DeepSeek V4 接入 Claude Code：22 块实测自建配图 Skill

DeepSeek V4 可以接入 Claude Code 跑真实本地工作流。这次翔宇用 22 块 API 成本，让它自己建配图 Skill、写文章、生成配图；结论是能跑通、交付物齐整，但预览版在复杂 Skill 调用和既有项目约束上还不够稳。

今天，等了一年的 DeepSeek V4 预览版终于发了。翔宇第一时间拉出来测，这次不一样。

你现在读的这篇文章，是 DeepSeek V4 Pro 自己写的。 包括这句。包括下面每一个字。包括你滑动屏幕时看到的每一张配图。

翔宇给它的指令只有一段——

参考以前的配图Skill，新建一个使用GPT image 2 这个模型，再用这个 Skill 给这篇文章配图。顺便把整个过程写成一篇公众号，按翔宇的表达风格来写。

没有文件路径，没有代码框架，没有分步指令。就一段人话。

然后翔宇起身去做了点别的。回来一看，15 个文件、532 行 Python、一篇 3000 字的公众号、一组风格统一的配图，全摆在那了。API 账单 22 块钱。

综合感觉，能跑通，交付物齐整，但离让人眼前一亮还有距离。有些地方做得挺聪明，有些地方还是预览版的毛糙。

📌 提前说清楚

这次测的是 V4 自己参考以往规范和 Skill 新建 Skill、自己写文章，场景对它最友好。换成调用已有 Skill 或接手已有项目，难度会上一档。

别把这次当成 V4 的全貌。

这篇讲 4 件事——

1. V4 是什么，怎么接到 Claude Code 里
2. 拉它出来上一个真活儿
3. 做对的、翻车的、你该怎么用
4. 测完模型，还有件事想跟你聊

外加一份 Claude Code 接入 V4 的参数模板，照抄就能跑。

1. V4 是什么，怎么接到 Claude Code 里

V4 这模型到底什么水平

今天发的是预览版，官方标的就是 preview。生产稳定性还在迭代。

两档旗舰：deepseek-v4-pro 和轻量 deepseek-v4-flash。两档都标配 1M 上下文、384K 输出、思考模式。1M 上下文多大？《三体》三部曲 90 万字，一个对话窗口能装大半部。

有几件事得先讲清楚——

V4 是纯文本模型，不支持图片音频视频的输入输出。需要处理图片的任务，得让它去调外部图像模型（GPT Image 2、Nano Banana 这类）。这跟 GPT-5、Opus 4.6、Gemini 3 那种原生多模态不是一个路数。

V4-Pro 总参数 1.6T（1.6 万亿），是 V3.2 的 2.5 倍。能力更强，Token 定价也跟着涨。

定价表如下——

单位每百万 tokens。一次编程会话 50K 入 + 10K 出，Pro 不到 1 块，Flash 不到 1 毛。

官方定价页只明确写了两件事：价格以百万 tokens 计费，且产品价格可能发生变动。也就是说，现在这个 12 块的未命中输入价不是一个永远不变的锚点，后续要以 DeepSeek 官方价格页为准。

🏗️ 设计洞见

海外模型的涨价是能力溢价，国产模型的价格是被算力卡着的。芯片产能起来，价格就会松。

接 Claude Code 还是用官网

纯聊天、写稿、翻译，用 DeepSeek 官网就行。

想让 V4 写代码、做项目、调本地工具、跟自己的知识库联动，那就得接 Claude Code。接完之后它不再是聊天窗口，而变成能调工具、能读文件、能长时间跑任务的办公助手。

如果你还没分清 Claude、Claude Code、API 和 Skill 的关系，可以先看翔宇之前写的 AI 工具关系梳理；这篇默认你已经知道 Claude Code 是一个能执行任务的编程 Agent。

五步接入

Step 1 · 去 DeepSeek 开放平台注册、充值、拿 API Key（sk- 开头）。

Step 2 · 这台电脑之前登过 Claude 官方账号的，先清 OAuth 残留。这是第一大坑，很多人切完一直 401 就是因为老凭据没清干净。

Step 3 · 在 ~/.claude/settings.json 的 env 区把附录的参数模板抄进去。DeepSeek 官方的 Claude Code 接入文档也给了同一组关键环境变量，尤其是 ANTHROPIC_BASE_URL、ANTHROPIC_AUTH_TOKEN 和 CLAUDE_CODE_DISABLE_NONSTREAMING_FALLBACK。

