DeepSeek 官方偷偷上传 Harness 桌面端安装包，我已经用上了。。附最新下载地址

大家好，我是程序员鱼皮。 前段时间我写过 [一篇文章](https://mp.weixin.qq.com/s/ieOE4mzyMoa8OVcAOAkhzg)，说自己在 DeepSeek Harness 的开源仓库里发现，官方竟然偷偷做了桌面端。  当时官方没有放出安装包，我是让 AI 帮忙把源码拉到本地编译，才跑起来的。  没想到才过了十来天，DeepSeek Harness 桌面端的安装包就出来了。不过这次并不是官方正式发布的，而是被万能的网友给扒了出来！ 有网友发现 DeepSeek 自家的下载域名多了桌面端的更新清单和安装包，顺藤摸瓜找到了下载地址，很快就在社交平台上传开了。还有网友专门验了签名，安装包用的是「杭州深度求索人工智能」公司主体的苹果开发者证书，并且通过了苹果官方的公证，基本可以确定是 DeepSeek 自己打的包。 **但到目前为止，DeepSeek 官方还没有发任何公告。** 虽然官方还没官宣，但很多人已经吃上螃蟹了（包括我）。截止到文章发布时，最新版本是 `0.1.7-rc.2` 。 下载地址我已经帮大家整理好了： - DeepSeek Harness 客户端 Windows 版本：https://download.deepseek.com/dsh-desk/bin/win-x64/deepseek-harness-0.1.7-rc.2-win-x64.exe - DeepSeek Harness 客户端 Mac 版本（Apple 芯片）：https://download.deepseek.com/dsh-desk/bin/mac-arm64/deepseek-harness-0.1.7-rc.2-mac-arm64.dmg 目前官方只打包了这两个版本，用 Intel 芯片 Mac 和 Linux 的朋友暂时还得再等等。 安装包都不小，Windows 版接近 300 MB，Mac 版将近 370 MB。因为官方把 Node.js、pnpm 和 Python 运行环境全都打包了进去，你的电脑上不用提前装任何环境。 **选择对应系统的版本下载，双击安装就能打开了。** 第一眼看上去，桌面端的界面跟 DeepSeek Harness 网页版几乎一模一样。  我去翻了下仓库里 `apps/desktop` 目录的源码，桌面端是在完整的 DSH 网页应用外面套了一层 Electron 壳，界面用的是同一套前端代码。 套壳的好处是，桌面端的对话记录和配置都跟网页版是互通的。因为两者读写的是电脑上同一个 `~/.dsh` 数据目录，我之前在网页版里创建的工作区和聊过的会话都还在，配置好的第三方模型也能直接切换使用。  新版本的 DSH 还在左侧菜单栏加了一个「插件」入口，里面内置了 7 个官方插件，包括智能体团队、自动授权审查、语音输入、终端、Agent 循环、子智能体和网页搜索。比如开启智能体团队插件后，就能让多个 Agent 分工协作，还带有共享的任务看板。  除了官方插件，你还可以点击右上角的「添加插件」，直接输入 GitHub 仓库地址来安装第三方插件。 比如我安装了一个社区开发者做的 dsh-web 全家桶插件，它把一大批网页端的增强插件聚合到了一起，能全方位增强 DeepSeek Harness 的能力。  装好之后，DSH 就变成了这个样子，聊天背景换成了二次元插画，右下角还多了一个看板娘。 你喜欢么？  让我比较意外的是，桌面端和网页版的 UI 还是有点儿差别的。比如在左下角可以直接登录 DeepSeek 账号，查看充值余额、查询用量，还能直接充值。  而且登录账号之后，模型列表里会多出一组「DeepSeek 账号」模型，可以直接用账号里的余额来跑任务，不用再去开放平台单独申请 API Key 了。对新手来说，这一步能省掉不少麻烦。  能看出来，DeepSeek 官方这次是真的打算好好做 Harness 桌面端了。账号登录、首次使用引导、自动更新这些面向普通用户的功能都安排上了，安装包还用公司证书做了签名，值得期待一波。 **但是，我不建议大家现在就把 DeepSeek Harness 桌面端当作主力工具，尝尝鲜就好。** 一方面，官方还没有发布上线公告；另一方面，作为实验版本，它的功能还不全，体验也比较一般。 比如我在 Mac 上就没办法缩放字体，一开始我还以为是自己没找到设置，后来翻了下源码，发现 macOS 的菜单里确实没有放大和缩小这两项，所以给大家看的截图字都很小。。。 **臻品大家共赏，屎给鱼皮先吃。** 为了帮大家节省时间，我是认真的！ 最后分享一下，我是怎么实时获取到 DeepSeek Harness 桌面端的最新下载地址的？🤔 **很简单，直接问 AI 啊！** 我让 DeepSeek Harness 用最简单直接、不绕弯子的方式告诉我怎么获取：  原理其实很简单。桌面端内置了自动更新功能，每隔 10 分钟左右就会去官方服务器读取一份更新清单文件，清单里写着最新的版本号和安装包地址。所以我们也不用去猜文件名，直接打开这份清单看一眼，就能拿到最新的下载链接： - Windows 版更新清单：https://download.deepseek.com/dsh-desk/feeds/win-x64/nightly.yml - Mac 版更新清单：https://download.deepseek.com/dsh-desk/feeds/mac-arm64/nightly-mac.yml 注意，Mac 版清单里给的是 `.zip` 格式的自动更新包，把链接结尾的 `.zip` 换成 `.dmg`，就是我们平时双击安装的安装包了。 OK 就聊到这里，如果你还不了解 DeepSeek Harness，或者想学习更多 AI 编程工具的玩法和技巧，可以看看我免费开源的 [《AI 编程零基础入门教程》](https://ai.codefather.cn/vibe)，上千张图、几十万字，带你从 0 开始快速学会 AI 编程，做出自己的产品、跑通变现全流程，一次拿捏。 > 开源指路：[https://github.com/liyupi/ai-guide](https://github.com/liyupi/ai-guide)  我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~ 你已经装上 DeepSeek Harness 桌面端了么？用起来感觉怎么样？欢迎在评论区聊聊~

