#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： 

我用 DeepSeek V4 + Claude Code 开发了个「提肛助手」，这波给我爽麻了。。。

大家好，我是程序员鱼皮。 唉，久坐不动可以说是程序员的通病。像我天天忙的要死，根本没时间运动，但又不甘心让身体就这样退化，怎么办呢？ 于是，我通过询问 AI，了解到了「提肛运动」。通过增强盆底肌肉力量、促进局部血液循环，有效预防痔疮、改善大小便失禁，并提升肛门及相关盆腔器官的健康功能。 关键是这玩意随时随地都能做，太适合我了！  但我自己是个「运动白痴」，所以想到能不能通过 AI 编程，开发个「提肛助手」，帮助大家科学地进行盆底肌训练，傻子也能练对。 安排！ 下面我将全程用 Claude Code + DeepSeek V4 来开发一个完整项目，从安装配置到开发测试，手把手带你走一遍。看完这篇，你能学会 Claude Code 的保姆级使用方法，感受 DeepSeek V4 的实际编程能力，还能 get 到不少 AI 编程的实用技巧。 点个收藏，咱们开始~ ## 需求分析 这个项目叫「提肛助手」tgang-helper，核心功能其实不复杂。 1）提供科学的分级训练课程，区分男女和难度，涵盖快速收缩、持续收缩、阶梯收缩等多种动作类型。 2）训练过程中要有动画引导节奏，包括呼吸圈动画和人体姿势示范动画，让用户一看就知道该怎么做。 3）同时通过浏览器语音合成实时播报指令，让用户闭着眼睛也能跟练。 4）还有一个亮点功能，就是支持开启摄像头进行体位校正。实时检测你的站姿、坐姿是否正确，比如有没有驼背、耸肩、身体歪斜，当检测到姿势问题时，让 AI 提供个性化的纠正建议。 5）查看训练打卡日历和统计图表。  ## 方案设计 如果你完全没有任何技术基础，可以让 AI 帮你完成方案设计。 但这里为了节省时间和 tokens，我直接告诉 AI 怎么做。 虽然要做姿态检测功能，但是这个项目几乎是 **纯前端** 就能搞定！不需要复杂的后端。 技术栈上，我选择 Next.js + TypeScript，姿态检测用 MediaPipe Pose（纯前端运行），AI 对话通过 Next.js 的 API Route 代理调用 DeepSeek V4 模型，动画用 CSS 动画 + Framer Motion。 为什么不用 Python 后端？ 因为这个项目唯一需要服务端的地方就是代理一下 AI 接口调用，使用 Next.js 的 API Route 完全能搞定，没必要拆成前后端分离，越简单越好。  ## 环境准备 ### 安装 Claude Code 先简单介绍一下 Claude Code。它是 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。 除了基础的代码生成，还能使用工具和 Skills 技能包、连接 MCP 外部服务、用 Plugins 插件扩展能力，甚至搞多智能体协作，扩展性很强。  安装 Claude Code 很简单。 首先确保你的电脑有 Node.js 环境和 npm 软件依赖安装工具，没有的话，直接到 [Node 官网](https://nodejs.org/en/download) 下载傻瓜式安装包就好：  无论使用什么操作系统，都可以通过 npm，一行命令来安装 Claude Code： ```bash npm install -g @anthropic-ai/claude-code ```  安装完成后，输入 `claude` 命令进入对话界面，首次需要登录才能正常使用：  但估计很多同学没有 Anthropic 的国外订阅账号，所以我们要切换为国产模型。 ### 切换模型 Claude Code 本身是支持切换模型的，你可以通过「修改环境变量」或「编辑配置文件」来对接其他大模型的 API。 一般你使用哪家的大模型 API，直接看对应的官方文档，就能找到接入方法。 比如 [DeepSeek 的 API 文档](https://api-docs.deepseek.com/zh-cn/guides/coding_agents) 里就有现成的接入方法：  不过我更推荐用一个开源工具 **CC Switch**，能够可视化地管理 Claude Code、Codex、Gemini CLI 等 AI 编程工具的配置，一键切换不同的模型供应商。内置了 50 多个供应商预设，不用自己手动改配置文件。 > 开源指路：https://github.com/farion1231/cc-switch 按照官方中文文档，根据操作系统选择对应的安装方式：  Mac 用户可以通过命令行安装： ```bash brew tap farion1231/ccswitch brew install --cask cc-switch ```  安装完成后，运行软件进入主界面，添加模型供应商：  选择 DeepSeek：  填写 API Key，需要从 [DeepSeek 开放平台](https://platform.deepseek.com) 获取。  我这里把主模型设置为 DeepSeek-V4-Pro，相比 DeepSeek-V4-Flash 模型，Agent 能力和复杂推理更强。 然后点右下角保存：  可以在上图中看到 Claude Code 的 JSON 配置文件，其实 CC Switch 就是帮你可视化地修改各 AI 工具的配置文件，省去手动编辑 JSON 的麻烦。 最后，启用 DeepSeek 模型：  然后重新进入 Claude Code，随便输入一句话，AI 能给出回复，说明切换模型成功：  ### 安装扩展 Claude Code 默认就有读写文件、跑终端命令、搜索代码这些基础能力，但要做好一个完整项目，光靠这些还不够。 我们需要下面 3 个扩展： 1. Frontend Design：前端美化技能，让生成的页面更有设计感 2. Firecrawl：联网搜索和网页抓取，让 AI 能获取最新的技术信息 3. Context7：查询最新的技术文档和 API 用法，减少 AI 瞎编的情况 下面来依次安装。 #### 1、安装 Frontend Design Frontend Design 是 Anthropic 官方的前端美化技能，可以让 AI 生成的页面更有设计感。 在 Claude Code 中，先通过 `/plugin` 命令添加官方技能市场，相当于装了个技能商店： ```bash /plugin marketplace add anthropics/skills ```  输入 `/plugins`，在 Discover 菜单栏中，选中 `example-skills` 并按回车，安装官方的示例技能合集：  输入 `/reload-plugins` 重载一下插件：  输入 `/skills` 查看已安装的技能，可以看到 `frontend-design` 已经就位了：  之后在对话框中输入 `/frontend-design` 就能主动触发这个技能，让 AI 美化前端页面。