JeecgBoot AI 专题研究 | 把 Claude Code 接入 DeepSeek V4-Pro，跑完 Skills —— OA 审批、大屏、报表、部署 5 大实战场景后的真实体验

背景：为什么要替换掉原生 Claude？

最近 Claude 账号批量封禁的消息越来越密集。身边不少人的号说没就没，申诉基本石沉大海，重新注册还要担心下一次什么时候轮到自己 —— 这是目前最让人焦虑的事。对一个每天重度依赖 Claude Code 的开发者来说，账号一旦挂掉，整个工作流直接瘫痪，手头项目的进度全盘打乱。

费用倒是其次。Opus 4.6 输入价格高达 $15 / 百万 tokens 确实不便宜，但相比 "哪天早上打开电脑发现账号没了" 的不确定感，这笔账还能算。

DeepSeek 刚好发布了 V4 系列预览版，包含 V4-Pro（1.6T 参数 / 49B 激活）和 V4-Flash（284B 参数 / 13B 激活），并且提供了兼容 Anthropic 协议的 API 端点 —— 只需改一行配置，就能用 DeepSeek 驱动 Claude Code。账号稳定、计费透明，不用再为封号担惊受怕。

我花了三分钟配好，然后拿 JeecgBoot 的全套 Skills 做了一轮实战测试。

配置过程：1 分钟完成接入

核心配置非常简单，DeepSeek 提供了完整的 Anthropic API 兼容层：

{ "env": { "ANTHROPIC_BASE_URL": "https://api.deepseek.com/anthropic", "ANTHROPIC_AUTH_TOKEN": "${DEEPSEEK_API_KEY}", "API_TIMEOUT_MS": "3000000", "ANTHROPIC_MODEL": "deepseek-v4-pro[1m]", "ANTHROPIC_SMALL_FAST_MODEL": "deepseek-v4-flash", "ANTHROPIC_DEFAULT_SONNET_MODEL": "deepseek-v4-pro[1m]", "ANTHROPIC_DEFAULT_OPUS_MODEL": "deepseek-v4-pro[1m]", "ANTHROPIC_DEFAULT_HAIKU_MODEL": "deepseek-v4-flash", "CLAUDE_CODE_SUBAGENT_MODEL": "deepseek-v4-pro[1m]", "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1", "CLAUDE_CODE_DISABLE_NONSTREAMING_FALLBACK": "1", "CLAUDE_CODE_EFFORT_LEVEL": "max" }, "enabledPlugins": { "frontend-design@claude-plugins-official": true, "github@claude-plugins-official": true, "code-review@claude-plugins-official": true, "superpowers@claude-plugins-official": true, "gopls-lsp@claude-plugins-official": true, "playwright@claude-plugins-official": true }, "autoUpdatesChannel": "latest", "skipDangerousModePermissionPrompt": true, "model": "deepseek-v4-pro"}

逻辑清晰：重量级任务走 V4-Pro，轻量任务走 V4-Flash。配置完启动，Claude Code 界面上直接显示 deepseek-v4-pro，问它 "你是什么模型"，回答干脆利落。

测试一：OA 审批流程自动搭建

测试目标：用 JeecgBoot 的 BPM Skills，让 AI 自动搭建一套 OA 审批流程。

修复之后：

报表生成得很快，结构也正确。

接着让它去掉表格的颜色。秒改 —— 这个响应速度比原生 Claude Code 还快。

改之前：

对表格颜色这种纯配置项修改，V4-Pro 的反应极快，不需要深层推理，直接定位到配置字段然后修改，体验丝滑。

测试四：自动化部署

测试目标：用自动化部署 Skills 实现完整的前后端部署流程。这个任务比较复杂 —— 前端是本地 SVN 更新、编译打包、上传服务器；后端走 Jenkins；还需要清 CDN 缓存、自动发部署日志邮件。

说实话，这任务一开始我没抱太大期望 —— 环节太多了。但结果有点意外：前后端部署都没问题。

整个流程跑下来，SVN 更新、npm build、scp 上传、Jenkins 触发、CDN 缓存清理、邮件通知 —— 全部自动化串联成功。对日常运维来说，省掉的不只是时间，还有 "半夜部署手抖敲错命令" 的心理负担。

测试五：改文档 —— 无感切换

中间穿插了一个日常高频操作：用 Claude Code 改项目文档。整个过程完全无感，如果不是终端上写着 deepseek-v4-pro，我甚至以为自己在用 Claude 原生模型。