DeepSeek 官方竟然偷偷做了 Harness 桌面端，我已经用上了。。

大家好，我是程序员鱼皮。 上个月 DeepSeek 开源了自家的 Harness 工具 DSH，被称为 DeepSeek 的角色专武，核心理念是「一切皆插件」。 发布后才过了一周，GitHub 就冲到了 20 万 Star，可见有多火！  不过，官方发布的时候只提供了命令行和 Web 两种使用方式，你得先装好 Node.js 环境，然后在终端里敲命令启动，用浏览器来访问。 对很多小白来说，这个上手门槛就不太友好了。 所以有社区开发者立刻开始做桌面端。Harness 才开源没几天，GitHub 上就冒出了好几个桌面客户端项目。其中最火的当属 dsh-desktop，已经拿了 2 万多个 Star，支持 Windows 和 macOS，双击安装就能用。  我以为有了社区的支持，DeepSeek 官方不打算出手做桌面端了。结果今天逛 GitHub 的时候，突然发现官方 deepseek-harness 仓库里多了一个 `apps/desktop` 目录。 点进去一看，好家伙，官方自己搞了一个基于 Electron 的桌面端应用，包名叫 `@deepseek-ai/dsh-desktop`，版本号已经到了 `0.1.5-rc.2`，连打包签名、自动更新的流程都写好了。  最离谱的是，DeepSeek 没有发过任何公告、没有推文、没有博客，就是悄悄地把代码合进了 master 分支。 而且到目前为止，官方也没有放出安装包，想体验只能自己拉代码编译。 很符合 DeepSeek 低调的风格了，闷声干大事啊！  ## 吃波螃蟹 既然官方没放安装包，那我就自己动手编译跑一下，替大家吃一波螃蟹。哦不，是鲸鱼~ 整个过程其实不复杂，前提是你的电脑上已经装好了 Node.js（需要 22.19 以上版本）。如果没装过 Node.js，可以去 [Node 官网](https://nodejs.org) 下载最新的 LTS 稳定版本。 准备好之后，打开终端，依次执行下面 3 步。 > 当然，还有更简单的安装方式，就是你直接让 AI 帮你安装和运行。 **1、安装 pnpm 包管理器** DeepSeek Harness 用的是 pnpm 来管理依赖，先输入命令全局安装一下： ```bash npm install -g pnpm@11.7.0 ``` **2、克隆仓库并安装依赖** 把整个 Harness 仓库拉到本地，然后安装依赖。注意这个仓库很大，依赖也很多，安装过程可能会有点儿慢： ```bash git clone https://github.com/deepseek-ai/deepseek-harness.git cd deepseek-harness pnpm install ``` **3、启动桌面端开发模式** 输入一行命令搞定： ```bash pnpm run dev:desktop ``` 这一步会先编译整个项目，然后自动下载 Electron，也就是一个专门用来开发跨平台桌面应用的开源框架，很多知名应用比如 VS Code、Discord 都是用它做的。 过一会儿，你就能看到一个 Electron 窗口弹出来了，界面和 Web 端几乎没什么区别。  模型配置和 Web 端一样，在设置里填好 API Key 就能开始用了。我试了一下，跟 AI 对话、文件操作、工具调用、插件管理这些功能都是正常的。  不过好像有个明显的 Bug，整个应用内无法粘贴内容，DeepSeek 的 API Key 还是我一个字母一个字母手输进去的…… 期待后面改进吧，最好能有一些桌面端特有的功能。 ## 官方版会更好么？ 可能有人会问，社区已经有那么多桌面端了，官方下场做这个有什么不一样？ 我觉得 **最大的区别在于安全性。** 社区做的那些桌面端，不管是用 Electron 还是 Tauri，基本思路都差不多。它们会在你本地起一个 HTTP 服务，然后用桌面窗口去访问 `localhost` 上的这个服务。简单来说，就是给 Web 页面套了一个桌面壳子。 这种方式虽然简单，但有一个潜在的问题：你的电脑上开了一个端口。 如果你在公司内网或者公共 WiFi 环境下用，理论上同一网络下的其他设备是有可能访问到这个端口的。 而官方的桌面端完全没有开任何端口。它用了一套自定义的 `dsh-app://` 协议来传输数据，Electron 主进程和 DSH 后端之间通过进程管道直接通信，请求和响应走的是分帧字节流，生命周期控制则走 Node IPC。也就是说，从网络层面来看，你的 Harness 对外界是完全不可见的。  **另一个区别是版本绑定。** 官方把 Electron 壳、DSH 后端、Node.js 运行时绑成了一个整体，一起签名、一起发布、一起更新。社区版通常是桌面壳和 DSH 后端分开更新的，偶尔会出现版本不匹配导致的奇怪问题。而且官方自己维护更新通道，后续升级肯定会更及时、也更让人放心。 目前官方版本还处于很早期的阶段，没有预编译的安装包，必须自己从源码构建。日常使用的话，社区的 dsh-desktop 之类的项目体验确实更成熟。不过看官方的架构文档和签名流程，后续大概率会通过 `download.deepseek.com` 正式分发安装包，到时候应该就是双击安装、开箱即用了。  如果你还不了解 DeepSeek Harness，或者想学习更多 AI 编程工具和经验技巧，可以看看我免费开源的 [《AI 编程零基础入门教程》](https://ai.codefather.cn/vibe)，上千张图、几十万字，带你从 0 开始快速学会 AI 编程，做出自己的产品、跑通变现全流程，一次拿捏。 > 开源指路：https://github.com/liyupi/ai-guide  我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~ 评论区聊聊，你更喜欢用网页版还是桌面端的 AI 工具呢？