同时还自动装上了 `webapp-testing` 自动化测试技能，后面也用得上。 #### 2、安装 Firecrawl Firecrawl 是联网搜索和网页抓取工具，让 AI 开发前先搜索最新技术信息。 安装方式很简单，打开终端，输入一行命令： ```bash npx -y firecrawl-cli@latest init --all --browser ```  执行后，会自动打开浏览器，要在弹出的页面中点击授权：  安装完成后，会自动注册 12 个 Firecrawl 相关技能：  在 Claude Code 的技能管理中，就能看到新添加的 Firecrawl 相关技能了：  #### 3、安装 Context7 Context7 是一个技术文档查询工具，让 AI 能获取到各种框架和库的最新官方文档，避免用过时的 API 写代码。 先在终端输入一行命令来安装： ```bash npx ctx7@latest setup ``` 它会问是安装 MCP 服务还是 CLI + Skills，这里我选择 CLI + Skills。你会发现，现在越来越多工具已经从 MCP 转向 CLI + Skills 的方式了：  同样在弹出的网页中授权，不用自己获取和输入 API Key，太方便了！  然后选择要给哪个 AI 编程工具安装，我选择为 Claude Code 安装：  安装成功后，可以在技能管理中看到 `find-docs` 技能：  当然，你也可以选择安装 MCP Server 的方式：  安装后，在 Claude Code 中输入 `/mcp` 命令，就能看到安装好的 MCP 了，比自己手动配置方便太多了！  至此，环境准备完成！下次开发项目时，就不用再重复准备了~ ## 开发编码 新建一个 `tgang-helper` 项目文件夹，在终端中用 `cd` 进入该目录，然后输入 `claude` 命令打开 Claude Code：  然后输入提示词。这里分享一下我实际用的完整提示词，给大家参考： ```markdown ## 角色 你是一个前端全栈工程师，擅长 Next.js + TypeScript 开发。 ## 任务 开发一个叫 tgang-helper 提肛助手的 Web 应用，帮助用户科学地练习盆底肌训练（提肛 / 凯格尔运动），傻子也能练对。 提供科学的分级训练课程，区分男女和难度，涵盖快速收缩、持续收缩、阶梯收缩等多种动作类型。训练过程中通过动画引导节奏，包括呼吸圈动画（收缩时缩小、放松时扩大）和人体姿势示范动画（用 SVG 或 Lottie 展示每个动作的正确体位和发力部位），让用户一看就知道该怎么做。同时使用浏览器语音合成（Web Speech API）实时播报指令，让用户闭着眼睛也能跟练。 支持开启摄像头进行体位校正，使用 MediaPipe Pose 在浏览器端实时检测用户的站姿 / 坐姿是否正确（如驼背、耸肩、身体歪斜），所有检测纯本地运行，摄像头画面不上传服务器。当检测到持续的姿势问题时，将姿势数据（非图像）发送给 DeepSeek V4 模型，获取个性化的纠正建议并语音播报。 训练记录保存在本地 localStorage，展示打卡日历和简单的统计图表。 ## 技术栈 - 框架：Next.js + TypeScript - 姿态检测：MediaPipe Pose（纯前端） - AI 对话：通过 Next.js API Route 代理调用 DeepSeek V4 模型（兼容 OpenAI SDK 格式） - 动画：CSS 动画 + Framer Motion ## 要求 1. 页面美观专业，使用 frontend-design 技能美化页面，配色健康积极 2. 开发前，先通过 Firecrawl 联网搜索 MediaPipe Pose 浏览器端用法，通过 Context7 查询最新技术文档和用法 3. 必须生成完整可运行的代码，每步完成后必须自主测试验证 ``` 简单解读一下这段提示词的几个要点： - **角色定义** 放在最前面，让 AI 进入前端全栈工程师的状态 - **任务描述** 用自然语言把需求讲清楚 - **技术栈** 只列关键选型，让 AI 自己决定实现细节 - 最后两条要求是关键，让 AI 先查文档再写代码，避免瞎编写法；让 AI 开发完后自主测试，减少翻车 给 AI 发送提示词前，我按 Shift + Tab 进入了自动接受编辑模式，AI 创建、修改、删除文件和执行命令都不用我逐一确认了，更省事儿。但是有一定风险，大家按需使用：  把上述提示词发送给 AI，接下来就是漫长的等待了。 AI 开始自主开发，先搜索技术文档，然后规划项目结构，创建文件，写代码。 过程中 AI 可能需要确认工具调用，比如它想通过 Context7 获取最新的 MediaPipe 技术文档，可以选择「Yes, and don't ask again」，以后就不用反复确认了：  过了 20 多分钟，AI 自主完成了开发，还自动运行了项目：  然后 AI 用 `webapp-testing` 技能，编写了自动化测试脚本，自动打开浏览器测试应用：  经过 31 分钟后，任务终于完成了，比我上次用 GPT-5.5 开发同量级的项目慢了差不多 2 倍。这期间我不仅做了 1 组提肛，还吃了个饭。  从 AI 的总结可以看到，它实现了完整的功能，包括 7 套训练课程、呼吸圈动画、SVG 人体图、语音指导、姿态检测、AI 建议、训练记录和统计图表，一把梭全给整上了。 输入 `/context` 可以查看当前上下文使用情况，已经用了 9.4 万 tokens，占总容量的 47%：  你可能会好奇，DeepSeek V4 官方说支持 100 万 tokens 上下文，为什么 Claude Code 里显示上限才 200K？ 应该是 Claude Code 本身对上下文窗口有限制，跟模型的上限是两回事。所以建议大家定期看看上下文占用情况，占满之后 AI 可能会「断片失忆」开始乱改代码。 ## 测试验证 接下来测试验证。由于项目用到了 DeepSeek V4 的 AI 功能，先让 AI 帮我创建一个环境变量配置文件： ``` 帮我创建 .env.local 文件 ``` AI 很快创建好了，还贴心地检查了 `.gitignore`，确认 `.env` 文件不会被提交到 Git：  打开 `.env.local` 文件，填上从 DeepSeek 开放平台获取的 API Key：  然后在浏览器中打开页面。 你别说，这个风格我挺喜欢的，很简洁清爽，配色也是健康积极的风格。就是那个 Logo 我没太看明白，求大家给我解释一下。。。  