企业官网建设流程全解析

1. 为什么要在 VSCode 里把 Claude Code 接到 DeepSeek 上

Claude Code 这个命令行工具刚出来的时候，很多人第一反应是"这不就是个终端里的 AI 编程助手吗"，但真正用起来才发现它的价值在于把整个项目目录当成上下文，能直接读写文件、跑命令、改代码，比在网页里复制粘贴强太多。问题也很现实：官方默认走的是 Anthropic 的接口，用量一大成本就上来了，而且国内网络环境下调用稳定性也让人头疼。

DeepSeek 这两年在代码能力上的进步有目共睹，尤其是它的推理模型在编程任务上的表现，加上 API 价格相比国际主流模型便宜一个数量级，就成了很多人的替代方案。把 Claude Code 的前端交互和 DeepSeek 的后端模型结合起来，本质上是用 Claude Code 的工程化能力 + DeepSeek 的性价比，这个组合对个人开发者和小团队来说非常划算。

这篇内容适合三类人：一是已经在用 Claude Code 但想换模型的；二是想用 DeepSeek 但不想自己写一套 CLI 工具的；三是纯粹想搞清楚ANTHROPIC_BASE_URL这类环境变量到底怎么配的。我会从原理讲到实操，把每一步为什么这么做都说清楚，配置过程中容易踩的坑也会一并列出来。

需要先说明一点：Claude Code 本身是 Anthropic 的客户端，它默认只认 Anthropic 的接口协议。DeepSeek 官方提供的是 OpenAI 兼容格式的 API，两者协议不完全一样。所以中间需要一个协议转换层，这是整个方案的核心，后面会详细讲。

2. 核心原理拆解：协议转换到底在转什么

2.1 Claude Code 的请求长什么样

Claude Code 发出去的请求走的是 Anthropic Messages API 格式，核心字段包括model、max_tokens、messages、system、tools等。它和 OpenAI 格式最大的区别在于：

• system提示是顶层字段，不是放在 messages 数组里的第一条
• 消息角色只有user和assistant，工具调用结果用user角色携带tool_result类型的内容块
• 工具定义用的是input_schema而不是parameters
• 流式返回的事件类型是content_block_delta、message_delta这一套

这些差异意味着你不能简单地把ANTHROPIC_BASE_URL指向 DeepSeek 的地址就完事，字段对不上，请求会直接报 400。

2.2 DeepSeek 的接口格式

DeepSeek 的 API 是 OpenAI 兼容的，/chat/completions端点，system放在 messages 里，工具用tools数组加function.parameters，流式返回是choices[].delta。它支持的模型名在热词里也提到了，比如deepseek-flash、deepseek-v4、deepseek-v4-pro这些，具体可用名称要以你账号下的模型列表为准，报错信息里通常会直接告诉你支持哪些。

2.3 转换层的三种实现路径

我实测下来，本地代理转换是最稳的路子。原因很简单：Claude Code 更新频繁，改客户端源码每次升级都要重来；而本地代理只要协议映射写对了，客户端怎么升级都不影响。而且代理层可以加请求日志，出问题的时候能直接看到原始请求和转换后的请求，排查效率高很多。

提示：转换层要处理的不只是字段名映射，还有流式响应的 SSE 事件格式转换。很多人卡在"非流式能用、流式就断"就是这里没处理好。

3. 环境准备与依赖安装

3.1 基础环境检查

动手之前先把这几样确认好，缺一个后面都会卡：

• Node.js 18 以上：Claude Code 是 npm 包，低版本会有兼容问题。用node -v确认。
• npm 或 pnpm：装包用，pnpm 更快但 npm 也行。
• DeepSeek API Key：去 DeepSeek 开放平台申请，注意保存好，只显示一次。
• 一个能跑本地服务的运行时：Node 或 Python 都行，我下面用 Node 举例，因为和 Claude Code 同生态，依赖少。

Windows 用户如果遇到failed to connect to the docker api at npipe这类报错，说明你在用 Docker 方案，其实这个场景不需要 Docker，直接本地跑 Node 服务更简单，别被带偏了。

3.2 安装 Claude Code

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

装完用claude --version验证。如果提示命令找不到，检查 npm 全局 bin 目录有没有加到 PATH 里。Windows 上常见的是%APPDATA%\npm，macOS/Linux 是/usr/local/bin或~/.npm-global/bin。

3.3 准备转换代理项目

新建一个目录，初始化：

mkdir claude-deepseek-proxy && cd claude-deepseek-proxy npm init -y npm install express axios

这里选 Express 是因为它足够轻，写个转发接口几十行就够。axios 用来转发请求到 DeepSeek。如果你更喜欢原生 fetch，Node 18 自带，可以省掉 axios 依赖。