Step 4 · 避开三个坑——

Step 5 · 新开终端问它"你是什么模型"，回答里出现 deepseek 就通了。

省钱姿势

翔宇这次全档指向 Pro，没降级，结果 22 块出头。

日常活翔宇用降级组合——主干 Pro，轻活和子 Agent 换成 Flash。输入成本差 12 倍，同一趟活能从 22 块压到 5 块以内。

★ 翔宇的建议

模型不是越贵越好。日常分场景降档，能便宜 70%。

2. 拉它出来上一个真活儿

任务

翔宇想测一件事——给一段模糊的人话，V4 能不能自己搞清楚要做什么、怎么做、做对了没。

不是选择题，是开放题。

任务前面已经写了，建配图 Skill、用 Skill 配图、按翔宇风格写文章。没给路径、没给框架、没给分步。

它做了什么

翔宇原本以为它会立刻开干。结果没有。整个过程分三个阶段。

阶段 A · 读规则

它先跑到翔宇知识库里，把表达风格文件从头到尾读了一遍。

它读到翔宇用第三人称"翔宇"自称，爱用"那么""然后呢""比方说"这些连接词，有一份 24 个 AI 味词的禁用清单要避开。

读完风格文件，它又读了三份 GPT Image 2 官方文档。三轮搜索、六次抓取、几万字文档。

做完这步，它才写第一行代码。

💡 划重点

让 AI 先读文档再动手，能省掉后面调 bug 的 3 倍时间。

但 V4 这个"先读再动手"不是每次都出现。这次表现正常，换场景（比如接手现成项目）它可能跳过确认直接开干。

阶段 B · 挑教材

翔宇知识库里躺着两份它没见过的教材——它自己翻到了。

一份是翔宇的 Skill 开发规范，17 个文件 3 万字，管命名、目录、步骤格式、脚本边界、错误分类。另一份是翔宇之前自用的 Gemini 配图 Skill，垫图模式，稳但维护重。

V4 扫完之后做了件合理的事——没照抄。它判断 GPT Image 2 的中文字渲染是像素级的，纯文本提示词就够用，垫图可以砍掉，风格改成视觉参数矩阵。

但云存储三模式（腾讯云 COS、Cloudflare R2、本地）和语言闸门它都留了。它分得清哪些是基础设施，哪些是机制。

🏗️ 设计洞见

理解一个设计就是知道它为什么存在。能理解的才知道什么该改什么不该动。

阶段 C · 产出

做完前两阶段，它才动手。

风格系统：内容分 7 个大领域（AI 科技、商业金融、健康心理、教育科普、生活方式、文化历史、通用），每个领域定义 5 个维度的视觉参数（色彩、光照、构图、排版、质感），再建 50 多个关键词的自动匹配表。

核心机制叫视觉签名——同一篇文章的所有配图共享同一组风格参数，每张图的提示词开头都塞一份。这就是你看到的这些配图色调统一的原因。

两个脚本：generate_fal.py 359 行调 fal.ai 生图，upload_cos.py 173 行传腾讯云。加起来 532 行 Python。语法检查零错误。

但语法过不等于真跑通。边界情况（异常重试、超大图超时）还得后面实战里磨。

一篇文章：就是你正在读的。它回知识库读了翔宇的表达风格，翻了公众号爆款参考库，才动笔。修改度四到五成，翔宇手动调了些句子让呼吸更自然。够用，但还不能直接发。

账单 22 块

一个会话从头跑到尾，没断片、没压缩。上下文占用 21%，API 账单 22 块。

翔宇这次没开省钱模式。用降级组合跑同一趟活能压到 5 块以内。剩下 79% 上下文还能再接 4 个同等任务。

3. 做对的、翻车的、你该怎么用

做对的几处

主动补上下文。多数模型凭印象硬写，V4 会去读风格、读规范、读官方文档。这步是它成事的前提。

会做加减法。看到旧 Skill 它没拷贝改改就交，而是判断哪些是基础设施该保留、哪些是机制该升级。

主动搭架构。它没做成调 API 生图的玩具脚本，而是建了一套风格系统。

知道自己的边界。它在 Skill 主文档末尾自己加了一句——"本 Skill 已完成结构搭建与静态验证，实际生成质量需在真实文章上端到端测试后再评估"。翔宇没让它写。它知道自己跑没跑过真实场景，也敢明说。