我先选男性、入门难度，打开语音指导和摄像头姿态检测。 好家伙，入门课程还不止一种，有「盆底激活」和「日常快速·3 分钟唤醒」两个选项。先从男性入门开始吧：  进入训练界面，有一个火柴人动画引导我的姿势。还有一个呼吸动画，可以让我跟随节奏操作，收紧、放松交替进行：  打开摄像头后，MediaPipe Pose 会实时检测我的姿态，发现问题就把姿势数据发给 DeepSeek 模型。这里有个小技巧，姿态纠正这种简单的建议不需要用 Pro 模型，用 V4-Flash 响应更快、成本更低。  比如它发现我的身体是歪的，就给出了纠正建议，比如「身体歪斜会影响发力，请先摆正骨盆。想象头顶有根线轻轻上提，让脊柱自然直立」，也是让我体验了一把健身房私教。。。  我试着调整了一下姿势，它马上又给了新的反馈，说「试着双脚踩实地面，骨盆摆正。轻轻收紧盆底肌，保持脊柱中立」：  到了持续收缩环节，它又提醒我放松肩膀，说「肩膀放松下沉，想象肩胛骨滑向后腰。轻轻呼气，感受盆底自然上提」。  测试过程中，我又做了几组提肛。这已经不是 Vibe Coding 了，我管这叫 **TGang Coding**，边提肛边编程，身体工作两不误，岂不美哉？ 现在的我，已经可以挑战「男性进阶·力量强化」了，10 分钟 7 组动作。AI 在这个模式下也能准确检测到身体歪斜和重心不稳的问题：   完成训练后，可以在训练记录页面看到打卡热力图和统计数据，坚持就是胜利！  说实话，一段提示词就让 AI 一把梭出了整个项目，核心功能基本可用，DeepSeek V4 的效果还是不错的。 不过实际跑起来还是有一些小 Bug，比如呼吸动画的收紧放松节奏跟实际训练动作对不上，快速收缩模式下动画一直显示「收紧」不切换到「放松」，还有 AI 姿态建议的调用时机没控制好，导致频繁请求。  这些都是在测试过程中逐步发现的。上面演示的效果，其实是我又跟 AI 对话了 10 轮左右、修复了这些问题之后的结果： 这里分享一个我自己的经验。测试的时候，影响核心功能的问题要立刻修复，比如动画节奏不对这种，直接跟 AI 描述现象让它改。 不影响核心功能的问题，比如只是觉得界面某个地方不够好看，建议先记下来，等核心流程跑通之后再集中处理。 另外，过程中一定要随时关注上下文的容量。我修完这几轮 Bug 后，上下文已经涨到了 62%：  上下文一旦快满了，AI 就可能忘记之前改过什么，甚至写出跟之前矛盾的代码。 遇到这种情况，建议先让 AI 把当前项目信息和进度沉淀成文档（比如写进 CLAUDE.md），然后开一个新会话继续开发，既节省 tokens 又不会丢失重要上下文。 ## 我的感受 最后聊聊这次 Claude Code + DeepSeek V4 实战做项目的真实感受。 先说说 DeepSeek V4 的实际表现。**一段提示词一把梭出完整项目 + 核心功能可用**，仿佛让我感受到了曾经 Opus 带给我的惊喜。 前端虽然没什么特别惊艳的创新，但布局基本正确，配色也不拉胯。不过前面也提到了，在逻辑细节上还是有些不足，需要人工介入几轮才能调好。而且 DeepSeek V4 在代码生成速度上略慢一些，31 分钟才跑完核心功能。 除了效果外，再看看大家关注的 **成本**。 做完这个项目，到底花了多少钱呢？ 先在 Claude Code 中用 `/usage` 命令看看 tokens 消耗情况：  Claude Code 统计显示，这次开发总花费 18.13 美元，消耗了几十万 tokens。 还可以进入 Stats 趋势分析，看看自己的使用习惯：  什么，这么个项目竟然花了 100 多元？！ Claude Code 自带的费用统计可能不太准确，建议直接到 DeepSeek 开放平台看实际消耗。 我一看，几百次请求，竟然消耗了 2500 多万 tokens！  实际一看，只花了 **5.44 元**，舒服了~  这么多 tokens 里绝大部分是输入缓存命中的。因为 Claude Code 每次跟模型对话时，会把之前的上下文一起发过去，但如果内容跟上次一样，DeepSeek 会命中缓存，缓存价格只有正常输入的几分之一。 这就是为什么虽然 tokens 用量看起来很吓人，但实际花费很低。 **5 块钱开发了一个带 AI 能力的完整项目**，我觉得性价比还是挺高的，你觉得呢？ --- OK 就分享到这里，本文会收录到我免费开源的 [《Vibe Coding 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，也欢迎在评论区聊聊：你现在最常用哪个 AI 编程工具？觉得 DeepSeek-V4 怎么样？

DeepSeek V4 + GPT-5.5 一手实战，结果很意外！附 Codex 保姆级项目教程

大家好，我是程序员鱼皮。 最近 AI 圈儿也太闹腾了，4 月 23 号 OpenAI 发布了 GPT-5.5，紧接着第二天 DeepSeek 就放出了 V4，两个重磅模型前后脚上线。  光看跑分没什么意思，模型好不好用，还得拿真实项目来检验。 正好 OpenAI 的 Codex 桌面端这段时间更新很猛，已经从一个纯 AI 编程工具进化成了支持 Computer Use、插件市场、内置浏览器的「超级 App」。 所以这篇文章，我全程用 Codex + GPT-5.5 来开发一个完整的全栈项目，后端对接 DeepSeek V4 的 API 实现 AI 能力。 看完这期，你能学会 Codex 的使用方法、感受新模型的实际能力、掌握 AI 编程的实用技巧，可谓一举三得。 点个收藏，咱们开始~ ## 需求分析 这次要做的项目叫「项目学习助手」（project-helper），核心需求很简单： 用户输入一个 GitHub 仓库地址，系统自动克隆项目并分析源码，生成一份通俗易懂的完整分析报告。报告涵盖项目概述、技术栈、目录结构、核心模块、数据流、设计模式、阅读建议等，真正做到「傻子也能懂」。分析过程实时推送进度，已经分析过的项目自动缓存，不用重复分析。  另外，用户还可以针对源码进行交互式问答，AI 会自主搜索代码、读取文件来回答问题，支持流式输出。 这样一来，你可以快速学会任何开源项目，哪怕面对几万行代码的仓库，也完全不虚。 ## 方案设计 如果你完全没有任何技术基础，可以让 AI 帮你完成方案设计。 但这里为了节省时间和 tokens，我直接告诉 AI 怎么做。 项目采用前后端分离架构： - 后端用 Python FastAPI + LangChain + SQLite - 前端用 Vue 框架 - AI 能力对接 DeepSeek V4 的 API AI 分析和 AI 问答能力的实现还是有点小技巧的，如果一个代码仓库有几万行，难道要全部扔给 AI 自己去分析么？ 我的思路是， 采用 AI 工具调用（Tool Use）的方式，给 AI 提供读取文件、搜索代码、获取仓库结构等工具，剩下的交给 AI 自己判断该看哪些文件、该怎么组织答案。