Claude Code | DeepSeek 接入全攻略：从环境配置到缓存优化，一步不落

2026年5月20日教程 API, Claude Code, DeepSeek, LLM, MCP, Skill, 使用技巧, 大模型, 工具, 帮助, 性价比, 技能, 插件, 教程, 经验, 踩坑, 避坑

Claude Code 是一个运行在终端内的 AI 编程助手，优势就是太好用了...

DeepSeek 是性价比非常高的大模型，虽然 DeepSeek 的主要用途不是写代码，但是它便宜啊..awa

第一步：安装 Claude Code

安装 Node.js 18+。
Windows 用户需安装 Git for Windows。
在命令行界面，执行以下命令安装 Claude Code：

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

安装结束后，执行以下命令，若显示版本号则安装成功：

claude --version

第二步：配置环境变量

直接运行Claude Code会进入引导流程，但是引导流程并没有包含对于DeepSeek的支持。由于我们使用DeepSeek的API，所以请先配置环境变量后再启动Claude Code。

自动选择 Pro 及 Flash 模型的配置

Linux / Mac 用户输入以下命令配置 DeepSeek Anthropic API 环境变量，其中的 API Key 在 DeepSeek Platform 获取：

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
export ANTHROPIC_AUTH_TOKEN=<你的 DeepSeek API Key>
export ANTHROPIC_MODEL=deepseek-v4-pro[1m]
export ANTHROPIC_DEFAULT_OPUS_MODEL=deepseek-v4-pro[1m]
export ANTHROPIC_DEFAULT_SONNET_MODEL=deepseek-v4-pro[1m]
export ANTHROPIC_DEFAULT_HAIKU_MODEL=deepseek-v4-flash
export CLAUDE_CODE_SUBAGENT_MODEL=deepseek-v4-flash

Windows 用户输入以下命令：

$env:ANTHROPIC_BASE_URL="https://api.deepseek.com/anthropic"
$env:ANTHROPIC_AUTH_TOKEN="<你的 DeepSeek API Key>"
$env:ANTHROPIC_MODEL="deepseek-v4-pro[1m]"
$env:ANTHROPIC_DEFAULT_OPUS_MODEL="deepseek-v4-pro[1m]"
$env:ANTHROPIC_DEFAULT_SONNET_MODEL="deepseek-v4-pro[1m]"
$env:ANTHROPIC_DEFAULT_HAIKU_MODEL="deepseek-v4-flash"
$env:CLAUDE_CODE_SUBAGENT_MODEL="deepseek-v4-flash"

仅使用 Flash 模型的配置

Flash模型与Pro模型的价格差距约3-5倍，只使用Flash模型可以节约很多马内。

Linux / Mac 用户输入以下命令配置 DeepSeek Anthropic API 环境变量，其中 API Key 在 DeepSeek Platform 获取：

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
export ANTHROPIC_AUTH_TOKEN=<你的 DeepSeek API Key>
export ANTHROPIC_MODEL=deepseek-v4-flash
export ANTHROPIC_DEFAULT_OPUS_MODEL=deepseek-v4-flash
export ANTHROPIC_DEFAULT_SONNET_MODEL=deepseek-v4-flash
export ANTHROPIC_DEFAULT_HAIKU_MODEL=deepseek-v4-flash
export CLAUDE_CODE_SUBAGENT_MODEL=deepseek-v4-flash

Windows 用户输入以下命令：

$env:ANTHROPIC_BASE_URL="https://api.deepseek.com/anthropic"
$env:ANTHROPIC_AUTH_TOKEN="<你的 DeepSeek API Key>"
$env:ANTHROPIC_MODEL="deepseek-v4-flash"
$env:ANTHROPIC_DEFAULT_OPUS_MODEL="deepseek-v4-flash"
$env:ANTHROPIC_DEFAULT_SONNET_MODEL="deepseek-v4-flash"
$env:ANTHROPIC_DEFAULT_HAIKU_MODEL="deepseek-v4-flash"
$env:CLAUDE_CODE_SUBAGENT_MODEL="deepseek-v4-flash"

第三步：启动 Claude Code

进入项目目录，执行 claude 命令，即可开始使用了。

cd /path/to/my-project
claude

第四步：了解缓存机制

AI Agent 的一次请求远不止用户的一句话，以 Claude Code 的一次典型任务为例：

一次代码生成请求的 Token 使用情况：
├─ system prompt（系统提示 + 24 个内置工具定义） ≈ 3,200 tokens
├─ CLAUDE.md（项目级指令）                 ≈ 800 tokens
├─ 历史消息（5 轮对话累积）                ≈ 8,500 tokens
├─ 当前文件内容                           ≈ 2,000 tokens
└─ 用户新消息                             ≈ 50 tokens
─────────────────────────────────────────────────
输入总计：14,550 tokens（输出：~400 tokens）[reference:0]