耗时 6 年，我终于拿到 B 站 100 万粉丝奖牌！公布明年的秘密计划（

大家好，我是程序员鱼皮。 从我在 B 站发出第一个视频到现在，整整过去了 6 年。 前几天我终于收到了官方寄来的 100 万粉丝奖牌，真的很久没有那么激动了，仿佛找到了我最开始做视频时粉丝破百的喜悦感。  这块牌子不是我一个人挣来的，是这 6 年里每一个点关注、投币、留评论的朋友一起堆出来的。 真的非常感谢大家！  以前我发视频基本都在讲教程、聊技术、测模型，从来没有在视频中回过评论。 这次我专门在动态里征集问题，评论区一下涌进来上百条，从 AI 编程工具问到创业经历，从学习路线问到感情八卦，什么都有。 我挑了 40 多条大家问得最多、也最值得聊的问题，一条条录成了视频。 > 视频指路：https://bilibili.com/video/BV1W9YH6HEtz 这篇文章就是那期视频的完整文字版，内容比较长，我按话题分成了 9 个部分，方便大家挑着看。 ## 1、我是怎么走上编程这条路的 #### 第一次做程序是什么时候？ 我第一次写程序是在高中，用的是一门估计大家都没听说过的语言，叫 Q 语言，也就是按键精灵的脚本语言。  学它的目的说出来有点不好意思，我纯粹是为了写自动打怪脚本。 这里还有个小故事，当时我沉迷一款叫 XX 三国的游戏，想氪金但手里没钱，就琢磨出一个思路，与其在游戏里辛苦打工赚游戏币，不如先在现实世界把钱赚到手，再充值到游戏里。 于是我真的跑到线下加入了一个刷单工作室，靠这个赚了点零花钱。  结果等我真赚到钱之后，反而舍不得往游戏里充了…… 不过写这些脚本的过程让我发现，原来自己挺喜欢编程这件事。那会儿我还是班里的计算机课代表，后来又参加了一个做网站的竞赛，拿了个三等奖，从此就彻底爱上编程了。 #### 鱼皮小时候是什么样的生活环境和经历？ 我小时候基本就是一个人待在房间里自娱自乐，左手拿着一个玩具，跟右手的玩具对话。 再大一点，我开始用 A4 纸和手写笔记本设计游戏，自己定规则、画地图、算数值，我管这个叫「纸游」和「本游」。 现在回过头看，那大概就是我最早的产品设计经历了。 #### 鱼皮哥是二次元吗？ 给大家看看我当年用过的头像和壁纸，请大家自行评价。  #### 如果能再选一次，鱼皮会选什么专业？ 当年填大学志愿的时候，我 10 个志愿全都填了计算机专业。 再让我选一次，肯定还是计算机，前提是这个专业未来还在。 #### 大学期间印象最深的事是什么？ 大学期间让我印象最深的一件事，是在保研和就业之间做选择。 纠结了很久，我最后还是决定直接进腾讯打工，立志把童年充进游戏里的钱赚回来。 一路走到现在，我一直都是自己做选择的，不会让别人替我做决定，我爸妈也从来不干涉我，真的非常感谢他们。 ## 2、我每天在用的 AI 编程工具 聊完过去，再说说现在。这次评论区问工具和实操的人最多，我挨个说一下。 #### 鱼皮最喜欢用的编程工具是哪一个？ 这题很危险啊。 以前做 Java 开发的时候，我用得最多的肯定是 IDEA。不过现在都是 AI 编程了嘛，我早就把 IDEA 卸载了。 目前用得最多的是 Cursor，其次是 Codex 和 Claude Code，然后是各种国产工具，没有任何广告成分。 #### 在哪个平台或模型上充值的 Tokens 最多？充了多少？ 肯定是 Cursor。 它对接了非常多的模型，我想测试新模型的时候特别方便，不用到处开一堆订阅，也不用担心被封号。 我用 Cursor 差不多有一年半了，整个团队算下来，少说也得花掉十几二十万，单位是元。 给大家看一眼最近一个计费周期的账单，光这一个月就烧掉了三千多刀。  #### 利用 AI 做长期项目时，如何确保随着内容增多，AI 的代码不会越来越乱？ 这个问题挺正经的，但回答起来很简单，你把 AI 类比成人类就明白了。 人脑的容量是有限的，所以我们会把重要的事情记下来，写进备忘录或者项目文档里。 让 AI 做项目也是一样的道理，你要让它把项目的关键信息整理成文档沉淀下来，之后每次干活先从文档里获取上下文，它就不容易跑偏。 除了写文档，还有一些别的技巧。比如把代码按功能拆分成多个模块，每次明确告诉 AI 这轮只改哪一个模块，它的改动范围就会收得很紧，不至于牵一发动全身。 #### 如何自己开发 Agent？ 打开一个 AI 编程工具，使用 `/grill-me` 拷问技能，然后把你的想法输进去，让 AI 一步步引导你把需求问清楚，剩下的交给它就搞定了。 这个技能来自 Matt 开源的技能库，它会像面试官一样反复追问你的需求细节，比你自己想提示词高效得多。 > 开源指路：https://github.com/mattpocock/skills  ## 3、Vibe Coding 时代，怎么提升编程能力 工具聊完了，接着就是这次评论区最焦虑的一批问题。 大家的担心其实高度一致，就是 AI 把活儿都干了，自己会不会废掉。 #### 现在每天上班开发就是 Vibe Coding，没时间再手动看生成的代码了，以后该如何提高自己的编程能力？ 完全不用担心！ Vibe Coding 已经是整个行业的趋势，你能指挥 AI 把工作完成，这本身就是一种能力。 真想补基础也不难，在工作之余主动看一点传统的技术教程或者技术科普，面试之前刷一刷面试题就够了。不用因为自己不再逐行手写代码，就觉得能力在退化。 #### 我是计算机专业本科生，应不应该平时完全用 AI 写代码？让 AI 写代码总有种作弊的感觉 你不用，你可能就落后了。 AI 编程是趋势，不是捷径。 腾讯在《2025 腾讯研发大数据报告》里披露过，公司超过 90% 的工程师在用 AI 编程助手 CodeBuddy，全公司 50% 的新增代码由 AI 辅助生成，相当于程序员每写两行代码就有一行是 AI 帮着完成的。  连大公司都这么干了，先进的工具和技术本来就是要学的，用 AI 写代码怎么能算作弊呢？ #### 以后的开发是不是偏向于维护和提问题？ 我觉得会更偏向于 **描述需求** 和 **验收成果** 这两件事。 往前一步，你要能把问题跟 AI 说清楚，说不清楚它就交付不出你想要的东西。 往后一步，你要能判断 AI 交出来的结果好不好，好在哪、差在哪、该怎么改。 这两头你都握住了，中间的代码具体由谁敲出来，其实没那么重要。 #### 如何在 Vibe Coding 中学习？ 多看 AI 的输出，并且直接利用 AI 来学习。 具体做法特别简单，记住这一句提示词就够了： ```markdown 请用傻子都能懂的方式回答我 ``` 别小看这句话。Claude 的母公司 Anthropic 最近开源了一个技能叫 ELI5，全称是 Explain Like I'm 5，意思是用讲给 5 岁小孩听的方式来解释任何话题。 > 开源指路：https://github.com/anthropics/claude-plugins-community 整个技能的核心就这一句话，跟我这个提示词异曲同工。  如果你想要更系统一点的效果，还可以用国外大神 Matt 开源的 `/teach` 技能。它会把 AI 变成你的私人教师，先摸清你为什么想学这个东西，再按你的节奏一点点搞出教程讲解。 > 开源指路：https://github.com/mattpocock/skills  #### 小白如何在 Vibe Coding 的过程中不断学习和进步，增强对 AI 的掌控感？ 不用想那么多，多用就是了。 先用 AI 把东西做出来，在练习的过程中慢慢找感觉。提示词不会写完全没关系，只要能说清楚自己的需求和目标就行。用着用着，你自然就知道 AI 什么时候听话、什么时候不听话了。 **掌控感是练出来的，不是学出来的。** 等东西做出来之后，再倒回去了解背后用到的技术。这时候你的学习是带着目标的，效率反而比一开始就死磕基础更高。 #### 研究生应该怎么利用好 AI 工具帮助自己？ 很抱歉我没有读过研，不太清楚你们具体的科研场景。 但这个问题我可以用最直接、最不绕弯子的方式回答你：**你把自己的专业和这个问题原封不动发给 AI 就行。** 记得带上前面那句提示词「请用傻子都能懂的方式回答我」，AI 现在真的是最好的私教 #### 自学编程或者教别人学编程的过程中，遇到最难的问题是什么？ 好问题，我记得有张图特别能说明这件事。  很多问题明明教程和文档里都写得清清楚楚，但就是因为没有认真看文档，最后踩了坑。这类问题最难的地方不在技术本身，而在于人不愿意去读。 好在现在有 AI 了，你可以把整份文档丢给它，让它替你读完再回答你的问题，这个坑基本算是被填平了。 ## 4、给学生和求职者的建议 上面那批问题大多来自已经工作的朋友，评论区里还有不少在校生，他们关心的事情又不太一样。 #### 给非 92 的计算机大一学生有什么建议？ 无论是不是 92，学习建议其实都是一样的，关键在于做好规划、多动手实践，学校的层次决定不了你四年后的样子。 我很早之前录过一期《我的大学四年规划》，把每一年该干什么讲得比较细，建议新同学去看一下。 > 视频指路：https://codefather.cn/live/1788387889965436929  相信我，四年后你会来感谢我的。 #### 对于学人工智能的学生有什么建议吗？ 也是一样的，多做东西、多实践，别只跟着学校学。课本里的内容很可能已经和企业里的实际应用脱轨了，你等着老师讲完再动手就太晚了。 最关键的一点是多看鱼皮的视频（哈哈哈哈哈哈哈哈。 #### 如何看待今年秋招大量缩减岗位？还有两年毕业，如果做不了计算机开发，如何提前规划别的职业？ 首先我不太清楚你是在哪里看到这个信息的。