这也是 DeepSeek V4 专门优化过的 Agentic 场景。  ## 环境准备 ### Codex 配置 打开 Codex，首先确认模型列表里有 GPT-5.5。如果看不到，大概率是账号的问题，可能需要开通更高级的会员，我这里用的是 Plus 会员。  可以看到界面上已经有了 GPT-5.5 模型选项，还支持调节智能程度（低 / 中 / 高 / 超高），我选择「高」。 左下角进入设置，把工作模式切换为「用于编程」，这样 AI 的回复会更专业、更适合开发场景：  ### 安装 AI 扩展 Codex 的 AI 扩展主要包括三类： - MCP 服务，用于连接外部工具连接 - Agent Skills 技能包，让 AI 学会特定的专业技能 - Plugins 插件，给 AI 增加更多能力 官方自带了一些内置的插件和技能，比如 Computer Use、Browser Use、PDF 处理、演示文稿编辑等：   不过这次项目需要的几个扩展，Codex 默认没有，得自己安装。 我们需要下面 3 个扩展： 1. Firecrawl：联网搜索和网页抓取，让 AI 能获取最新的技术信息 2. Context7：查询最新的技术文档和 API 用法，减少 AI 瞎编的情况 3. UI UX Pro Max：前端美化技能，让生成的页面更有设计感 你可以在 Codex 设置里手动添加 MCP 服务：  但是，要手动填写一堆参数，真特么麻烦啊！  虽然也可以直接编辑 `~/.codex/config.toml` 配置文件来添加 MCP 服务，但还是很麻烦。 这点上 Codex 的体验不如 Copilot 和 Cursor 的可视化安装，Copilot 甚至直接把 MCP 集成到了 VSCode 扩展市场里，一键搜索安装就行。 好在我们可以换一种方式，用每个 AI 服务提供的命令来快速安装。 #### 1、安装 Firecrawl Firecrawl 是一个联网搜索和网页抓取工具，能让 AI 在开发前先搜索最新的技术信息和文档。我们的项目需要它来查询 DeepSeek V4 的最新 API 用法。 打开终端，输入下列命令： ```bash npx -y firecrawl-cli@latest init --all --browser ```  执行后，会自动打开浏览器，要在弹出的页面中点击授权：  安装完成后，会自动注册 12 个相关技能：  在 Codex 的技能管理中，就能看到新添加的 Firecrawl 相关技能了：  #### 2、安装 Context7 Context7 是一个技术文档查询工具，让 AI 能获取到各种框架和库的最新官方文档，避免用过时的 API 写代码。 先在终端输入一行命令来安装： ```bash npx ctx7@latest setup ``` 它会问是安装 MCP 服务还是 CLI + Skills，这里我选择 CLI + Skills。你会发现，现在越来越多工具已经从 MCP 转向 CLI + Skills 的方式了：  同样在弹出的网页中授权，不用自己获取和输入 API Key，太方便了！  然后选择要给哪个 AI 编程工具安装，我选择为 Codex 安装：  安装成功：  在 Codex 中确认已安装的技能：  当然，你也可以选择安装 MCP Server 的方式：  安装后，在 Codex 的 MCP 服务器设置里，就能看到 Context7 MCP 了，这不比自己手动填参数方便多了？  #### 3、安装 UI UX Pro Max 这是一个前端美化技能包，能让 AI 生成的页面更有设计感，不会有一大堆的 Emoji。 输入一行命令： ```bash uipro init ``` 选择为 Codex 安装技能：  安装成功：  在 Codex 的技能管理中，能看到新技能：  至此，环境准备完成！下次开发项目时，就不用再重复准备了~ ## 开发 新建一个 `project-helper` 项目文件夹，在 Codex 中打开：  然后输入提示词。这里分享一下我实际用的提示词，给大家参考： ```markdown ## 角色 你是一个全栈工程师，擅长 Python + FastAPI + LangChain 开发。 ## 任务 开发一个叫 project-helper（项目学习助手）的 Web 应用，帮助用户快速读懂任意开源项目的源码，傻子也能懂。 用户输入一个 GitHub 仓库地址，系统自动克隆项目并分析源码，生成一份通俗易懂的完整分析报告，涵盖项目概述、技术栈、目录结构、核心模块、数据流、设计模式、阅读建议等。分析过程实时推送进度，已分析过的项目自动缓存，无需重复分析。 用户还可以针对源码进行交互式问答，给 Agent 提供读取文件、搜索代码等工具，让 AI 自主查找代码来回答问题，支持流式输出。 ## 技术栈 - 后端：Python FastAPI + LangChain + SQLite + 对接 DeepSeek V4 模型 - 前端：Vue，前后端分离 ## 要求 1. 页面需要阅读舒适，具有科技感，代码块有语法高亮，使用 UI UX Pro Max 技能美化页面 2. 开发前，先通过 Firecrawl 联网搜索信息，通过 Context7 查询最新技术文档和用法 3. 必须生成完整可运行的代码，每步完成后必须自主测试验证 ``` 简单解读一下这段提示词的几个要点： - **角色定义** 放在最前面，让 AI 进入全栈工程师的状态 - **任务描述** 用自然语言把需求讲清楚 - **技术栈** 只列关键选型，让 AI 自己决定具体实现方案 - 最后两条要求是关键，让 AI 先查文档再写代码，避免瞎编写法；让 AI 开发完后自主测试，减少翻车 模型我选择 GPT-5.5，智能程度选「高」，权限给完全访问（主要图个省事儿）：  注意，如果你想让 AI 测试得更完整，可以先获取好 DeepSeek 的 API Key 并直接写在提示词里。否则没有 API Key，AI 是没法完成大模型调用测试的。 把上述提示词发送给 AI，接下来就是漫长的等待了。 我这次等了 9 分钟，这期间一直在做提肛，有了 AI 编程后运动量也拉上来了~ AI 生成了完整的前端和后端项目代码，还自动写好了项目文档：  点击右上角可以查看生成的所有代码文件，总共 19 个文件、1644 行代码：  点击右上角查看项目概览，可以看到进度、生成结果、信息来源等。 注意看「来源」那栏，我们提供的 3 个技能 AI 都用上了。Firecrawl 用来搜索信息，UI UX Pro Max 用来美化页面，Context7 用来查文档：  感兴趣的同学可以看下 AI 生成的核心代码。比如问答模块利用 LangChain 实现了一个能调用 `read_file`（读取文件）、`grep_code`（搜索代码）、`repo_map`（获取仓库结构）这 3 个工具的 Agent，AI 会自主决定调用哪些工具来回答用户的问题。  ## 测试验证 接下来需要获取 DeepSeek 的 API Key，进入 [DeepSeek 开放平台](https://platform.deepseek.com)，创建 API Key，记得不要泄露哦！  大家在使用某个 AI 大模型时，记得要关注一下价格。比如目前 DeepSeek 的 V4-Flash 百万 tokens 输入只要 1 元、输出 2 元；V4-Pro 输入 3 元、输出 6 元（限时 2.5 折优惠到 5 月 5 号）。缓存命中的话更便宜，V4-Flash 输入低至 0.02 元/百万 tokens。  但是 DeepSeek 目前还没有 Coding Plan，不太建议拿它来 AI 编程，估计消耗的 tokens 会让很多同学吃不消。但是用它来做 AI 应用的大脑非常合适，性价比很高。 根据 AI 给出的指引，在 Codex 中打开终端，设置环境变量，把 API Key 改为你自己的： ```bash export DEEPSEEK_API_KEY=你的_key export DEEPSEEK_MODEL=deepseek-v4-pro ```  不过这种 `export` 方式是临时的，终端一关就没了。 更好的做法是让 AI 搞一个环境变量配置文件，我们手动填写就行。 AI 很快完成了任务，新增了 `.env` 和 `.env.example` 环境变量文件：  注意，如果你的项目要开源，一定记得在 `.gitignore` 中忽略 `.env` 文件，防止 API Key 泄露到 GitHub 上。 然后直接在编辑器中打开 `.env` 文件，把 API Key 填进去：  配置完环境变量后，让 AI 重启项目：  接下来人工测试一下。打开网页，输入一个 GitHub 仓库地址，比如我之前带大家开发的 [AI 零代码应用生成平台](https://github.com/liyupi/yu-ai-code-mother)：  虽然页面的布局和风格中规中矩，但功能是完全正常的。DeepSeek V4 生成的分析结果还挺靠谱的，包含了项目概述、技术栈分析：  还有核心模块详解、数据流分析、新手阅读建议等等，内容是准确的，生成速度也比较快：  再来测试下源码问答功能，问它：项目用了哪些设计模式？ AI 调用了工具自己去翻代码，很快就列举出来了，包括门面模式、策略模式等，每个模式都标注了对应的源码文件路径：  核心功能测试没问题。但如果项目要正式上线，还要测试一堆边界条件，比如仓库不存在怎么办？网络断了会不会崩？缓存命中的逻辑对不对？ 一个个手动测太麻烦了，干脆直接让 AI 帮忙。 Codex 内置了 Browser Use 插件，输入 `@Browser Use` 使用插件，让 AI 自主测试： ```markdown 自主测试所有功能，出了问题自动修复，确保所有功能正常可用 ```  可以看到 AI 在 Codex 内部打开了一个浏览器，它会自己点击页面、输入仓库地址、查看分析结果、测试问答功能，全程自主操作。这期间我又做了一会儿提肛，提麻了。  等了大概 9 分钟，AI 完成了端到端的自主测试，还修复了好几个它自己发现的 Bug：  至此项目就开发完了，是不是很简单？ 你还可以继续让 AI 优化前端布局、给报告中增加 Mermaid 流程图、支持导出报告文件等等，发挥想象力自由扩展吧~ ## 我的感受 最后聊聊我用 Codex、GPT-5.5 和 DeepSeek V4 的真实感受。 先说 Codex，Codex 的界面主打一个简洁，第一眼看上去甚至不像 AI 编程工具，更像个 AI 聊天助手。但功能其实比较完整，比如 MCP 和 Skills 扩展、插件市场、自动化、Git 集成、Browser Use、Computer Use，AI 编程所需的工程能力基本都具备了。 不过缺点也很明显。默认可用的模型有限，不像 Cursor 和 Copilot 原生就整合了 Claude、GPT、Gemini 各种模型随便切。易用性也差了一些，从 MCP 配置那里大家应该已经感受到了。Copilot 可以直接在扩展市场一键搜索安装 MCP，Cursor 也支持可视化编辑 JSON 配置，Codex 这边还得自己折腾命令行或者手写 TOML。  再说说 GPT-5.5 模型。有一说一，我测了几个全栈项目，并没有明显感受到 GPT-5.5 和 Claude Opus 模型的差距。只要提示词到位，基本都能一把梭全栈项目的前端和后端，而且核心业务流程大概率一次性跑通。前端表现嘛，中规中矩，虽然实现了响应式，但 UI 没有特别惊艳的地方。。。  再看看 GPT-5.5 的成本。以开发前面这个项目为例，共消耗了 13 万 tokens，上下文用了 50%。Codex 桌面端目前上下文容量是 258K，开发简单的全栈项目没问题，但复杂工程项目可能会有压力。  我目前开的是 GPT Plus 会员，一个月 20 刀（150 元左右），每 5 小时和每周有限额。做完这个项目，5 小时的额度基本就用完了，不算扩展功能的话，1 周差不多能做 5 个完整项目。  最后说说 DeepSeek V4。 我们团队之前的业务有接入 DeepSeek V3，也在带大家做的项目中用过 V3。这次把 V4 接到业务里，生成速度还是挺快的，效果比 V3 提升明显，尤其是对代码的理解和分析能力。而且有了 100 万 tokens 的超长上下文支持，让我们可以做更重的 AI 应用，比如深度研究、复杂项目源码的全局分析等等。 看一下实际的 API 消耗，测试过程中用了 27 次请求，消耗了 5 万多 tokens，花费 0.15 元。按正常用户使用量算，一天 1000 次请求大约消耗 5.5 元，性价比很高。  总的来说，后续我不太会继续用 Codex 来做日常 AI 编程，做复杂项目时会选择 GPT-5.5 或 Claude Opus 模型，但开发 AI 应用时会优先对接 DeepSeek V4 的 API，便宜好用。 --- OK 就分享到这里，本文会收录到我免费开源的 [《Vibe Coding 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，也欢迎在评论区聊聊：你现在最常用哪个 AI 编程工具？觉得 GPT-5.5 的 DeepSeek-V4 怎么样？

【开发AGIC】Vue3+NestJS+DeepSeek AI作业批改系统（已开源）