3.4 配置环境变量

在项目根目录建一个.env文件：

DEEPSEEK_API_KEY=sk-你的key DEEPSEEK_BASE_URL=https://api.deepseek.com DEEPSEEK_MODEL=deepseek-v4 PROXY_PORT=8787

DEEPSEEK_MODEL这里填你账号下实际可用的模型名。如果填错了，DeepSeek 会返回 400 并告诉你支持的模型列表，照着改就行。热词里出现的the supported api model names are deepseek-flash, deepseek-v4-pro就是这类报错，属于配置问题不是代码问题。

4. 协议转换代理的完整实现

4.1 请求转换：Anthropic 到 OpenAI

核心逻辑是把 Anthropic 的请求体翻译成 OpenAI 格式。关键映射关系：

function anthropicToOpenAI(body) { const messages = []; // system 顶层字段搬到 messages 第一条 if (body.system) { messages.push({ role: 'system', content: body.system }); } // 逐条转换消息 for (const msg of body.messages) { if (typeof msg.content === 'string') { messages.push({ role: msg.role, content: msg.content }); } else if (Array.isArray(msg.content)) { // 处理内容块：text / tool_use / tool_result const textParts = []; const toolCalls = []; const toolResults = []; for (const block of msg.content) { if (block.type === 'text') { textParts.push(block.text); } else if (block.type === 'tool_use') { toolCalls.push({ id: block.id, type: 'function', function: { name: block.name, arguments: JSON.stringify(block.input) } }); } else if (block.type === 'tool_result') { toolResults.push({ role: 'tool', tool_call_id: block.tool_use_id, content: typeof block.content === 'string' ? block.content : JSON.stringify(block.content) }); } } if (toolResults.length > 0) { messages.push(...toolResults); } else if (toolCalls.length > 0) { messages.push({ role: 'assistant', content: textParts.join('\n') || null, tool_calls: toolCalls }); } else { messages.push({ role: msg.role, content: textParts.join('\n') }); } } } // 工具定义转换 const tools = body.tools?.map(t => ({ type: 'function', function: { name: t.name, description: t.description, parameters: t.input_schema } })); return { model: process.env.DEEPSEEK_MODEL, messages, tools, max_tokens: body.max_tokens, stream: body.stream }; }

这段代码有几个容易写错的地方。第一，tool_result在 Anthropic 里是放在user消息的内容块里的，转换后要变成独立的role: 'tool'消息，顺序不能乱。第二，tool_use的input是对象，OpenAI 要的是 JSON 字符串。第三，当一条 assistant 消息同时有文本和工具调用时，content和tool_calls要同时存在。

4.2 响应转换：OpenAI 到 Anthropic

非流式响应相对简单，把choices[0].message拆成 Anthropic 的 content 块数组：

function openAIToAnthropic(resp, model) { const choice = resp.choices[0]; const content = []; if (choice.message.content) { content.push({ type: 'text', text: choice.message.content }); } if (choice.message.tool_calls) { for (const tc of choice.message.tool_calls) { content.push({ type: 'tool_use', id: tc.id, name: tc.function.name, input: JSON.parse(tc.function.arguments) }); } } return { id: resp.id, type: 'message', role: 'assistant', model, content, stop_reason: choice.finish_reason === 'tool_calls' ? 'tool_use' : 'end_turn', usage: { input_tokens: resp.usage?.prompt_tokens || 0, output_tokens: resp.usage?.completion_tokens || 0 } }; }

stop_reason的映射很关键。Claude Code 靠这个字段判断要不要继续执行工具，如果tool_calls存在但stop_reason给成了end_turn，工具就不会被执行，表现为"模型说要调工具但没动静"。

4.3 流式响应的事件转换

流式是最麻烦的部分。Anthropic 的 SSE 事件序列大致是：

message_start content_block_start (text 或 tool_use) content_block_delta (text_delta 或 input_json_delta) content_block_stop message_delta (带 stop_reason) message_stop