就我观察到的情况，有不少传统开发岗位其实是转成了 AI 全栈开发，招聘需求并没有消失。 拿字节今年的校招来说，技术和产品岗位的需求占比超过 70%，算法类岗位需求比去年还有增加，而且首次上新了 AI 全栈工程师、AI Agent 开发这些岗位。  AI 发展起来了，时代变了，肯定是要学新东西的，比如 AI 编程，学就好了，不用慌。 岗位不是消失了，只是换了一种形式和名字，而适应变化本身就是程序员最核心的能力。 #### 在 AI 高速发展的今天，开发的学习路线是否发生了变化？如果重回大一，鱼皮你会干什么？ 学习路线肯定是有变化的。放在今天，我建议先学 AI 编程，把东西做出来拿到正反馈，再倒回去补传统技术基础，这个顺序和几年前是完全反过来的。 具体的路线比较长，我在 [编程导航](https://www.codefather.cn/) 里完整分享过，包括每个阶段学什么、做什么项目、怎么写进简历。  至于如果重回大一，我肯定是做自媒体起号，然后尽快在校园里创业。 大学时候大家还很单纯、有冲劲，试错成本也低，等出来打工几年之后想重燃这份热情，真的很难。 ## 5、编程这条路怎么才能走得久 聊完短期的规划，再聊聊长期的坚持。 #### 鱼皮你是如何坚持下来编程的？编程的乐趣在哪？来点小故事。 我觉得编程本身是没什么乐趣的，有乐趣的是你用编程创造东西。 比如我之前写过一个抢课工具，帮自己抢到了一门特别难抢的课，还做过整人软件，甚至做过表白网站。这些东西技术上都不复杂，但每一个都实实在在解决了我当时的问题，那种爽感是刷题刷不出来的。  你也可以试着用编程解决自己生活里的一个小麻烦，从这里开始就够了。 #### 鱼皮大学用了很多时间在编程，想问问怎么持之以恒的？ 我很久之前就分享过自己大学四年的学习经历，想让自己坚持下来，核心是要有源源不断的输出和成就感。 比如做出一个作品就分享给别人看、组队去参加竞赛、找一份实习赚点钱给自己买设备。 这些事情会不断给你正反馈，有了正反馈，学编程就不再是一个难搞的任务，而变成了你自己想干的事。 #### 普通人想在编程这条路走远，最核心的底层能力是什么？ 好家伙，这么深奥的问题？！ 我觉得最重要的能力就是能坚持学习新东西、能适应变化，有这一条就够了。 现在 AI 发展成这样，写程序本身已经没有什么门槛了，但你不用、不学，差距就会被慢慢拉开。 #### 工作了两年，同样对比鱼皮工作两年 996，回家只想躺着，对于工作后的额外任务是如何协调的？  提问的同学说大二就开始看我了，那真的是从小看我到大。 其实我的很多时间都是挤出来的。白天尽快把工作完成，想办法提高效率，下班之后才有精力做一些自己感兴趣的事。 **这个顺序不能反，先把主业的事情干利索了，额外的时间才是真正属于你的。** 如果你回家只想躺着，说明你还没有找到让自己动起来的动力。不妨试试 Vibe Coding，成本很低，说不定就让你感受到创作的乐趣了。  #### 平时工作用的哪些顺手的设备，或者说好的工作习惯？ 这期没有广告，所以设备我就不推荐了。 工作习惯里我觉得最重要的一条，是把大的工作分解成你觉得很轻松就能完成的小任务。 任务一旦小到你不抗拒，就能利用碎片时间往前推一点，积少成多，最后你会发现那件看起来很大的事已经做完了。 #### 有没有什么好的学习建议能提高技术、找到更好的工作？  我觉得 **想得越多，做得越少**，迷茫可能是因为想太多导致的。 其实要做的事情很简单。每天看 3 篇技术文章或者 AI 编程教程保持输入，同时用 AI 编程上线一个属于你自己的王牌项目并且持续打磨它，面试之前再刷一刷 [面试鸭](https://www.mianshiya.com/)，升职加薪基本就是时间问题了。  ## 6、聊聊创业、公司和副业 这部分是大家问得最多的私事，我绝对坦诚。 #### 鱼皮为什么想要从大厂出来开始自己做？ 我 23 年从腾讯离职的那期视频里有提到过，主要原因是在公司已经没有什么成长了，再加上当时 AI 的势头很猛，我就想自己折腾一下试试看。 当然这个决定也离不开关注我的朋友们给我的底气，如果当时没人看我的内容，我大概是不敢走的。 #### 现在 AI 发展那么快，有没有后悔离开鹅厂？ 完全不后悔，而且我觉得自己离开的时机恰到好处。 这是我考虑了很久才做的决定，离开的时候，办公室的场地都已经租了好几个月了。 等到真正做出决定的那一刻，什么都不要想，干就完了！ 你确实不知道哪个选择是最好的，但你可以努力把自己做的这个决定变成最好的选择。 #### 好奇鱼皮的公司现在经营的怎么样？ 确实很久没有聊自己公司的情况了，都怪 AI 时代节奏太快，新模型新教程根本出不完。 坦诚地说，现在公司人数少了，场地大了，也更灵活了。后面我再专门给大家介绍一下新场地吧。 #### 入职贵公司需要准备什么？ 这个问题问得很好，正好我们团队最近在招人，而且不卡学历！ > 指路：https://yuyuanweb.com/join  我自己是个很注重细节的人，所以希望候选人做事细心、有责任感。 另外对于创业公司来说，需要候选人有一颗热忱之心，保持积极向上。 #### 如果你没有当程序员，可能会在什么其他行业工作？如果现在转行，什么方向比较适合？ 我大概会去开线下店，比如开个桌游店，然后设计自己的桌游。 这不是随口说的，我确实这么干过。25 年我开了一家剧本杀桌游店，后来因为一些妖魔鬼怪倒闭了。  虽然结果不太好，但我还是觉得要做自己最感兴趣的方向，起码这个过程中你是快乐的。 #### 现在如果要互联网创业，该做什么方向呢？ 我的排序是做自媒体 > 卖课，卖课 > 用 Vibe Coding 做产品，真心话。 前面两件事的确定性更高，你付出的时间基本能换回对应的回报。 做产品的不确定性要大得多，而且很多人低估了推广的难度，东西做出来其实只是个开始。 当然，自媒体和卖课也都不容易，还是需要你有一个明确的方向、并且有东西持续输出的，如果你能把这些精力投入到主业上，结果肯定也不会差。 #### AI 时代程序员如何搞副业呢？ 好问题，我自己就是副业变主业的。 AI 时代最大的变化是创造成本被打下来了，有了 AI，一个人就能搞定过去一个团队的活儿，所以机会真的很多，关键是你愿不愿意迈出第一步。 具体怎么迈呢，可以先跟着我免费开源的 AI 编程教程，用 Vibe Coding 做出你的第一个作品，然后发到社交平台上分享出来。 有了第一个作品和第一批反馈，剩下的路是越走越宽的。 > 教程指路：https://github.com/liyupi/ai-guide  #### 讲讲普通人怎么开始做自媒体的？有什么赛道适合普通人呢？ 我的建议是 **保持真实接地气**，从你自己的职业和经验出发，分享你最擅长的那件事。别一上来就想做自己不熟的领域，那样撑不了几期。 AI 视频现在虽然很火，但成本也高，而且非常容易同质化，我不太建议普通人从这里切入。 正好我最近在考虑线下带一些朋友做自媒体。 > 啊我随便说的，不要找我咨询。 ## 7、课程、教程和出书的计划 #### 鱼皮有没有开设一门编程课的想法，比如 Agent 开发？ 不会还有人不知道吧，我已经做了整整 4 年的课程了！ 编程导航、面试鸭、AI 导航都是我的网站。  毕竟我擅长做课，和卖课。 #### 会做针对零基础的 Java 视频教程吗？ 应该有很多同学都是通过 Java 学习路线那期视频认识我的吧。 你别说，我 25 年的时候真的花了整整一个月去写一套 Java 零基础教程。  但后来 AI 发展得太快，我的创作方向也转到了 AI 编程，我觉得现在完全可以直接用 AI 帮你学 Java，没有必要再专门搞一套视频教程了，所以那套教程到现在都没有发出来。 #### AI 兴起了，还会出基础技术视频教程吗？ 坦白说，传统技术的视频教程估计是不会再出了。 现在的 AI 已经可以直接生成交互式的教学网站，你想学什么就让它现场给你搭一个，比看录播视频的效率高很多。 大家喜欢的小阿巴系列，估计也只能偶尔限时返场了。 #### 买过鱼皮的书，有没有新书规划？ 我确实在 24 年出版过自己的《编程导航，全栈项目实战课》，当时还冲上了某东图书销量总榜第一，签名快把我的手签断了。  但现在 AI 发展太快，书籍太容易过时了，一本书从写完到上架就要好几个月，所以我目前没有出书计划。 ## 8、来点轻松的 正经内容差不多聊完了，剩下这几个问题纯属整活，介意的朋友可以直接跳到下一部分。 #### 鱼皮你谈了没？别告诉我你和小鲸鱼谈的  怎么会有人和小鲸鱼谈恋爱啊，我肯定更喜欢大肥鱼！  #### 讲讲鱼哥的感情史。  放下过去，珍惜当下，一切都是最好的安排。 #### 读到我说大喊一句「鱼皮是狗」  鱼皮是狗！  你小子，AI 检测器是吧。 #### 可以拍拍鱼皮哥一天工作的流程 Vlog 吗？ 行，那就给大家看看我一天的真实状态。 早上到公司的时候还是充满希望的，加油加油加油。  然后坐下工作……  唉，又是疲惫的一天呐，就是这么枯燥。  ## 9、关于人生和未来 #### 你觉得人生的意义是什么？ 这个问题我想了很久。  开心就好，想那么多干什么！ #### 以后你打算做什么？之后有什么发展方向？ 近两年肯定还是关注和分享 AI 编程，毕竟新东西太多了，我自己都学不完，更分享不完。 不过我真的很希望自己的精力还能跟得上…… 毕竟明年很有可能…… 要生小孩啦。 ## 最后 写到这里，40 多个问题差不多都回答完了。 最后哔哔几句，一个人闷头做内容做 6 年是件挺难坚持的事，能撑到今天靠的就是评论区里那些声音，有催更的、纠错的、说自己靠着某个项目找到工作的，也有一直喊我是狗的。 总之，非常感谢大家这么多年的支持，我会继续输出内容的，干就完了！