## 前言 大家好，我是一诺。国庆假期带儿子回老家带了几天，鬼天气忽冷忽热的 我和儿子都给整生病了。 也没有出去玩，除了在家带娃，空闲时间开源了**能豆ai批改助手**  >说下产品背景 我有个朋友是英语老师，常熬夜批改作文。平时在用 DeepSeek 批改作业，可没办法批量修改，很特别麻烦。就希望能有个可以统一管理作业，沉淀教学数据的工具。 于是就有了"能豆AI"这个产品，集成DeepSeek分析能力<font style="color:rgb(64, 72, 91);">，实现了</font>**<font style="color:rgb(64, 72, 91);">学生在线提交作业 → AI实时批改 → 教师人工核实批改</font>**<font style="color:rgb(64, 72, 91);">的完整业务闭环。</font> ## 在线预览 在线体验 [http://ai.dslcv.com](http://ai.dslcv.com/) ### 仓库地址 欢迎star github ➡️ [https://github.com/yinuoguan/nengdou-ai-review-helper-web](https://github.com/yinuoguan/nengdou-ai-review-helper-web) gitee ➡️ [https://gitee.com/wang-tians-laboratory/nengdou-ai-review-helper-web](https://gitee.com/wang-tians-laboratory/nengdou-ai-review-helper-web) 接口文档 [http://124.222.166.174:3002/api/docs](http://124.222.166.174:3002/api/docs) 我在设计 logo ，不知道叫什么好。这时我儿子在扶着墙学走路，他刚9个月刚会爬就想尝试走~ ，那就叫"能豆AI"吧，因为我儿子的小名叫豆豆。 ## 架构图 ### 总体架构图  ### 业务流程  ## 技术选型 ### 前端技术栈 选择 **Vue 3 + TypeScript** 作为前端框架，之前一诺维护的老项目都是vue2， 这次全面使用Vue3开发，发现用 Composition API 写起来更灵活，特别是处理复杂的业务逻辑时。 **Vuex** 用来管理全局状态，比如用户登录信息。局部状态还是放在组件里，这样代码更清晰。 **Element Plus** 是因为组件比较全面。配合 **Tailwind CSS** 做一些个性化的样式调整，开发速度很快。 ### 后端技术栈 后端用的是 **NestJS**，说实话一开始也考虑过 Express，但 NestJS 的装饰器和模块化设计确实香，代码组织得很清晰。 **JWT** 做身份认证，无状态的，扩展性好。**Swagger** 自动生成 API 文档。 ### 数据存储 **MongoDB** 选择的原因很简单：作业数据结构比较灵活，不同类型的作业字段差异很大，用文档数据库比关系型数据库方便多了。而且 MongoDB 的查询也够用，性能也不错。 **Redis** 主要用来缓存一些热点数据和存储用户会话，毕竟内存数据库速度快，用户体验好。 ### AI大模型 **DeepSeek** 是主力，性价比真的很高，批改质量也不错。关键是 API 调用稳定，价格也能接受。 后来又集成了**豆包**，主要是想让 AI 的反馈更温馨一点，豆包在情感表达这块做得比较好，学生看到反馈不会那么有压力。 两个模型配合使用，DeepSeek 负责专业的内容分析，豆包负责鼓励和引导，效果比单用一个模型好很多。 ## 核心模块 ### 1.班级管理 这是系统的基础模块，解决了教师管理多个班级的痛点： **核心功能：** + ✅ 创建班级：支持自定义班级名称、描述和邀请码 + ✅ 学生管理：通过邀请码机制，学生可以自主加入班级 + ✅ 状态管理：可以暂停/激活学生，灵活管理班级人员 + ✅ 实时统计：学生数量和作业完成情况一目了然 ### 2. 作业提交与批改模块 这是系统的核心模块，采用了创新的角色分离设计： **架构设计：**  **状态流转管理：**  **核心特性：** + **学生端**：专用提交和查看功能，界面简洁易用 + **教师端**：批改和统计管理功能，支持批量操作 + **管理员端**：AI批改和日志管理，系统监控 ### 3. AI 批改集成 这是系统的技术亮点，与 DeepSeek 的深度集成： **AI批改能力：**  **AI批改流程：**  **批改质量保障：** + 多轮提示词优化，确保批改一致性 + 人工复核机制，AI + 人工双重保障 + 批改日志记录，便于分析和改进 + 异步处理机制，不阻塞用户操作 ### 4. 权限管理系统 ```mermaid graph TB A[超级管理员] --> B[系统配置] A --> C[用户管理] A --> D[数据监控] E[教师] --> F[班级管理] E --> G[作业发布] E --> H[批改审核] I[学生] --> J[加入班级] I --> K[提交作业] I --> L[查看成绩] ``` ## 功能展示  ### 管理员端功能 **主要功能：** + 系统配置管理：AI模型参数调整，批改规则配置 + 用户权限管理：教师和学生账号管理，权限分配 + 数据统计分析：批改效率统计，系统使用情况分析 + 批改日志查看：AI批改过程追踪，质量监控 #### 控制台看板  #### 大模型配置 && 用户管理  ### 教师端功能 **主要功能：** + 班级创建与管理：一键创建班级，邀请码分享 + 作业发布与管理：灵活的作业类型，截止时间设置 + 批改结果查看：AI初评结果查看，人工复核操作 + 学生成绩统计：班级整体表现分析，个人进步追踪 #### 工作台  #### 创建班级  #### 添加学生  #### 发布作业  #### 配置AI批改规则  #### 作业详情  #### 批改作业  ### 学生端功能 **主要功能：** + 班级加入：通过邀请码快速加入班级 + 作业提交：支持草稿保存，多次修改提交 + 批改结果查看：详细的AI评语和教师点评 + 学习进度追踪：个人作业历史，成绩变化趋势 #### 激活账户  #### 学习中心  #### 班级作业  #### 提交作业  #### 查看结果 AI点评和老师批注 

最近用 Deepseek 频繁遇到【服务器繁忙】，人都麻了， 准备拥抱元宝，启动！

本地部署DeepSeek 大模型