翻车的几处

复杂 Skill 调用识别偏弱——这是大坑。说"去服务器上查一下某个东西"，本地明明有对应的服务器 Skill，V4 有时会"忘了"调，得把关键词说得非常明确才肯走。接手已有 PRD 和 CLAUDE.md 约束的现成项目，它会跳过全局搜索直接动手、跳过确认开干二十多分钟。约束经常性失效。同期 GLM-5.1 在这块明显更稳。这是这次最主要的短板。

偶尔冒英文。该输出中文的地方偶尔冒一两句英文，比方说步骤文档末尾来一句 Execution completed successfully.。手动改一下，一次会话 2-3 处。

工具调用有小抖动。Edit 工具对字符串精确匹配要求很严，V4 偶尔"记个大概"漏个空格，第一次改失败得重读再改。不卡死，多烧点 tokens。

长输出出过卡顿。写那个 359 行脚本时输出到 70% 停了将近一分钟没吐字。翔宇手都放键盘上准备按 Esc 了。对需要稳定跑批的生产环境，这是个隐患。

格式洁癖差一点。硬约束抠得准，软约束（表格前后空行、列表用短横还是星号）经常不一致，要手动过一遍。

推理质感离 Opus 还有距离。需要跨知识库多文件推理的步骤里它比 Opus 慢半拍，决策也偶尔浅一些。这是模型本身的差距，不是 bug。

场景局限

再强调一次，这次测试的场景对 V4 偏友好。

"自己建 Skill" 的特点是任务边界由它自己定。没有现成约束要守、没有混乱代码要理、没有严苛偏好要对齐。

换个不友好的场景，比方说"接手已有 10 个 Skill 的项目，加功能但不破坏老结构"，以它暴露的 Skill 调用和约束问题来看，大概率会翻车。

📌 记住这点

测 AI 模型的难点不在它能做到什么，在它能稳定做到什么。

分场景推荐

不是所有地方都推荐用 V4，也不是所有地方都不推荐——

翔宇自己接下来怎么用——长文档、知识库扫描、素材整理、草稿生成让 V4 跑。主力代码活和严守约束的任务留给 Opus 和 GLM-5.1。

正式版出来翔宇会再复测，尤其是 Skill 调用那条硬伤修没修好。届时结论可能会变。

如果你的目标不是单个 Agent 写代码，而是让多个 Agent 分工跑一套业务系统，可以接着看翔宇的 OpenClaw 一人公司实战。V4 这种长上下文模型更适合做其中的素材扫描、文档整理和草稿生成，不一定适合直接当整个系统的调度中枢。

4. 测完模型，还有件事想跟你聊

模型只是能力，知识库才是上下文

翔宇必须说清楚这点。不然读者拿着 V4 一试跑不出效果，会怪模型不行。

真相是——没有上下文，能力落不下来。

V4 这次能一把跑通，靠的是翔宇这边有三样东西给它喂料——

• 翔宇手写的 Skill 开发规范（17 文件 3 万字）。没它，产出的 Skill 能跑但没规律
• 翔宇之前自用的配图 Skill。没它，模型只能从零发明，跟老 Skill 各说各话
• 翔宇的品牌身份层（表达风格、爆款公式、受众画像）。没它，文章只是通稿

把同一段提示词喂给裸的 V4，没有知识库垫底，它最多给你一个能跑的 Skill 骨架。你的命名习惯、风格偏好、禁用词，它根本不知道。

翔宇在上一期视频 《Agent 知识库实战：打造一人公司 AI 内容生产线》 里反复讲过——

📌 记住这点

工具会变，模型会换。你沉淀的知识库，才是你这个人的数字分身。

模型是耗材，知识库是资产。

未来拉开差距的不是谁用上了更强的模型——模型谁都能用，领先几周就被追上。拉开差距的，是谁先认真沉淀自己的知识库。身份、风格、规范、工具、爆款、记忆、工作流，一层层码起来。

光盯着工具更新远远不够。真正的护城河是你自己的知识库。

更多同类文章可以从 AI 编程专题 继续看。

国产模型的每一步，都值得认真看

这段不是情怀话，是深度 AI 用户的切身感受。

用 Claude、用 GPT 的朋友被封号的事翔宇这一年见得不少，账号失效、充值卡被拒、中转站被打掉。辛辛苦苦搭好的工作流，一觉醒来跑不动了。

所以当 DeepSeek、GLM、MiniMax、Kimi、阶跃这些国产模型跑分越来越接近海外第一梯队——翔宇是真的松了一口气。

AI 早就不是尝鲜阶段，它是生产工具。工具一旦断掉，影响的是吃饭。

海外模型翔宇照用，哪个顺手用哪个。但心里得清楚，那终究是别人家的水龙头，什么时候关不由你。

🏗️ 设计洞见

国产模型的每一次进步，都是未来几年你能稳定用 AI 的底气。

最后一个闭环

你刚才读完的这篇文章——建它的模型，读了你接下来要用的配图 Skill。文章里每一张配图，也是它自己建的那个 Skill 跑出来的。

引擎是 GPT Image 2，最厉害的是中文字渲染像素级精准。以前用 Gemini 生图，画面里的中文字一出来就抽，GPT Image 2 之后这条路才算通了。