刚刚 DeepSeek V4.1 Flash 正式发布，竟然干掉了自家的 Pro 模型？！梁圣回归

大家好，我是程序员鱼皮。 刚刚，DeepSeek 正式发布了 V4.1 Flash 模型。 它是一个 552B 参数的 MoE 模型，采用了全新的模型结构，**原生支持多模态视觉理解**，而且直接开源了。  这次更新力度很大。DeepSeek 网页版原来的快速、专家、识图 3 个模式直接合并成了一个入口，用户不需要再手动选模式了，AI 会根据任务复杂度自动调度，检测到图片就自动激活视觉能力。  炸裂的是，DeepSeek 官方称：**V4.1 Flash 在性能、费用、速度、总用时等各项指标上已经全面超越 V4 Pro！** 好家伙，自家的快速模型吊打旗舰模型？ 要知道，DeepSeek 的 Flash 模型比 Pro 模型便宜好几倍！效果反而更好？ 那之后谁还会用 Pro 模型啊？  果不其然，官方已经下线了旧的 V4 Flash 和 V4 Flash Vision Exp 模型，而且 9 月 14 日 V4 Pro 也要正式下线，到时候所有发给 V4 Pro 的请求全部自动路由到 V4.1 Flash。 相当于 Flash 彻底把 Pro 干掉了…… 那 Flash 模型真的比 Pro 强么？差距有多少？我打算自己测一测。 于是我准备了 **2 个不同类型的项目**，同时拉上很火的 GLM-5.3-Flash 做横向对比。 这次测试我特意从日常使用场景出发，DeepSeek 的两个模型放在 DeepSeek Harness 里跑，GLM-5.3-Flash 放在智谱自家的 ZCode 里跑。你平时用哪个模型就搭配对应的自家工具，往往能获得更好的效果。 ## 怎么用 V4.1 Flash 如果你用的是 DeepSeek Harness，更新一下版本，V4.1 Flash 就可以直接在模型列表里选了，不需要额外配置。  如果你是通过 API 调用 V4.1 Flash，现在模型名简化成了 `deepseek-flash`，不用修改 base_url。之前的 `deepseek-v4-flash` 和 `deepseek-v4-flash-vision-exp` 也会自动路由到新模型，不用改代码。 ## 项目实战测评 ### 3D 程序化城市生成器 第一个案例对标的是 OpenAI 官方展示馆里那个用 GPT-5.5 做的程序化城市生成器，我之前测 GPT-6 Astra 的时候用过同一段提示词，效果非常惊艳。这次拿同样的提示词让 3 个 Flash 级模型来做，正好能看出差距。 提示词很简单，我让 AI 做一个程序化 3D 城市生成器的网页应用，至少包含重庆、上海、西安、深圳、江南五种城市风格，切换风格之后建筑形态、色调和地形要有明显差异。编辑器布局和参数维度怎么设计我一个字都没提，让 AI 自己去搜官方那版的产品设计，在此基础上做中国版。  来看看三个模型各自做出了什么效果。 #### DeepSeek V4.1 Flash V4.1 Flash 拿到任务后，先用 Firecrawl 联网搜索了官方 Showcase 的产品设计，分析完参数维度之后才开始写代码。AI 选的技术栈是 Vite + TypeScript + Three.js，没有多余的框架依赖。 整个过程跑了 250 步，LLM 推理只花了 18 分钟，输出速度达到了每秒 287 tokens。不过工具调用花了 83 分钟，总用时被拉得比较长。  看看成品效果。第一眼看上去感觉还不错，错综复杂的重庆山城给做出来了，右侧有完整的城市生成器控制面板，城市风格、布局参数、天际线、地块配比全都能自由调整。  通过拖拽和滚轮可以自由移动和放大视角，能看到更多细节，比如道路上行驶的车流。 右侧面板里还能自由调整建筑密度、街区尺度、街道形态、商业和居住占比等等。  切换到上海，你能认出来中间那几栋最高的建筑么？  整体功能虽然完成了，但是精细度还差点儿意思。比如看看西安城市的效果，很难说一眼就能认出来是古都的感觉。  #### DeepSeek V4 Pro V4 Pro 的最大问题是没有视觉能力。AI 写完代码之后没办法自己截图看一眼效果对不对，只能通过调用子 Agent 让其他有视觉能力的模型帮忙验证。  先看看重庆的效果，建模的精细度明显不如 V4.1 Flash，尤其是这个橙色的大桥，有点出戏。  再切换到上海。 额，这个东方明珠我怎么看怎么像糖葫芦，而且怎么还建在水上了呢？  直接就是一个大失败啊！ 还好我替你们测了，不要浪费钱去做这玩意啊！ #### GLM-5.3-Flash 再看看 GLM-5.3-Flash 生成的效果，第一眼看上去还不错，建筑上的灯光效果做了出来，这个夕阳的氛围也挺有意境。  不过放大看细节就露馅了，有明显的穿模问题，画面中还有很多飞来飞去的小方块，不知道是什么东西。  看看上海的东方明珠，我觉得比前两个略好一点，但也有明显的 Bug，塔尖凭空悬浮了，而且好多大楼直接建到了水上……  看到这里，我个人认为 V4.1 Flash 的完成度和细节丰富度最高，GLM-5.3-Flash 的氛围感做得不错但细节 Bug 更多，可以说二者半斤八两吧。至于 V4 Pro 的效果，确实是三者之间最拉的。 #### GPT-6 Astra 之前我用同一段提示词测 GPT-6 Astra 的时候，AI 只用了 18 分钟就交卷了，而且每种城市的精细度都非常高。  整个的建模正确性也更高，可以说 GPT-6 Astra 完爆这三个 Flash 级模型，差距一眼就能看出来。  不过这也是理所应当的，毕竟 Astra 是全球顶级模型，价格贵了不知道多少倍，跟 Flash 模型比效果就有点欺负人了…… ### AI 智能绘图工具 第二个项目考的是全栈工程能力。我让 AI 开发一个 AI 智能绘图工具，用户通过自然语言描述，AI 自动生成可编辑的流程图、架构图和思维导图，前端在 draw.io 编辑器的基础上二次开发，加上 AI 对话面板，支持连续对话修改图表。  #### DeepSeek V4.1 Flash V4.1 Flash 先联网抓了 draw.io 官方的嵌入协议文档和 GitHub 仓库，研究了一遍源码之后找到了零改动嵌入的方案，然后才开始写代码。 打开成品页面，整个界面布局很有科技感，AI 把 draw.io 深度融合到了项目里，连产品名都自己取了一个叫 DrawMind。左侧是 AI 对话面板，右侧是完整的 draw.io 画布编辑器。  我让 AI 画一个微服务电商系统的架构图，能实时看到 AI 的思考过程，而且输出速度非常快，20 秒左右就完成了。  画出来的架构图效果很好，分层清晰、节点整齐、没有错位，这点比之前用 V4 Pro 来画的要好不少。  更关键的是连续对话修改的能力。我说「把业务服务层的背景改为红色」，AI 精准定位到了对应的元素并修改样式，右侧画布实时更新，改得又快又准。  我又试了一些其他类型的图，流程图、思维导图都能正常生成，没有出现生成失败的情况，比较稳定。  #### GLM-5.3-Flash 再来看看 GLM-5.3-Flash 在 ZCode 里做出来的版本，花了大约 46 分钟。 界面同样很有科技感，而且也成功把 draw.io 深度融合了进去：  生成架构图的效果也不错，分层清晰，但是有时候会有些连线错位的问题：  同样支持连续对话修改：  不过多试几遍就会发现，偶尔会出现生成的 XML 跟 draw.io 不兼容的情况，画布上弹出解析报错，稳定性差了一些。  #### DeepSeek V4 Pro V4 Pro 做出来的版本就差了不少。 最明显的问题是 draw.io 被很生硬地嵌入到了页面里，左下角的文字还出现了溢出，右侧画布默认显示的是一大坨空白和加载图标。  AI 生成图表的功能是可以正常使用的，但是没有 AI 思考过程实时输出的能力，生成速度和准确度也都一般。  简单总结一下，显然 V4.1 Flash 的整体完成度最高，draw.io 成功集成、生成速度快、连续对话修改精准，而且只花了 21 分钟。 GLM-5.3-Flash 的前端效果跟 V4.1 Flash 不相上下，但耗时翻倍到 46 分钟，偶尔还会出现 XML 兼容性问题。 V4 Pro 成功垫底，界面生硬、功能粗糙、没有思考过程输出。 ## 测试总结 两个项目跑完，我觉得 V4.1 Flash 确实做到了全面超越 V4 Pro。 首先，原生多模态太方便了！ V4 Pro 写完前端之后看不到自己画面长什么样，只能瞎猜或者调用子 Agent 帮忙看一眼，这个体验非常割裂。V4.1 Flash 直接自己截图验证，该修就修，生成的质量明显高了一档。 然后是 **速度**。我额外做了一个对比测试，让两个 DeepSeek 模型用相同的提示词各写一篇一万字的小说。  结果 V4.1 Flash 的输出速度达到了 160 TOK/s，V4 Pro 只有 50 TOK/s，差了整整 3 倍！ 首 token 延迟也差很多，V4.1 Flash 只要 0.3 秒，V4 Pro 要 1.1 秒。日常用的感受就是 V4.1 Flash 秒回，V4 Pro 要稍微等一下。写代码的时候这个差距体感更明显，287 TOK/s 的速度下屏幕上的代码几乎是瞬间刷出来的。 再看看 **花了多少钱**。 V4 Pro 光是做一个 3D 城市生成器就花了大约 16 元，而 V4.1 Flash 开发完两个项目才花了不到 10 元，平均每个项目 5 元左右。  另外 DeepSeek 今天同步调整了 Flash 系列的定价，空闲时段缓存命中的输入价格降到了 0.02 元 / 百万 token，日常开销低了很多。 看来 DeepSeek 可以重新作为日常 AI 编程和办公的推荐模型了。 我单方面不负责任地宣布：**梁神回归！**  最后再分享个小故事，关于 V4 Pro 下线这件事，DeepSeek 的本意是给用户免费升级模型，V4 Pro 的请求自动路由到 V4.1 Flash，还按更便宜的 Flash 价格计费。 听着是好事对吧？ 结果反而遭到了一堆开发者的吐槽。很多人已经把 V4 Pro 接进了自己的线上产品，提示词、参数、业务逻辑全部是按 V4 Pro 的行为特征调过的，突然换一个模型底座，输出风格和能力边界都会变，线上产品可能直接出问题。  还有人担心 V4.1 Flash 虽然跑分超过了 V4 Pro，但在自己的特定场景下不一定更好，「全面超越」和「我的场景也超越」是两回事。 这种情况在 AI 行业已经不是第一次了，几乎每一家厂商做模型升级的时候都遇到过类似的争议…… 你怎么看？

