Claude Code桌面版接入DeepSeek保姆级教程

前言：为什么需要这份教程

Claude Code 作为 Anthropic 官方推出的 AI 编程工具，凭借强大的代码理解与生成能力受到开发者青睐。Anthropic 由前 OpenAI 研究副总裁 Dario Amodei 及其姐姐 Daniela Amodei 等人于 2021 年创立，专注于 AI 安全研究。公司的核心理念之一是 Constitutional AI（宪法式 AI），即通过一套明确的原则来约束和指导模型行为，使其更安全、更可控。这种对安全性的执着追求也体现在 Claude 系列模型的设计中——模型在拒绝有害请求的同时，依然保持了极强的实用性。Claude 系列模型在代码生成、逻辑推理和长上下文理解方面表现突出，尤其是 Claude 3.5 Sonnet 和后续的 Claude 4 系列，在 SWE-bench（软件工程基准测试）等代码评测中持续刷新记录。

Claude Code 与 GitHub Copilot、Cursor 等工具构成当前 AI 编程工具的第一梯队，但三者的设计哲学截然不同：GitHub Copilot 侧重于编辑器内的实时代码补全，以行级和函数级建议为主；Cursor 以 VS Code 为基础深度集成了多模型支持和 Composer 等多文件编辑功能；而 Claude Code 的差异化优势在于对复杂代码库的整体理解能力和多步骤任务编排能力——它能够自主阅读项目结构、理解模块间依赖关系、执行终端命令并迭代修复错误，在大型项目重构和跨文件修改场景中表现尤为优异。然而对于国内用户而言，直接使用 Claude 官方模型不仅需要海外账号，高昂的 API 费用也让不少人望而却步。

本文基于 B站 UP 主的实操演示，系统整理了 Claude Code 桌面版从零安装到接入国产模型的完整流程。核心目标包括五个方面：安装桌面版、无账号使用、中文汉化、接入 DeepSeek 模型、使用自定义 Skill。整套方案的最大价值在于——通过接入 DeepSeek，可以在保留 Claude Code 优秀交互体验的同时，将使用成本大幅降低。

Claude Code 桌面版安装指南

访问 Claude 官方地址，在获取入口处可以看到多种使用方式，排在第一位的 Desktop（桌面版） 正是本文的主角。与传统的 CLI（命令行界面）版本相比，桌面版提供了图形化操作界面，降低了非终端用户的使用门槛。点击后页面会根据操作系统自动匹配下载版本，Windows 用户会得到对应的可执行安装文件。

安装过程属于典型的"傻瓜式"流程，一路等待即可完成。当出现登录界面时，官方提供了 Google 账号等多种登录方式，但本教程完全跳过账号环节，采用无账号使用方案，这对国内用户尤其友好。

开启开发者模式实现无账号使用

无账号使用的关键在于开发者模式。具体操作路径为：点击左上角的三横线菜单 → 选择"帮助" → 找到第三个选项中的"开启开发者模式（Enable Developer Mode）"。开启后系统会提示是否重启，选择立即开启，等待 Claude Code 重启完成即可。

开发者模式的本质是解锁了应用的扩展配置接口，允许用户自定义 API 端点（Endpoint）和模型路由。API 端点是指模型服务对外提供的网络访问地址，例如 Anthropic 官方的 API 端点为 https://api.anthropic.com，而 DeepSeek 的端点为 https://api.deepseek.com。在标准模式下，Claude Code 仅与 Anthropic 官方 API 通信；开启开发者模式后，应用暴露出可配置的代理（Proxy）接口，使得 CC Switch 等中间件能够将请求拦截并转发至其他兼容 OpenAI API 格式的模型服务。