### 本地部署 ollama 下载[Ollama](https://ollama.com/) ollama支持的模型：[Ollama Search](https://ollama.com/search) <img src="https://pic.code-nav.cn/post_picture/1813946725418893314/l7TXidLDpNri25mx.webp" alt="" width="100%" /> 直接下载，发现默认是下载C盘，并且不能选择安装目录，这对我C盘的压力太大了。 查阅资料：发现可以修改 参考[将Ollama安装到非C盘路径_ollama不安装在c盘-CSDN博客](https://blog.csdn.net/a497785609/article/details/145552673?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~default-0-145552673-blog-145974127.235%5Ev43%5Epc_blog_bottom_relevance_base1&spm=1001.2101.3001.4242.1&utm_relevant_index=2) 参考 [handy-ollama/docs/C2/2. Ollama 在 Windows 下的安装与配置.md at main · datawhalechina/handy-ollama](%5Bhttps://github.com/datawhalechina/handy-ollama/blob/main/docs/C2/2%5D\(https://github.com/datawhalechina/handy-ollama/blob/main/docs/C2/2\).%20Ollama%20%E5%9C%A8%20Windows%20%E4%B8%8B%E7%9A%84%E5%AE%89%E8%A3%85%E4%B8%8E%E9%85%8D%E7%BD%AE.md) 具体步骤如下 步骤1： 下载ollamaollama 下载[Ollama](https://ollama.com/) 步骤2：新建文件夹用于存储ollama应用，并且将安装程序移动到该位置 比如： E/ollama <img src="https://pic.code-nav.cn/post_picture/1813946725418893314/G3jhupMkogml65RP.png" alt="" width="100%" /> 步骤3：在此目录下：启动安装程序 OllamaSetup.exe /DIR=E:\ollama 执行  弹出如图下载页面，看出安装在我们指定的位置E/ollama <img src="https://pic.code-nav.cn/post_picture/1813946725418893314/Pghzx2aFYAVi0EqA.webp" alt="" width="100%" /> 验证是否安装成功 ```shell ollama -v ```  安装成功。 下载模型：[Ollama Search](https://ollama.com/search) 选个小模型吧  <img src="https://pic.code-nav.cn/post_picture/1813946725418893314/Te3Dg1eAdVeAH5Ha.webp" alt="" width="100%" /> 现在过程中发现，模型下载到C盘了  更改模型的下载位置 具体操作 新建一个存放的文件 比如 E:\ollamaModels  配置系统环境变量 OLLAMA_MODELS 指向上述位置 <img src="https://pic.code-nav.cn/post_picture/1813946725418893314/4bdZSR4nL2YMIAvV.png" alt="" width="100%" /> 下载太慢的解决方法，如果发现一开始下载块，之后越来越慢，可以CTRL + C 取消下载，然后重新执行下载指令  真的有用：  可以在该控制台对话了  有效的更新：[大模型知识](https://www.yuque.com/hnsqls/rkzi78/1242f6fde9e37708a49a1b4eeb5bbd18#VtnVC) https://github.com/hnsqls/shuo-ai

2分钟学会 DeepSeek API，竟然比官方更好用！

大家好，我是程序员鱼皮。最近 DeepSeek AI 太火了，效果也很强，但致命问题是 **不稳定**， 经常给我返回 `服务器繁忙，请稍后再试`，甚至让我怀疑自己被杀熟了。 也有网友说，第一次使用成功率很高，第二次可能就繁忙了。。。 <img src="https://pic.code-nav.cn/post_picture/1601072287388278786/v5HBGgrbKgbWPBN5.webp" alt="" width="100%" /> 那有什么办法稳定使用 DeepSeek 么？ 作为一名程序员，首先想到的是：既然 DeepSeek 都开源了，那我直接本地部署一个不就行了吗？ 可是满血版的 DeepSeek-R1 光模型就占了 404GB 空间，个人电脑根本负担不起呀！我就要稳定使用满血版 DeepSeek，怎么办呢？  我们可以使用第三方平台提供的接口服务，大公司帮我们部署了满血版 DeepSeek，我们直接通过 API 调用就行。下面只需 2 分钟，教你如何使用 API 来调用满血版的 DeepSeek！ 学会之后，可以接入 DeepSeek AI 到自己项目中、写到简历上，面试官看到也会眼前一亮~ > 建议观看视频版教程：[https://bilibili.com/video/BV1zVAHesEv7](https://www.bilibili.com/video/BV1zVAHesEv7/) 第三方平台选择 ------- 目前支持 DeepSeek 的主流第三方平台有硅基流动、OpenRouter、腾讯云、阿里云、百度云、火山引擎等等，看来各大厂都积极入局了。接下来我会以其中 2 个平台为例，用 Java 来调用 AI 完成智能问答，学会之后换个平台也是易如反掌。 最后我还会给大家分享一个详细的第三方平台对比表格，大家可以按需选择。 硅基流动 ---- 汇集了很多类 AI 大模型的云服务平台。进入模型广场，选择满血版的 DeepSeek-R1 模型：  注意，调用 AI 大模型通常是按照消耗的 token 数计费的，不过新用户会赠送一定额度，也够我们学习和日常使用了。 查看模型对应的 API 文档，选择对应的编程语言，就能看到发送请求的示例代码了，可以直接复制使用： <img src="https://pic.code-nav.cn/post_picture/1601072287388278786/HcPrXE94GNUGy2Lj.webp" alt="" width="100%" /> 随便新建一个干净的 Java Maven 项目，引入发送请求所需的 Unirest 库： ```xml <dependency> <groupId>com.konghq</groupId> <artifactId>unirest-java</artifactId> <version>3.14.1</version> </dependency> ``` 然后粘贴示例代码到主类中。