在这种场景下，输入与输出 Token 的比例可高达 36:1。每次请求都要处理数万甚至数十万的输入 Token。如果不利用缓存，仅传输这些“固定前缀”就足以吞噬掉大部分配额和预算。

模型收费的本质是 按 GPU 计算量收费。所以，KV Cache 技术出现了。

什么是 KV Cache

在 Transformer 模型（大模型生成的核心架构）处理文本时，每一个 Token 的产生都依赖于它之前的“上文”信息。为了让计算更高效，模型在处理完一段文本后，会将解码器每一层的注意力矩阵（Key 和 Value）暂存下来。这样，当下一个 Token 来临时，模型只需要计算新的部分，而不必重新处理历史内容。

KV Cache 依赖于前缀精确匹配来复用计算结果。为了解决此问题，Claude Code 采用了分级缓存架构：系统提示词和工具定义等几乎不变化的内容被优先缓存，项目级指令（CLAUDE.md）居中，而每轮新增的对话历史则被灵活地追加在最后。

缓存失效的代价极为高昂：前缀一旦变化，这条缓存链之后的所有内容都会全部失效，触发全价重新计算。

了解了缓存机制和失效陷阱后，我们可以从以下方面来最大化缓存命中率，所有优化都应围绕“让缓存稳定”这一目标。

这里就不得不夸一下Claude Code的缓存机制了，非常优秀，所以一般不需要优化，只需要注意一下下面说的即可。

最大化利用 DeepSeek 的硬盘公共缓存

使用 DeepSeek 的官方 API 默认启用硬盘缓存，所以无需设置。

假设有 1000 个开发者都在使用相同的系统提示词（需要完全相同），第一个用户请求触发该前缀缓存后，后续 999 个用户的请求都能直接命中硬盘缓存，无需重新计算。这部分 Token 的费用全部命中缓存。

（Claude Code的优势又体验出来了，用户数量多。并且这个硬盘缓存跨会话也能命中缓存，新开会话照样全部命中awa，所以你可以随意开新的会话了~）

EFFORT 及 Init

尽量避免在会话中切换 effort 级别、修改 CLAUDE.md 文件。这些都会触发完整的缓存重新计算，然后钱就又浪费了。

压缩

Claude Code 每次请求前会自动 Microcompact，也就是删除对话中的大块、不重要的内容，它完全不需要调用LLM。

当你使用内置的 Claude Code 内置的 /compact 命令时，会执行 ession Memory Compaction，由于也是纯逻辑规则本地计算，所以也是不需要调用LLM。ession Memory Compaction会生成记忆快照和摘要，之后的对话中大模型可以主动触发回忆。

使用 Claude Code 内置的 /compact 需求 命令，如“/compact 保留所有文件路径”。一旦加了自定义指令，系统就会调用 API 让大模型理解上下文并压缩，这个就是要付费的了。

第五步：Skills

Skill 就是大模型的工作手册，也就是提示词包。

Claude Code skills 遵循 Agent Skills 开放标准，具体可以参考官方文档使用 skills 扩展 Claude。

安装 Skill

打开项目中的 .claude 文件夹，在里面创建一个 skills 文件夹。

可以前往 anthropics skills 下载官方维护的 Skill。

例如我在网上找到了 frontend-design 这个技能，想要添加进去。

进入 .claude/skills/ 目录，创建一个技能名称（frontend-design）的文件夹。

将 SKILL.md 移动到 frontend-design 文件夹中。

然后就可以重启 Claude Code 来使用这个技能了。

使用 Skill

可以通过对话让大模型直接使用技能，也可以用命令手动调用，如下图所示。

第六步：MCP（Skills）

MCP 就是大模型的工具，例如联网搜索、编辑文件、调用命令行等。

由于安装配置 MCP 服务器的流程过于复杂，本文将不再赘述，使用插件也可以达到同样的效果。

第七步：插件

开发者将能力封装到插件里，安装插件就能一步到位，无需手动配置 MCP。（当然，MCP比插件的能力更多，很多能力都没有被做成插件）

插件市场

插件市场就是字面意思，可以通过插件市场安装里面的插件。

官方市场其实就是Github，所有插件的介绍可以参考@喵喵酱/高手都在偷偷用的 Claude Code 官方插件清单这篇文章。

安装插件

通过在Claude Code内输入以下命令安装：

/plugin install plugin-name@marketplace-name

结语

以上分享了我的 Claude Code 使用经验。