dsh现在太费了，一个任务10块没得了，这谁顶得住😱 这块有没有优化空间？

DeepSeek Harness 接入 GLM-5.3 并配置思考强度

本文主要解决 DeepSeek Harness 在添加 GLM 系列的模型时会出现，拉取不到最新的 glm-5.3 ，直接输入模型名称后会发现无法选择思考强度的情况。 其他 DeepSeek Harness 还不支持的模型也可以参考这个 ## 具体步骤 1. 设置-模型-选择模型提供方为 zai-coding-cn，展开自定义设置，手动点击「添加模型」，填入 glm-5.3，然后保存。  2. 点击右上角“打开配置文件”  3. 在 glm-5.3 的配置处添加如下配置 ```yaml contextWindow: 1000000 maxTokens: 131072 reasoningEfforts: low: low high: high max: max ```  4. 保存，然后重启 DeepSeek Harness 即可   统一有一个 Default 的思考档位，没怎么研究过源码。不知道 Default 走的是什么思考强度。所以使用时尽量还是手动选择档位好一点 ## 其他发现 在 C 盘用户目录下的`\.dsh\profiles\node_modules\@earendil-works\pi-ai\dist\providers\data`下能看到所有 DeepSeek Harness 模型配置的 Json 但是我没有修改这个，考虑到 DeepSeek Harness 以后应该也是会更新这个列表的，所以就没有考虑动这个。 

#DeepSeek Harness 兄弟们，有没有什么好用的插件推荐用一用👈

DeepSeek Harness 桌面端

这两天一直在将 DeepSeek Harness web 端通过 vibe coding 改造成桌面端，Token消耗起飞，但是最终还是弄出来了，也是完全开源：https://github.com/Meditationacm/dsh-desktop.git 细节部分肯定是没打磨好的，继续完善  