改文档这类任务对 V4-Pro 来说属于 "降维打击"，速度快、理解准、输出干净。

巨坑预警：1M 上下文 ≠ 支持图片

测到一半，踩了个大坑。

DeepSeek V4-Pro 最亮眼的规格之一是 1,000,000 tokens 超长上下文，乍一看比 Claude 原版还豪横。但当我发截图时，才发现：

V4-Pro 当前版本是纯文本模型，完全不支持图片输入。

Claude Code 发送图片时，V4-Pro 会收到一个占位符 [Image #1]，但对实际图像内容毫无感知。

对日常编程工作流来说，这个限制影响面相当广：

截图报错让模型分析 → ❌ 看不见发 UI 设计稿让模型写代码 → ❌ 看不见发报表渲染结果让模型诊断问题 → ❌ 看不见粘贴终端截图 → ❌ 看不见

1M 上下文能塞进去整个代码仓库，却塞不进去一张 PNG。

但话说回来 —— 回头看前面测试二和测试三，大屏问题和报表样式问题都是在 "看不见图" 的情况下修好的。它通过读配置文件、凭领域知识推断，绕过了图像这个盲区。这恰恰是最能体现能力的地方。

目前的折中办法：需要处理图片时，临时去掉 ANTHROPIC_BASE_URL 配置，让请求回落到 Anthropic 原生 API，用完再切回来。麻烦，但能用。DeepSeek V4 的 Vision 模式已经在规划中，开放后这个问题会从根本上解决。

另一个坑：上下文太长会炸

当对话内容堆积到一定量时，模型直接炸了。虽然 V4-Pro 标称 1M 上下文，但实际使用中，超长上下文 复杂推理 多轮工具调用叠加时，还是会出现不稳定的情况。

解决方案也简单：长任务拆成短会话，阶段性重置。别指望一个会话从需求分析干到部署上线。

综合感受

经过这一整天的实战测试，对 Claude Code DeepSeek V4-Pro 的组合有几点直观感受：

表现亮眼的地方：

兼容性几乎无感：配置完成后，Claude Code 的所有功能正常运行，Skills、工具调用、多步骤 Agent 任务全部跑通。领域推理能力极强：即使在看不了图的情况下，模型也能通过读取配置文件 领域知识推断定位问题。大屏问题修复、报表样式修改都是这样搞定的。工具调用稳定：BPM 流程生成、大屏搭建、报表生成、部署脚本 —— 每类任务的工具调用都准确，没出现乱调、漏调的情况。响应速度快：纯配置修改（如报表去颜色）比原生 Claude Code 还快，体感明显。改文档无感：Markdown 编辑、代码注释、文档润色这类文本任务，和原生 Claude 几乎没区别。

需要提前知道的：

不支持图片（最重要）：工作流重度依赖截图的场景会很痛，等 Vision 模式开放上下文太长会炸：长任务拆成短会话，阶段性重置贵：比起其他国产模型，V4-Pro 定价确实偏高 —— 但对标 Claude 原版，性价比依然在线总结

Claude Code DeepSeek V4-Pro，一句话评价：除了贵，没别的毛病。

OA 审批流程、BI 大屏、钻取报表、自动化部署、文档修改 —— 五大实战场景全部通关。同期我也对接了智谱 GLM-5.1 和 MiniMax M2.7 跑同一套 Skills，这俩在工具调用上总有些小毛病 —— 要么调用顺序乱，要么参数识别偏差，要么复杂 Skill 直接执行不下去；相比之下，V4-Pro 是目前我测过的国产模型里 Skills 配合最稳的一个，基本可以无人值守跑完全流程。

不支持图片是硬伤，但模型通过 "绕路" 的方式（读配置、推逻辑）在相当程度上弥补了这个短板。

更重要的是，相比 Claude 原版那种 "哪天号就没了" 的悬念，这套方案至少把账号稳定性这件事给解决了。如果你日常工作中截图不多、以纯代码和配置任务为主，现在就可以切过来用；如果你重度依赖图片输入，建议等 DeepSeek V4 Vision 模式开放 API 后再全面切换 —— 那之后，这套方案就真的补全了最后一块拼图。

测试环境：Claude Code v2.1.119，DeepSeek V4-Pro（deepseek-v4-pro），2026-04-24

本文为 JeecgBoot AI 专题研究系列文章。