这里提到的"OpenAI API 格式兼容"值得特别说明。OpenAI 最早定义的 Chat Completions API 格式（包括 /v1/chat/completions 端点、messages 数组结构、role 和 content 字段等）已经成为大语言模型 API 的事实标准。目前绝大多数国产模型（包括 DeepSeek、通义千问、智谱 GLM 等）都提供了与 OpenAI 格式兼容的 API 接口，这意味着任何支持 OpenAI API 的客户端工具，理论上都可以通过简单修改端点地址和 API Key 来切换底层模型。这种设计在技术上类似于反向代理（Reverse Proxy）——反向代理服务器接收来自客户端的请求，根据预设规则将其转发给上游的实际服务端，客户端感知不到后端的真实地址，从而为后续接入第三方模型打下基础。

安装 CC Switch 切换模型

要让 Claude Code 使用 DeepSeek，需要借助一款名为 CC Switch 的工具。它的定位是"统一管理 AI 工具工作流"，通俗理解就是帮你在不同模型之间自由切换。从技术架构上看，CC Switch 在本地启动一个轻量级的 HTTP 路由服务（通常监听本机回环地址 127.0.0.1 上的特定端口），将 Claude Code 发出的 API 请求拦截后进行协议转换和参数映射——例如将 Anthropic 的 Messages API 格式转换为 OpenAI 兼容格式——随后将重新封装的请求转发给 DeepSeek 等第三方模型的 API 端点，实现无缝的模型替换。整个过程对 Claude Code 的前端界面完全透明，用户无需修改任何代码即可享受不同模型的推理能力。

这里有一个关键版本提醒：必须使用 3.15.0 或更高版本。老版本的 CC Switch 并不包含 Claude Code 桌面版的配置项，因此如果曾经安装过旧版，务必先行更新。

安装同样是傻瓜式流程。安装完成打开后，你会发现顶部原本只有命令行使用方式，现在多出了一个带小电脑图标的"桌面版"选项，这标志着 CC Switch 已正确识别 Claude Code 桌面版。

配置本地路由与模型

在 CC Switch 中的配置顺序如下：

1. 点击左侧设置按钮，进入"路由"选项
2. 找到"本地路由"，点击向下箭头将其开启
3. 返回后选择"桌面版"，点击右侧添加按钮
4. 在模型列表中选择 DeepSeek，再次确认桌面版

接入 DeepSeek 模型的详细步骤

DeepSeek（深度求索）是由中国量化私募巨头幻方量化孵化的 AI 公司，于 2023 年正式进入大模型赛道。幻方量化长期在高性能计算和 GPU 集群运维方面积累了深厚经验，这为 DeepSeek 的大规模模型训练提供了得天独厚的基础设施优势。DeepSeek 推出的 DeepSeek-V3 和 DeepSeek-R1 等模型在多项基准测试中达到了与 GPT-4、Claude 3.5 相当的水平，但 API 定价仅为国际竞品的几分之一甚至十几分之一。

DeepSeek 的核心技术优势之一是采用了 MoE（Mixture of Experts，混合专家）架构。传统的 Dense（稠密）模型在每次推理时会激活全部参数——例如一个 700 亿参数的模型每次推理都需要 700 亿参数全部参与计算。而 MoE 架构将模型拆分为多个"专家"子网络，每次推理时仅激活其中一小部分相关专家。以 DeepSeek-V3 为例，其总参数量高达 6710 亿，但每次推理仅激活约 370 亿参数，这种稀疏激活（Sparse Activation）机制使得推理所需的算力大幅下降，而模型的整体能力却因为庞大的总参数量而得以保持。这正是 DeepSeek 能够以极低价格提供高质量推理服务的技术基础。具体来看，DeepSeek-V3 的输入价格约为每百万 token 1 元人民币左右（缓存命中时更低至 0.1 元），相比 Claude 3.5 Sonnet 每百万 token 3 美元（约 21 元人民币）的定价，成本优势极为明显，最高可达到 20 倍以上的价差。

模型选择完成后，最核心的一步是填入 API Key。API Key（应用程序接口密钥）是访问 AI 模型服务的身份凭证，本质上是一个由服务提供商生成的唯一字符串，用于验证调用者身份并关联计费账户。它的功能类似于密码，但与用户密码不同的是，API Key 通常用于服务器端的程序化调用而非人工登录。打开 DeepSeek 官网，进入 API 文档中的 Key 管理页面，创建一个新的 Key（建议命名为 CodeDesktop 便于日后区分），复制后粘贴回 CC Switch 的对应位置。

