DeepSeek V4 + Claude Code｜集成配置、工作流适配与能力层

了解 DeepSeek V4 如何融入 Claude Code 工作流、哪些场景效果好、哪些地方会失效，以及为什么大多数团队仍然需要一层 capability layer。

简短回答

如果你想把 DeepSeek V4 和 Claude Code 一起使用，最清晰的配置是：DeepSeek V4 负责推理，Claude Code 负责智能体循环，AnyCap 负责补上缺失的 capability layer。 这种组合适合这样的场景：你希望用 DeepSeek V4 获得更低成本的编码能力，同时又需要智能体能够搜索实时网页、生成图片或视频、存储文件并发布结果。

DeepSeek V4 会推理。Claude Code 会执行。但大多数团队仍然缺少把这两者真正变成现实世界智能体的那一层。

缺失的这一层不是“再多写一点提示词”，也不是再堆一批一次性的集成，而是 capability layer：也就是为智能体提供编码 shell 默认不具备能力的运行时，包括实时网页搜索、图像生成、视频、存储和发布。

AnyCap 就是在这里发挥作用。DeepSeek V4 负责模型推理，Claude Code 负责你仓库里的智能体循环，AnyCap 则补上这两部分仍然缺失的 capability runtime。

这篇指南会告诉你如何把这套栈清晰地搭起来：先让 Claude Code 通过 DeepSeek V4 路由，再加上 AnyCap，让智能体不只是会读文件和执行命令。

为什么 DeepSeek V4 + Claude Code 是一套有吸引力的组合

DeepSeek V4 有吸引力，原因很简单：它以显著更低的成本提供接近前沿水平的编码性能。它拥有较大的上下文窗口、强劲的智能体式编码基准成绩，以及通过托管服务商或自托管进行部署的灵活选项。

Claude Code 仍然是自主编码工作中最强的 shell 之一。它可以检查你的仓库、规划修改、编辑文件、运行测试并持续迭代。换句话说，它给模型提供了一个有纪律的执行循环。

但这仍然不足以让整套栈完整。

如果你让这套配置去研究一个在线竞品页面、生成一张发布视觉图、存储供审核的产物，或者发布一份完成的报告，你会立刻遇到同样的限制：模型可以推理任务，Claude Code 可以编排步骤，但它们都不是 capability runtime。

因此，更准确的架构应该是这样：

DeepSeek V4 — 推理模型
Claude Code — 智能体 shell 与执行循环
AnyCap — 用于媒体、搜索、存储和发布的 capability runtime / 更强的智能体 CLI

哪些地方表现好，哪些地方会出问题

表现好的地方：

面向重编码智能体工作流的低成本模型路由
Claude Code 在真实仓库中的强执行循环
推理、编排和能力执行之间更清晰的分层

没有 capability layer 会出问题的地方：

需要网页搜索和抓取的实时研究任务
需要生成图片或视频的媒体工作流
需要存储、共享或发布的产物交付任务

这就是为什么从实用角度看，这套栈需要的是 AnyCap，而不只是模型路由加一个 shell。

前置条件

开始之前，请确认你已经具备：

DeepSeek V4 API 访问权限 — 通过 DeepSeek、OpenRouter 或你自己的托管端点
已安装 Claude Code — claude --version 应该返回版本号
Node.js 18+ — Claude Code 和常见智能体工具都需要
模型路由的 API Key — OpenRouter 或直接访问 DeepSeek 的密钥

第一步：让 Claude Code 通过 DeepSeek V4 路由

Claude Code 默认使用 Anthropic 托管模型。要让 DeepSeek V4 负责推理，需要把 Claude Code 路由到一个提供 DeepSeek 兼容端点的服务商。

方案 A：OpenRouter

export OPENROUTER_API_KEY=sk-or-your-key-here
claude --model openrouter/deepseek/deepseek-v4-pro

如果你想要一个更便宜、更快的默认选项：

claude --model openrouter/deepseek/deepseek-v4-flash

方案 B：直接使用兼容 DeepSeek 的端点

export ANTHROPIC_BASE_URL=https://api.deepseek.com/v1
export ANTHROPIC_API_KEY=sk-your-deepseek-key
claude --model deepseek-v4-pro

方案 C：自托管端点

export ANTHROPIC_BASE_URL=http://localhost:8000/v1
claude

启动后，可以在会话中验证当前使用的路由：

> What model are you running on?