研究、设计、编码、写文章、配图。一个对话窗口，一次跑完，22 块钱。

不吹不黑，就这样。

常见问题

DeepSeek V4 怎么接入 Claude Code？

DeepSeek V4 通过 Anthropic 兼容接口接入 Claude Code。核心配置是把 ANTHROPIC_BASE_URL 指向 https://api.deepseek.com/anthropic，用 ANTHROPIC_AUTH_TOKEN 放 DeepSeek API Key，并把主模型设为 deepseek-v4-pro[1m] 或 deepseek-v4-pro。

deepseek-v4-pro 和 deepseek-v4-flash 怎么选？

长文档分析、复杂知识库扫描和需要稳定推理的任务优先用 deepseek-v4-pro；批量整理、翻译、轻量子任务更适合 deepseek-v4-flash。Flash 输入价格低，适合扫大量材料；Pro 更适合做主干决策。

DeepSeek V4 适合直接做代码开发主力吗？

这次实测结论是先观望。V4 能完成开放式任务，也能读规范、写脚本、生成文章，但在复杂 Skill 调用识别和既有项目约束遵守上还不够稳。正式代码开发主力仍建议用更稳定的模型组合。

为什么模型评测要放进知识库工作流里测？

单轮聊天评测只能看模型会不会回答，知识库工作流能看它会不会读规则、调用工具、理解上下文、交付完整产物。真实生产里，模型能力必须落到文档、规范、工具和验证闭环里，才算可用。

继续学习

本文提到的 Skill 开发规范、知识库骨架、配图流水线、40+ 生产级 Skill 源文件，都在翔宇的 AI 编程实操课 里。

AI 编程实操课（翔宇完整课程，从 Claude Code 到 OpenClaw 全流程）：

• 国内版（FlowUS，支付宝/微信支付）：https://flowus.cn/xiangyugongzuoliu/share/d392dcad-b537-44ee-a3e2-56ff5af02bce
• 国际版（Buy Me a Coffee，信用卡/PayPal 支付）：https://buymeacoffee.com/xiangyu

国内版和国际版内容完全相同，根据你的支付渠道自行选择即可。

其他渠道：

• 翔宇工作流公众号（最新教程 + 踩坑日记）：搜索「翔宇工作流」
• 更多官网文章：https://xiangyugongzuoliu.com/

附录：Claude Code 接入 DeepSeek V4 的参数模板

在 ~/.claude/settings.json 的 env 区加上——

"env": {
  "ANTHROPIC_BASE_URL": "https://api.deepseek.com/anthropic",
  "ANTHROPIC_AUTH_TOKEN": "sk-你的DeepSeek密钥",
  "ANTHROPIC_MODEL": "deepseek-v4-pro[1m]",
  "ANTHROPIC_DEFAULT_HAIKU_MODEL": "deepseek-v4-flash",
  "ANTHROPIC_DEFAULT_SONNET_MODEL": "deepseek-v4-pro",
  "ANTHROPIC_DEFAULT_OPUS_MODEL": "deepseek-v4-pro",
  "CLAUDE_CODE_SUBAGENT_MODEL": "deepseek-v4-pro",
  "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1",
  "CLAUDE_CODE_DISABLE_NONSTREAMING_FALLBACK": "1",
  "CLAUDE_CODE_EFFORT_LEVEL": "max",
  "API_TIMEOUT_MS": "3000000",
  "CLAUDE_CODE_MAX_OUTPUT_TOKENS": "384000"
}

省钱版：把 CLAUDE_CODE_SUBAGENT_MODEL 也换成 deepseek-v4-flash。翔宇这次实测为了看上限，子任务没降档；日常用可以分档。

官方文档——

• 定价：https://api-docs.deepseek.com/zh-cn/quick_start/pricing
• Claude Code 接入：https://api-docs.deepseek.com/zh-cn/guides/coding_agents
• Anthropic 兼容接口：https://api-docs.deepseek.com/zh-cn/guides/anthropic_api