给 Codex 和 Claude Code 接入 DeepSeek-V4-Flash，夯爆了！

大家好，我是程序员鱼皮。 这几天 DeepSeek-V4-Flash 正式发布 API 公测了，这个模型主打一个性价比高，输入 1 元 / 百万 token、输出 2 元 / 百万 token，大概只有 V4-Pro 十分之一的价格。  重点是它这次在 Agent 能力上做了大幅强化，在专门测试 AI 自主执行终端任务的 Terminal-Bench 上拿到了 82.7 分，竟然反超了自家的 V4-Pro 预览版（72.1 分），写代码、调工具、自主执行任务都很能打。  再看看这张网传的 DeepSeek V4 斩杀线，**最新版的 DeepSeek-V4-Flash 秒了一大半模型！** Agent 能力强 + 性价比极高，比它聪明的模型都贵很多倍。  **更香的是，它原生支持了 Responses API，可以直接接入 Codex，不需要任何协议转换。** 这下解决了一个让很多人头疼的问题。之前很多人想学 AI 编程，想耍一耍目前最流行的 Codex 和 Claude Code 编程工具，结果一上手就卡在了第一步。 要么没有国外的订阅账号，登录都登录不上；要么好不容易开通了，发现官方额度死贵，对话一会儿额度就耗光了；再加上时不时还有封号的风险，整的提心吊胆。  **咱们怎么能因为「用不了工具」这种事，就把学 AI 编程的劲头给浇灭了呢！**  其实 Codex 和 Claude Code 都支持切换模型，咱们直接用 DeepSeek-V4-Flash 来驱动它们就行，量大管饱、不用魔法、也不怕封号。而且现在 DeepSeek 官方已经做了原生适配，接入流程比以前简单多了。 接下来，只要几分钟，我会手把手带你把 DeepSeek-V4-Flash 接到 Codex 和 Claude Code 里，看完你就能跑通整套流程，想换哪家模型都是一样的操作。 点个收藏，咱们开始~ ⭐️ 本文对应视频版：[https://www.bilibili.com/video/BV1Xsuc67ExR](https://www.bilibili.com/video/BV1Xsuc67ExR) ## 准备 DeepSeek 的 API key 不管接哪个 AI 编程工具，都得先有一个 DeepSeek 的 API key。 到 [DeepSeek 开放平台](https://platform.deepseek.com) 注册登录，进入 API keys 页面，点击创建一个新的 key。  注意，API key 只会在创建时完整显示这一次，记得当场复制保存好，后面配置的时候要用到它。 ## DeepSeek 接入 Codex Codex 是 OpenAI 推出的 AI 编程工具，最近的热度堪称炸裂，经常赠送重置额度，使劲蹬都蹬不完。 它有 2 种形态，一种是在终端里跑的命令行版 Codex CLI，一种是带图形界面的桌面 APP。  命令行版的安装方式很简单，先确保电脑里有 Node.js 环境，没有的话去 [Node 官网](https://nodejs.org/en/download) 下个傻瓜式安装包。 打开终端，输入一行命令就能搞定： ```bash npm install -g @openai/codex ``` 装好后在终端输入 `codex` 就能进入对话界面，首次使用需要登录 OpenAI 账号。没有账号的话，就要自己折腾一下切换个模型。  至于 Codex 桌面 APP 的安装和基础玩法，前段时间我出过一套《保姆级 Codex 视频 + 图文教程》，需要的同学直接到我的 [鱼皮 AI 导航](https://ai.codefather.cn/vibe) 自取：  ### 方法 1、一键脚本配置（推荐） DeepSeek 官方提供了一个配置脚本，跑一下就能全部搞定。 在运行之前，确保你已经安装了 Codex CLI 或者 ChatGPT 桌面 APP，并且至少启动过一次。让它生成好 `~/.codex` 配置目录，脚本要往里面写东西。 > 官方文档参考：[https://api-docs.deepseek.com/quick_start/agent_integrations/codex/](https://api-docs.deepseek.com/quick_start/agent_integrations/codex/) Windows 用户在 PowerShell 执行： ```powershell irm https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.ps1 | iex ``` Mac 或 Linux 用户在终端执行： ```bash bash <(curl -fsSL https://cdn.deepseek.com/api-docs/codex-deepseek-setup.sh) ``` 脚本启动后会让你选择要用的模型，目前 DeepSeek-V4-Flash 已经可以直接选了，输入「1」就好：  首次运行时，它还会让你输入 API Key：  然后按回车键执行，唰唰唰，脚本就帮我们把 DeepSeek 接入到 Codex 中了~  为什么这次接入这么简单？ 因为以前给 Codex 接国内模型，最大的麻烦是协议不兼容。Codex 用的是 OpenAI 的 Responses API，而国内模型走的是 Chat Completions API，这俩压根儿不是一套东西，你直接改个 Base URL 大概率会报 404 错误，得在本地起一个代理做协议转换才行。 但这次 DeepSeek-V4-Flash 官方原生支持了 Responses API 格式，不再需要任何中间层，配置完就能直接跑通。 多说几句，这个脚本会自动完成下面几件事： 1. 把你现有的 Codex 配置备份到 `~/.codex/backup-deepseek/` 目录，随时可以恢复 2. 生成一个 `~/.codex/models.json` 文件，告诉 Codex 关于 DeepSeek 模型的元数据（上下文窗口大小、支持的推理等级等等） 3. 修改 `~/.codex/config.toml`，写入 DeepSeek 的接口配置，你之前设置的 MCP 服务器和项目配置都会保留 4. 自动校验配置语法，如果有错就中止，不会损坏你的文件  配置完成后，重新打开 Codex，启动横幅如果显示 `deepseek-v4-flash`，就说明配好了：  如果你用的是 ChatGPT 桌面 APP 或者 Codex 的 VS Code 插件，不用单独配置，直接打开就能用 DeepSeek 模型了，因为它们和 CLI 版共用同一套配置文件。  想切换回官方模型的话，重新跑一遍脚本，在菜单里选恢复选项就行。  怎么样，是不是比想象中简单多了？ ### 方法 2、手动编辑配置文件 如果你不想跑脚本，也可以自己手动修改配置文件，两步就能搞定。 第一步，在电脑的用户目录下找到 `.codex` 文件夹（Mac/Linux 路径是 `~/.codex/`，Windows 是 `%USERPROFILE%\.codex\`），创建一个 `models.json` 文件。 文件中的内容可以到 [DeepSeek 官方文档](https://api-docs.deepseek.com/zh-cn/quick_start/agent_integrations/codex/) 复制。  这个文件的作用是告诉 Codex 关于 DeepSeek 模型的各种参数信息，比如支持 100 万 token 的上下文窗口、支持 low / high / max 三档推理深度等。 第二步，在同一个目录下编辑 `config.toml` 文件，添加下面这段配置： ```toml model = "deepseek-v4-flash" model_provider = "deepseek" preferred_auth_method = "apikey" forced_login_method = "api" model_reasoning_effort = "high" model_catalog_json = "~/.codex/models.json" [model_providers.deepseek] name = "deepseek" base_url = "https://api.deepseek.com/" wire_api = "responses" experimental_bearer_token = "<你的 DeepSeek API Key>" ``` 把其中的 `experimental_bearer_token` 换成你自己的 API Key 就行。 这里的关键是 `wire_api = "responses"`，它告诉 Codex 用 Responses API 协议跟 DeepSeek 通信，而 DeepSeek-V4-Flash 原生就支持这个协议，所以能直接跑通。 保存文件后重新打开 Codex，就能用 DeepSeek-V4-Flash 了。 ## DeepSeek 接入 Claude Code 搞定了 Codex，再来看看 Claude Code。 虽然 Claude Code 之前因为封号问题闹得臭名昭著，我之前也写过 [相关文章](https://mp.weixin.qq.com/s/oMoYdfKN8_ZZ2tNwa9aIKw) 对其进行了一番《赞美》。但不得不承认，它在 AI 终端编程工具里的能力确实很强，如果改为对接国内的模型，就不用担心被封号了。 DeepSeek 官方目前只提供了 Codex 的原生集成方案，Claude Code 这边接第三方模型最省心的方式还是用 **CC Switch** 这个开源工具。 ### CC Switch 是什么 像 Claude Code、Codex 这些 AI 命令行工具，每一个的配置格式都不一样。如果你想给它们换个模型供应商，得自己去翻文档，手动编辑 JSON、TOML 或者 `.env` 文件，填一堆 Base URL、API Key、模型名之类的参数。说不定改错一个字符就跑不起来，想在几个模型之间来回切换就更麻烦了。。。 CC Switch 就是来解决这个痛点的。它是一个免费开源的跨平台桌面工具，用一个可视化界面统一管理 Claude Code、Codex、Gemini CLI、OpenCode 等多个 AI 编程工具的配置。 > 开源指路：[https://github.com/farion1231/cc-switch](https://github.com/farion1231/cc-switch)  CC Switch 内置了 50 多个供应商预设，DeepSeek、Qwen、Kimi、智谱 GLM、MiniMax 这些都有，你不用自己手动改配置文件，点几下就能一键切换模型，还能从系统托盘里快速切换。  下面我就用它来带大家实操一遍。 ### 安装 CC Switch 打开 [CC Switch 官网](https://ccswitch.io)，根据你的操作系统选择对应的安装方式。  Mac 用户推荐直接用 Homebrew 这个软件包管理器，输入一行命令安装，直接就能用： ```bash brew install --cask cc-switch ```  Windows 用户下载 `.msi` 安装包，双击运行即可；Linux 用户根据发行版选择 AppImage，或者 deb / rpm 软件包。  安装完成后启动 CC Switch，主界面会出现在桌面或者系统托盘里。 ### 安装 Claude Code 并切换模型 先简单介绍一下，Claude Code 是 Anthropic 推出的 AI 编程工具，直接在终端里运行，你跟它聊天描述需求，它就能自主分析项目、写代码、跑命令、修 Bug，全程自主执行。  安装 Claude Code 很简单，打开终端，输入一行命令搞定： ```bash npm install -g @anthropic-ai/claude-code ``` 装好后在终端输入 `claude` 就能进入对话界面，首次使用需要登录。但很多同学没有 Anthropic 的官方账号，登录这步就卡住了，根本没法直接用。 别急，下面就用 CC Switch 把它切换成 DeepSeek V4 模型。 打开 CC Switch，在顶部应用栏选择 **Claude**，然后点击「添加供应商」：  在预设的模型供应商列表里选择 **DeepSeek**：  接下来填写刚才在 DeepSeek 开放平台创建好的 API Key：  其余字段基本不用动，CC Switch 的 DeepSeek 预设已经帮你把模型都配好了，内置了 DeepSeek-V4-Pro 和 DeepSeek-V4-Flash 两个版本。主模型默认是 Pro（对应 Claude Code 里的 Opus 位），小模型是 Flash（对应 Haiku 位）。 如果你想省钱又够用，直接全部用 V4-Flash 也完全没问题，它的 Agent 能力已经很强了。  填完点右下角的「保存」按钮。这里能看到 Claude Code 的 JSON 配置文件，CC Switch 干的活儿就是帮你可视化地修改它，省去手动编辑的麻烦。  最后点击启用 DeepSeek 模型：  重新进入 Claude Code，让它自报家门，输入一句：你是什么模型？ AI 能正常给出回复，就说明切换成功了：  你会发现，用 CC Switch 给 Claude Code 接 DeepSeek，整套流程格外简单。 这是因为 DeepSeek 提供了兼容 Anthropic 协议的接口，而 Claude Code 本身就是按这个协议来通信的，CC Switch 直接把配置写进 `settings.json` 就能用了。 ## 给 DeepSeek 加上看图能力 虽然 DeepSeek-V4-Flash 的 Agent 能力很强，但它是纯文本模型，不能理解图片。如果你在 Codex 或 Claude Code 中让它分析一张截图、看一下 UI 界面长什么样，它是做不到的。 不过这个问题也有现成的解决方案，就是给你的 AI 编程工具装一个 **Vision Skill**，用另一个多模态视觉模型来帮它「看图」。 比如这个通用的 [多模态视觉识别 Skill](https://github.com/asuojun/claude-vision-skill)，专门就是为 DeepSeek 这类没有视觉能力的模型设计的。而且由于 Skill 是通用的，Codex 和 Claude Code 等各种 AI 编程工具都能安装使用。 你需要先准备一个支持图片理解的视觉模型，比如通义千问最新的 Qwen3.8-Max，并且到对应的大模型平台获取到模型的 API Key。  然后直接在 AI 编程工具中发一段提示词，让 AI 帮你完成 Skill 的安装和配置： ``` 全局安装 Vision Skill（https://github.com/asuojun/claude-vision-skill），按照 README 的说明进行配置。 - 视觉模型用通义千问的 qwen3.8-max - API Key 为 <改为你自己的 API Key> ```  安装好之后，当 AI 遇到需要看图的任务时，Vision Skill 就会自动把图片发给视觉模型，让它把图片内容转成文字描述，再交给 DeepSeek 继续推理。  如果你平时写代码不怎么需要 AI 看图，这一步可以先跳过，等用到的时候再装也来得及。 ## 最后 好了，现在你的 Codex 和 Claude Code 都跑上 DeepSeek-V4-Flash 了，百万 token 上下文、Agent 能力拉满、价格还便宜到离谱，爽了爽了！  你会发现，学习 AI 编程的门槛真的低到不能再低了。 **工具和模型，都不该成为你学习路上的拦路虎。** 所以别再用「我没账号、用不起」当借口了，配好环境，赶紧上手把工具用起来才是。 OK 就分享到这里，本文会收录到我免费开源的 [《AI 编程零基础入门教程》](https://ai.codefather.cn/vibe)，上千张图、几十万字，带你从 0 开始快速学会 AI 编程，做出自己的产品、跑通变现全流程，一次拿捏。 > 开源指路：[https://github.com/liyupi/ai-guide](https://github.com/liyupi/ai-guide)  我是鱼皮，持续分享 AI 编程干货，觉得有用的话记得点赞收藏和关注。 也欢迎在评论区聊聊：你用 DeepSeek-V4-Flash 的体验怎么样？