第二步：用 AnyCap 补上缺失的 capability layer

这是大多数文章都会写模糊的一步。

AnyCap 不是“模型本身”，也不是“Claude Code 本身”。它是 capability runtime，为你的智能体提供 Claude Code 和 DeepSeek V4 单独都还不能提供的动作能力。

这里有两个部分：

安装 AnyCap CLI — 这是执行界面
把 AnyCap skill 添加到 Claude Code — 这样智能体才能学会高效使用这个 CLI

安装 CLI

curl -fsSL https://anycap.ai/install.sh | sh
export PATH="$HOME/.local/bin:$PATH"

认证一次

anycap login

将 skill 添加到 Claude Code

npx -y skills add anycap-ai/anycap -a claude-code

现在，你的栈就拥有了之前缺失的 capability layer。

在实际使用中，这意味着你的 DeepSeek V4 + Claude Code 智能体可以做这些事情：

搜索实时网页
生成图片
生成视频
将产物上传到云存储
发布最终输出

这里最重要的区分是：

DeepSeek V4 决定做什么
Claude Code 管理智能体工作流
AnyCap CLI 执行现实世界能力
AnyCap skill 教会智能体如何更好地调用这些能力

第三步：配置项目上下文

Claude Code 会在每次会话开始时读取 CLAUDE.md。你可以用它把架构写清楚：

# CLAUDE.md

## Model route
- Running on DeepSeek V4 Pro via OpenRouter
- Use Flash for cheaper routine tasks

## Architecture
- DeepSeek V4 = reasoning model
- Claude Code = agent shell
- AnyCap = capability runtime for search, media, storage, and publishing

## Capability commands
- Search: anycap search
- Image generation: anycap image generate
- Video generation: anycap video generate
- Storage: anycap drive upload
- Publishing: anycap page publish

这可以避免一种常见失败模式：智能体把这套栈理解成“模型加一堆随机工具”，而不是一个连贯的模型—shell—runtime 架构。

第四步：跑一次真正端到端的工作流

一个好的测试任务应该同时需要这三层：

Build a landing page for a product called AgentMetrics.
- Use DeepSeek V4 for coding and reasoning
- Use Claude Code to edit files and run the workflow
- Use AnyCap to generate the hero visual
- Upload the assets
- Publish the finished page

这正是编码配置和真正智能体配置之间的关键差异。

没有 capability layer 时，你的智能体会停在“我已经把代码写好了”。

有了 capability layer，它就能完成调研、生成配套媒体、存储输出并真正交付结果。

成本优化：Flash vs Pro

选择模型层级时，应根据推理深度，而不是品牌名称。

Variant	Best for
DeepSeek V4 Flash	快速迭代、更简单的编码工作、更低成本的智能体会话
DeepSeek V4 Pro	多文件重构、更复杂的调试、架构决策

一个实用的模式是：

日常任务默认使用 Flash
需要更深推理时切换到 Pro
无论选择哪个模型层级，都让 AnyCap 作为固定的 capability layer 保持不变

这样一来，你就不需要每次切换模型时都重建整套能力栈。

这套栈真正擅长什么

1. 以更低成本处理大型代码库智能体工作

DeepSeek V4 负责推理，Claude Code 负责仓库级循环。你可以获得强劲的编码表现，而不必每次会话都支付高价模型成本。

2. 产出真正的智能体结果，而不只是代码建议

这正是 AnyCap 最重要的地方。很多“智能体”配置仍然只是 shell 加文本。它们可以检查和编辑代码，却无法完成工作中那些非代码部分。

如果你的工作流需要研究、媒体、文件交付或发布，那么缺失的部分就是 capability runtime。

3. 比堆叠零散 MCP 服务器更清晰的架构

你当然仍然可以在合适的地方使用 MCP，尤其是内部工具和专有系统场景。但对于常见的跨职能能力，更清晰的思路不是“再加一个服务器”，而是“一次性补上缺失的 runtime layer”。

FAQ

在这套配置里，AnyCap 只是另一个 MCP 服务器吗？

不是。更准确的说法是，AnyCap 是 capability runtime。Claude Code 可以通过 skill 学会如何使用它，MCP 也仍然可以是周边工具架构的一部分，但产品价值在于统一的执行层，而不是一堆松散、互不相连的服务器配置。

为什么不直接用 DeepSeek V4 加几个脚本？

因为脚本解决不了协同问题。你仍然需要一种一致的方式，让智能体去搜索、生成媒体、存储输出并发布结果。runtime 正是以一个统一接口，把这套能力面提供给智能体。

我还需要 MCP 吗？

有时需要。MCP 对内部数据库、专有 API 和团队专用工具仍然很有价值。但 MCP 是协议层，它并不等同于智能体在日常生产工作中所使用的更广义 capability runtime。

团队在这套栈上最常犯的错误是什么？

把 Claude Code 当成已经自带完整 capability layer。其实并没有。Claude Code 是 shell，DeepSeek V4 是模型。如果你想要一个真正面向现实世界的智能体，仍然需要 runtime。

快速开始：

# Route Claude Code through DeepSeek V4
export OPENROUTER_API_KEY=sk-or-your-key
claude --model openrouter/deepseek/deepseek-v4-pro

# Install the capability runtime
curl -fsSL https://anycap.ai/install.sh | sh
export PATH="$HOME/.local/bin:$PATH"
anycap login

# Teach Claude Code how to use it
npx -y skills add anycap-ai/anycap -a claude-code

安装 AnyCap · Capabilities · DeepSeek V4 指南

DeepSeek V4 与 Claude Code：集成如何运作，何时值得采用