像內(nèi)容毫無感知。所以你看到的那句 "我無法直接查看圖片" 不是謙虛，是真的看不見。

對于日常編程工作流，這個(gè)限制影響面相當(dāng)廣：

• 截圖報(bào)錯(cuò)讓模型分析 → ? 看不見
• 發(fā) UI 設(shè)計(jì)稿讓模型寫代碼 → ? 看不見
• 發(fā)報(bào)表渲染結(jié)果讓模型診斷問題 → ? 看不見
• 粘貼終端截圖 → ? 看不見

1M 上下文能塞進(jìn)去整個(gè)代碼倉庫，但塞不進(jìn)去一張 PNG。

目前的折中辦法：當(dāng)需要處理圖片時(shí)，臨時(shí)去掉 ANTHROPIC_BASE_URL 配置，讓請求回落到 Anthropic 原生 API，用完再切回來。麻煩，但能用。DeepSeek V4 的 Vision 模式已經(jīng)在規(guī)劃中，API 開放后這個(gè)問題會(huì)從根本上解決。

綜合感受

經(jīng)過這兩輪測試，對 Claude Code + DeepSeek V4-Pro 的組合有幾點(diǎn)直觀感受：

表現(xiàn)亮眼的地方：

• 兼容性幾乎無感：配置完成后，Claude Code 的所有功能正常運(yùn)行，Skills、工具調(diào)用、多步驟 Agent 任務(wù)都能跑通，完全感受不到 "換了模型"。
• 工具調(diào)用穩(wěn)定：腳本執(zhí)行、文件讀寫這類結(jié)構(gòu)化任務(wù)，V4-Pro 準(zhǔn)確率高、響應(yīng)快，沒有廢話也沒有幻覺。
• 領(lǐng)域推理能力強(qiáng)：即使在無法看圖的情況下，模型能通過讀取配置文件 + 領(lǐng)域知識推斷定位到問題，這種 "繞路解決" 的能力很實(shí)用。
• 成本壓縮明顯：相比原生 Claude Opus，API 成本預(yù)估節(jié)省 90%+。

需要踩坑提前知道的：

• ?? 不支持圖片（重要）：1M 上下文是真的，但圖片輸入不支持。Claude Code 里發(fā)截圖，模型只會(huì)收到占位符，完全看不見內(nèi)容。這是目前最影響日常使用的限制。
• 部分復(fù)雜任務(wù)需要引導(dǎo)：像報(bào)表建表這類專業(yè) DSL 任務(wù)，第一次不一定配置到位，但接受反饋后自修正能力很強(qiáng)。
• 超時(shí)要設(shè)長一點(diǎn)：V4-Pro 在 max effort 模式下推理時(shí)間較長，API_TIMEOUT_MS 建議設(shè) 600000（10 分鐘）以上。

總結(jié)

把 Claude Code 對接 DeepSeek V4-Pro，配置成本極低，三分鐘搞定，換來的是開源最強(qiáng) Agent 編程模型 + 極低 API 成本 + 完整的 Claude Code 工具鏈。

但有一點(diǎn)要想清楚再切換：如果你的工作流依賴截圖、UI 稿、圖片輸入，現(xiàn)在切換會(huì)很痛。等 DeepSeek V4 的 Vision 模式開放 API，這套方案才算真正補(bǔ)全了最后一塊拼圖。

在那之前——純代碼任務(wù)、腳本自動(dòng)化、文本推理，放心用；涉及圖片的，暫時(shí)留一個(gè) Claude 原生的后路。

測試環(huán)境：Claude Code v2.1.119，DeepSeek V4-Pro（deepseek-v4-pro），2026-04-24

本文為 JeecgBoot AI 專題研究系列文章。