在安全管理方面需要注意几个原则：永远不要将 API Key 硬编码在代码中或上传至 GitHub 等公开仓库——历史上曾有大量开发者因在公开仓库中暴露 API Key 而遭受巨额账单攻击，GitHub 甚至为此推出了 Secret Scanning 功能来自动检测仓库中的密钥泄露；为不同用途创建独立的 Key 便于追踪用量和在泄露时精准撤销；定期检查调用量是否异常，并建议在 DeepSeek 控制台设置合理的月度预算上限以防止意外消费。

在配置界面下方有两个可选项，其中一个涉及上下文大小的扩展——勾选后 Claude Code 的上下文可扩展至 1M（一兆）级别。上下文窗口（Context Window）是大语言模型单次对话能处理的最大 token 数量，它决定了模型在一次交互中能够"看到"和"记住"多少信息。Token 是大语言模型处理文本的基本单位，通常一个英文单词对应 1-2 个 token，一个中文汉字对应 1-3 个 token。

上下文窗口的演进历程反映了大模型技术的快速迭代：2022 年的 GPT-3.5 仅支持 4K token（约 3000 个英文单词），2023 年 GPT-4 将其扩展到 128K，Google 的 Gemini 1.5 率先突破 1M 大关，而如今越来越多的模型开始支持百万级甚至更大的上下文。对于编程场景而言，4K token 仅够处理一两个代码文件，128K token 可以覆盖一个中等规模的代码模块，而 1M 级别意味着模型可以一次性「看到」约 75 万个英文单词或数万行代码。开发者可以将整个中小型项目的代码库（包括源码、配置文件、测试用例甚至文档）一次性加载给模型，使其理解项目的完整架构和依赖关系，从而给出更精准的跨文件修改建议，而不是仅基于局部代码片段进行"盲人摸象"式的推断。建议开启此选项以获得更好体验。

配置完成后点击"添加"，随后务必点击"启动"——只有启动状态下配置才会生效。启动后可将 CC Switch 最小化到后台运行。

在 Claude Code 中应用配置

回到 Claude Code，点击左上角三横线菜单，此时会新增"开发者"选项，其中包含"配置三方"。进入该界面后所有信息已被 CC Switch 自动填入（包括本地路由地址、端口号和认证信息），无需手动操作，直接点击 Apply 并重启即可。

重启后即进入接入了 DeepSeek 的 Claude Code。模型列表中可以看到 flash、pro 以及 1M 上下文版本。选择 flash 版本进行对话测试——虽然模型会自我介绍为 Claude（这是正常现象，因为 CC Switch 在转发请求时保留了 Claude Code 的前端界面标识和系统提示词，后端实际推理由 DeepSeek 完成，但 DeepSeek 在收到包含 Claude 身份设定的系统提示词后会按照该设定回复），但只要能正常响应并完成编程任务，就说明配置成功。

Claude Code 中文汉化方法

完成基础配置后，全英文界面对国内用户仍不够友好。汉化包同时提供了 Windows 和 Mac 两个版本，普通用户只需下载 Windows 简体中文版本即可。

汉化操作十分简单：解压压缩包后找到 .bat 文件双击运行，程序会给出五个选项：

• 1：安装简体中文
• 2：安装繁体中文
• 3：安装繁体中文（中国香港版）
• 4：恢复原样/卸载补丁
• 5：退出

输入 1 并回车即可。汉化的技术原理通常是替换应用安装目录中的语言资源文件（locale 文件），这些文件以 JSON 或类似格式存储了界面上所有文本的键值对，汉化脚本将英文值批量替换为对应的中文翻译。汉化过程中程序会自动关闭并重启 Claude Code（即使你没有手动关闭，它也会主动处理，因此建议运行前先手动关闭以避免意外）。重启后界面即变为中文，"新建任务""项目""计划任务""自定义"等菜单全部本地化，且历史对话记录完整保留。