我们首先需要修改代码中的鉴权 token，在官网找到 API 密钥，新建一个 API 密钥，注意不要暴露出去哦！然后复制到代码中。  接下来就可以指定想用的模型、要输入给 AI 的提示词，最后打印出 AI 响应的结果即可。就这么几行代码： ```java HttpResponse<String> response = Unirest.post("https://api.siliconflow.cn/v1/chat/completions") .header("Authorization", "Bearer " + "你自己的 APIKey") .header("Content-Type", "application/json") .body("{\n \"model\": \"deepseek-ai/DeepSeek-V3\",\n \"messages\": [\n {\n \"role\": \"user\",\n \"content\": \"程序员鱼皮是谁？\"\n }\n ],\n \"stream\": false,\n \"max_tokens\": 512,\n \"stop\": [\n \"null\"\n ],\n \"temperature\": 0.7,\n \"top_p\": 0.7,\n \"top_k\": 50,\n \"frequency_penalty\": 0.5,\n \"n\": 1,\n \"response_format\": {\n \"type\": \"text\"\n },\n \"tools\": [\n {\n \"type\": \"function\",\n \"function\": {\n \"description\": \"<string>\",\n \"name\": \"<string>\",\n \"parameters\": {},\n \"strict\": false\n }\n }\n ]\n}") .asString(); System.out.println(response.getBody()); ``` 我们来 Debug 一下，稍等一会儿，就能看到 AI 的回复了：  不过我尝试的这段时间，这个平台输出速度比较慢、也不是很稳定吧。 火山引擎 ---- 我们再换一个平台 —— 火山，首先进入模型广场，选择满血版的 DeepSeek-R1 模型：  点击立即体验，就可以和 AI 对话了，新用户也会赠送一定 tokens 额度。我们选择 API 接入： <img src="https://pic.code-nav.cn/post_picture/1601072287388278786/t2iVrVgdcAY5IiSN.webp" alt="" width="100%" /> 创建一个接入点：  注意，如果还没有开通模型，需要选择 DeepSeek-R1 模型，点击立即开通：  开通成功后，回到之前的页面，确认接入。然后就进入到了 API 调用页面，先创建一个自己的 API Key，保存好等下会用到。  然后我们选择官方的 SDK 调用示例，获取到对应编程语言的示例代码： <img src="https://pic.code-nav.cn/post_picture/1601072287388278786/btetK4pSTQIqyBrq.webp" alt="" width="100%" /> 首先在项目中引入 SDK 和相关依赖，注意要修改依赖的版本号（不要直接用 "LATEST"）： ```xml <dependency> <groupId>com.volcengine</groupId> <artifactId>volcengine-java-sdk-ark-runtime</artifactId> <version>0.1.151</version> </dependency> ``` 然后复制示例代码，修改 API Key 和输入给 AI 的提示词，然后运行一下试试：  浇给！很快，AI 就给出了回复，实际测试下来比较稳定、响应速度也比较快。  总结 -- 怎么样，通过调用 API 将 AI 接入到项目中还是很简单吧。大家如果遇到更多的问题，建议优先查看官方的 API 调用指南文档，还有问题就去问 AI 和客服吧~ 基本上每个平台我都体验了下，也整理了一个平台对比表格，大家可以参考下： | 平台 | 价格（单位：百万 tokens） | 赠送 | 输出稳定性 | 输出速度（单位：秒） | 个人感受 | | --- | --- | --- | --- | --- | --- | | 硅基流动 | 输入：￥4，输出：￥16 | 14 元 | 较为不稳定，调用五次可能才有一次正常响应 | 9.05 tokens | 赠送的金额虽然很多，但是服务很不稳定，且输出速度也很慢。 openrouter | 输入：$0.55，输出：$2.19 | 无赠送，但可最高欠费 1 美元。 | 服务较为稳定 | 7.47 tokens | 输出速度在上述平台中最慢，且在此平台付费较为麻烦，需要使用信用卡或者国外的银行卡，不建议国内使用。 腾讯云平台 | 输入：￥4，输出：￥16 | 无赠送 | 服务非常稳定 | 11.16 tokens | 上手特别简单，不需要开通任何东西，只需要拿到 ak / sk 直接调用官方提供的示例代码即可。 火山引擎 | 输入：￥2，输出：￥8 | 赠送 50 万 tokens | 服务非常稳定 | 28.08 tokens | 输出速度在上述平台中最快，且目前价格只有官网一半，赠送 50 万 tokens。 阿里云平台 | 输入：￥2，输出：￥8 | 赠送 100 万 tokens | 需要等大模型部署一段时间后才能稳定使用 | 12.24 tokens | 需要等百炼大模型部署完成后才能使用，部署需要花较长的时间，不过赠送的 tokens 比较多 | 大家如果要学习更多平台的调用、AI 提示词技巧、AI 部署教程、AI 行业资讯、AI 项目，都可以来看看我刚刚开源的 AI 知识库（ [https://github.com/liyupi/ai-guide](https://github.com/liyupi/ai-guide) ）。大家如果还了解到了其他的满血 DeepSeek 平台，欢迎评论区留言分享~  更多 -- 💻 编程学习交流：[编程导航](https://www.codefather.cn/) 📃 简历快速制作：[老鱼简历](https://laoyujianli.com/) ✏️ 面试刷题神器：[面试鸭](https://mianshiya.com/)