如何快速在codex中使用DeepSeek-v4

# D老师性价比高，codex使用方便，界面简洁。 # 所以，应该如何将他俩结合起来呢？ # 我最近发现了个开源工具，可以快速的将D老师的API配置到codex中，废话不多说，直接上教程： ## 1、先安装codex，这个自己去官网官网下载就行，下载安装后不用登录 ## 2、下载这个工具  源码仓库地址：https://github.com/BigPizzaV3/CodexPlusPlus 安装包下载地址：https://github.com/BigPizzaV3/CodexPlusPlus/releases 下载适合自己计算机系统的安装包：  ## 3、成功安装后，**打开Codex++管理工具**，可以看到有这些功能：  ## 4、配置D老师的API： ### （1）进入供应商配置界面： ### （2）点击添加供应商：  ### （3）配置D老师的参数，填写完记得保存，然后返回列表  ### （4）在列表中找到你刚刚配置的，然后点这个测试按钮，弹窗提示测试成功，表示配置完成   ### （5）点击使用按钮，切换到你配制的供应商：  ### （6）最后点击右上角的重启codex按钮，打开codex软件：  ## 5、开始愉快的使用 来到codex软件界面中，在切换模型的选项中，可以切换想用的模型：  使用也是没有多大问题的：  在DeepSeek的API统计界面，也能看到确实调用了API：