自定义 Skill 的安装与使用

桌面版 Claude Code 的 Skill 使用方式与传统 CLI 存在明显差异。CLI 形式下只需在 Claude 目录下的 skills 文件夹放置技能文件；而桌面版需要以压缩包形式安装。

Claude Code 中的 Skill（技能）系统本质上是一套结构化的提示词工程（Prompt Engineering）框架。提示词工程是指通过精心设计输入给大语言模型的提示文本，来引导模型产生更优质、更符合预期的输出。随着大模型应用的普及，提示词工程已从简单的"问好问题"发展为一门系统性的技术学科，涵盖了零样本提示（Zero-shot）、少样本提示（Few-shot）、思维链（Chain of Thought, CoT）、思维树（Tree of Thought）等多种技术范式。

每个 Skill 文件（通常为 Markdown 格式）定义了特定任务场景下的系统提示词、输出格式要求、思维链引导和约束条件。例如一个"代码审查"Skill 可能包含：系统角色定义（"你是一位资深软件工程师"）、审查维度（安全性、性能、可读性）、输出模板（问题描述、严重程度、修复建议）以及特定的思维链引导（"首先分析代码的整体架构，然后逐函数检查潜在问题"）。这种设计将复杂的提示词封装为可复用、可分享的模块，降低了用户编写高质量提示词的门槛。

与 GPTs（OpenAI 的自定义 GPT，允许用户通过自然语言定义专属助手）或 Cursor Rules（Cursor 编辑器中通过 .cursorrules 文件定义项目级别的 AI 行为规则）类似，Skill 系统代表了当前 AI 工具从通用对话向垂直场景专业化演进的趋势——用户不再需要每次都从零开始描述需求，而是可以直接调用预设好的专业化模板。桌面版采用压缩包安装而非 CLI 的文件夹放置方式，主要是出于沙盒安全和版本管理的考量——压缩包可以包含签名校验信息，确保 Skill 文件未被篡改，同时便于整体的版本升级和回滚。

具体操作流程为：新建任务 → 点击加号 → 进入"技能" → "管理技能" → "添加技能" → "上传技能"。上传时支持三种文件格式：md 文件、压缩包、或 .skill 文件。

以演示中的 EvanCreative 创意技能为例，将技能文件夹压缩后拖拽进上传区，即完成安装。使用时在对话框输入斜杠（/）选择对应技能，例如调用 EvanCreative 生成"周末啤酒免费的创意"，模型便会依据该 Skill 的逻辑输出结果，验证了自定义技能在桌面版中的可用性。

总结

这套方案完整打通了 Claude Code 桌面版的本地化使用链路，五个目标全部实现：傻瓜式安装、无账号登录、DeepSeek 接入、中文汉化、自定义 Skill。

对国内开发者而言，其核心价值在于以极低的成本（DeepSeek API 费用远低于 Claude 官方）获得 Claude Code 的编程体验。需要注意的几个关键点是：CC Switch 必须使用 3.15.0 以上版本、本地路由需手动开启、配置后务必点击启动、以及汉化前建议先关闭程序。掌握这套流程后，即使是零基础用户也能快速搭建属于自己的 AI 编程工作台。

值得一提的是，这种通过中间件替换底层模型的方案具有良好的扩展性——未来如果出现更优秀或更具性价比的国产模型，只需在 CC Switch 中切换配置即可，无需重新学习新的编程工具，真正实现了"工具与模型解耦"的灵活架构。这种解耦思想在软件工程中有着深厚的理论根基，与微服务架构中的"服务网格（Service Mesh）"概念异曲同工——通过在应用层和基础设施层之间插入一个可编程的中间层，使得上层应用无需感知底层服务的变化。对于 AI 编程工具领域而言，这意味着开发者可以始终使用最趁手的交互界面，同时灵活选择性价比最优的模型后端，在快速迭代的大模型竞争格局中始终保持主动权。