而 OpenAI 的流式是每个 chunk 带choices[0].delta，工具调用的参数是分片拼接的。转换时要维护状态机：

async function* streamConvert(openaiStream, model) { const messageId = 'msg_' + Date.now(); let contentIndex = 0; let currentToolCall = null; let toolArgsBuffer = ''; yield sse('message_start', { type: 'message_start', message: { id: messageId, type: 'message', role: 'assistant', model, content: [], usage: { input_tokens: 0, output_tokens: 0 } } }); for await (const chunk of openaiStream) { const delta = chunk.choices?.[0]?.delta; if (!delta) continue; // 文本增量 if (delta.content) { if (contentIndex === 0) { yield sse('content_block_start', { type: 'content_block_start', index: 0, content_block: { type: 'text', text: '' } }); } yield sse('content_block_delta', { type: 'content_block_delta', index: 0, delta: { type: 'text_delta', text: delta.content } }); } // 工具调用增量 if (delta.tool_calls) { for (const tc of delta.tool_calls) { if (tc.function?.name) { // 新工具开始 if (currentToolCall) { yield sse('content_block_stop', { type: 'content_block_stop', index: contentIndex }); contentIndex++; } currentToolCall = tc; toolArgsBuffer = ''; yield sse('content_block_start', { type: 'content_block_start', index: contentIndex, content_block: { type: 'tool_use', id: tc.id, name: tc.function.name, input: {} } }); } if (tc.function?.arguments) { toolArgsBuffer += tc.function.arguments; yield sse('content_block_delta', { type: 'content_block_delta', index: contentIndex, delta: { type: 'input_json_delta', partial_json: tc.function.arguments } }); } } } // 结束原因 if (chunk.choices[0].finish_reason) { if (currentToolCall) { yield sse('content_block_stop', { type: 'content_block_stop', index: contentIndex }); } else if (contentIndex === 0) { yield sse('content_block_stop', { type: 'content_block_stop', index: 0 }); } yield sse('message_delta', { type: 'message_delta', delta: { stop_reason: chunk.choices[0].finish_reason === 'tool_calls' ? 'tool_use' : 'end_turn' }, usage: { output_tokens: 0 } }); } } yield sse('message_stop', { type: 'message_stop' }); }

sse是个辅助函数，把事件名和数据拼成event: xxx\ndata: {...}\n\n的格式。这里的状态机要特别注意工具调用的 index 管理，多个工具连续调用时 index 要递增，否则 Claude Code 解析会乱。

4.4 主服务入口

import express from 'express'; import axios from 'axios'; const app = express(); app.use(express.json({ limit: '50mb' })); app.post('/v1/messages', async (req, res) => { const openaiBody = anthropicToOpenAI(req.body); try { if (req.body.stream) { res.setHeader('Content-Type', 'text/event-stream'); res.setHeader('Cache-Control', 'no-cache'); res.setHeader('Connection', 'keep-alive'); const response = await axios.post( `${process.env.DEEPSEEK_BASE_URL}/chat/completions`, { ...openaiBody, stream: true }, { headers: { 'Authorization': `Bearer ${process.env.DEEPSEEK_API_KEY}`, 'Content-Type': 'application/json' }, responseType: 'stream' } ); // 把 axios stream 转成 async iterable for await (const event of streamConvert(parseSSE(response.data), openaiBody.model)) { res.write(event); } res.end(); } else { const response = await axios.post( `${process.env.DEEPSEEK_BASE_URL}/chat/completions`, openaiBody, { headers: { 'Authorization': `Bearer ${process.env.DEEPSEEK_API_KEY}`, 'Content-Type': 'application/json' } } ); res.json(openAIToAnthropic(response.data, openaiBody.model)); } } catch (err) { console.error('Proxy error:', err.response?.data || err.message); res.status(err.response?.status || 500).json({ type: 'error', error: { type: 'api_error', message: err.response?.data?.error?.message || err.message } }); } }); app.listen(process.env.PROXY_PORT, () => { console.log(`Proxy running on http://localhost:${process.env.PROXY_PORT}`); });

parseSSE是个把 SSE 流解析成对象的异步生成器，处理data:前缀和[DONE]结束标记。这部分代码不复杂但容易漏掉边界情况，比如跨 chunk 的半行数据要缓存起来。

5. 把 Claude Code 指向本地代理

5.1 环境变量配置

代理跑起来之后，让 Claude Code 走本地：

export ANTHROPIC_BASE_URL=http://localhost:8787 export ANTHROPIC_API_KEY=any-string-works

ANTHROPIC_API_KEY这里填什么都行，因为真正的鉴权在代理层用 DeepSeek 的 key 完成。但 Claude Code 启动时会检查这个变量存不存在，不填会直接报错退出。

Windows PowerShell 用$env:ANTHROPIC_BASE_URL="http://localhost:8787"，想持久化就写进系统环境变量。macOS/Linux 想持久化就加到~/.zshrc或~/.bashrc。

5.2 验证连通性

先单独测代理：

curl http://localhost:8787/v1/messages \ -H "Content-Type: application/json" \ -d '{ "model": "claude-3-5-sonnet", "max_tokens": 100, "messages": [{"role": "user", "content": "说一句话"}] }'

能返回 Anthropic 格式的 JSON 就说明代理通了。然后再跑claude进交互模式，随便问一句，看有没有正常回复。

5.3 模型名映射的处理

Claude Code 内部会传它认为的模型名，比如claude-3-5-sonnet-20241022。代理层要忽略这个字段，统一替换成DEEPSEEK_MODEL。我在anthropicToOpenAI里就是这么做的，直接写死用环境变量。如果你想支持多模型切换，可以在代理里加个映射表，根据请求的 model 字段路由到不同的 DeepSeek 模型。

注意：不要试图让 Claude Code 直接传 DeepSeek 的模型名，它的模型列表是硬编码的，传不认识的名字会在客户端就报错，根本到不了代理层。

6. 常见报错与排查速查

6.1 400 类错误

6.2 连接类错误

failed to connect to the docker api at npipe这种是 Docker Desktop 没启动或者管道配置问题。但前面说了，这个方案不需要 Docker，如果你看到这个报错，说明你参考的教程用了容器方案，直接换成本地 Node 跑就行。

login failed. check api token一般是ANTHROPIC_API_KEY没设，或者代理没起来。先确认代理进程在跑，再确认环境变量在当前 shell 生效。

6.3 流式中断问题

最常见的表现是回复到一半卡住，或者工具调用参数不完整。排查思路：

1. 看代理日志里 DeepSeek 返回的原始 chunk，确认数据是完整的
2. 检查content_block_stop有没有在正确时机发出
3. 确认message_delta里的stop_reason和实际 finish_reason 一致

我踩过的一个坑是：DeepSeek 在某些情况下会返回空的 delta chunk（只有 role 没有 content），如果代码里没做空值判断，会往content_block_delta里塞空文本，Claude Code 解析时可能直接断流。

6.4 工具调用不执行

如果模型明确说要调用工具但 Claude Code 没动作，九成是stop_reason映射错了。Anthropic 的tool_use对应 OpenAI 的tool_calls，别映射成end_turn。另外工具调用的id要保证唯一，重复的 id 会让客户端状态混乱。

7. 实操心得与性能调优

7.1 代理层的日志策略

强烈建议在代理里加请求日志，但要注意别把 API Key 打出来。我一般记录这些字段：请求的 model、消息条数、是否有工具、响应耗时、token 用量。出问题的时候这些信息足够定位，又不会泄露敏感数据。

日志写到文件里，用pino或简单的fs.appendFile都行。跑一段时间后你会发现，大部分问题都能从日志里直接看出来，比盲目调试快得多。

7.2 超时和重试

DeepSeek 的响应速度整体不错，但高峰期偶尔会慢。代理层要设合理的超时，我一般设 120 秒，流式的话用responseType: 'stream'配合 axios 的timeout只作用于建立连接阶段，不会中途掐断。

重试要谨慎。非流式请求可以重试，流式请求不要自动重试，因为流已经吐出去一部分了，重试会导致内容重复。真要重试就让用户手动重发。

7.3 上下文长度管理

Claude Code 会把项目文件内容塞进上下文，很容易撑爆。DeepSeek 不同模型的上下文窗口不一样，用之前确认一下。如果经常超限，可以在 Claude Code 里用/compact压缩历史，或者调整它的文件读取策略，别让它一次读太多文件。

7.4 成本控制

DeepSeek 便宜是相对的，工具调用密集的场景 token 消耗还是很快。我的做法是在代理层统计每天的 token 用量，超过阈值就告警。另外 Claude Code 有些操作会触发大量文件读取，可以在它的配置里限制单次读取的文件数量。

7.5 稳定性观察

跑了大概两周，整体稳定性可以。遇到过一次 DeepSeek 侧返回 503，代理直接把错误透传给 Claude Code，客户端显示"API 错误"但没崩，重发就好了。这种上游抖动没法完全避免，代理层做好错误透传，让用户知道是上游问题而不是本地配置问题，体验会好很多。

8. 后续可以扩展的方向

代理层跑通之后，其实可以做不少有意思的事。比如加一个请求缓存，相同的 prompt 直接返回缓存结果，省 token 又提速。再比如加多模型路由，简单任务走便宜的 flash 模型，复杂推理走 pro 模型，根据请求内容自动判断。

还有一个方向是本地模型兜底。如果 DeepSeek 接口临时不可用，代理可以自动切到本地跑的小模型，虽然效果差一些但至少不断线。这个用 Ollama 之类的本地推理服务配合就能实现，代理层做个 fallback 逻辑即可。

工具调用这块也可以优化。Claude Code 的工具定义比较固定，代理层可以针对 DeepSeek 的特点做 prompt 层面的适配，比如在 system 里加一些引导，让模型更规范地输出工具调用格式，减少解析失败的概率。

我个人在实际操作中的体会是，这套方案的价值不在于省了多少钱，而在于把选择权拿回自己手里。模型可以换、参数可以调、日志可以看，出了问题知道去哪找原因，这种掌控感是直接用官方服务给不了的。配置过程确实有点折腾，但一次配好之后就很省心，后面换模型也就是改个环境变量的事。