Claude Code 是当前最强大的自主编码智能体，能够完成多步骤的文件编辑、bash 执行、git 操作和子智能体调度。然而其每月 200 美元的使用成本和用量限制让许多开发者望而却步。DeepClaude 项目提供了一种巧妙的解决思路：保持 Claude Code 的完整工具链和交互体验，仅替换其背后的推理模型，将 Anthropic API 替换为 DeepSeek V4 Pro，从而实现约 94% 的成本降低。
架构核心：环境变量劫持机制
DeepClaude 的设计哲学非常清晰 ——“换脑不改身”。Claude Code 本身的 CLI 工具集、文件编辑能力、bash 执行器、子智能体生成机制完全保留，变化的只有模型调用的目的地。这一切通过设置特定的环境变量来实现。
Claude Code 在发起 API 请求时会读取以下环境变量来确定请求目标：ANTHROPIC_BASE_URL 决定 API 端点地址，ANTHROPIC_AUTH_TOKEN 用于认证，ANTHROPIC_DEFAULT_OPUS_MODEL、ANTHROPIC_DEFAULT_SONNET_MODEL、ANTHROPIC_DEFAULT_HAIKU_MODEL 分别指定不同层级任务使用的模型名称，CLAUDE_CODE_SUBAGENT_MODEL 则控制子智能体使用的模型。
DeepClaude 脚本在启动时动态设置这些变量，将 base_url 指向 DeepSeek 的 Anthropic 兼容端点，将 auth_token 设为 DeepSeek API 密钥，并指定模型名为 deepseek-v4-pro。脚本运行结束后会恢复原始环境变量，确保不影响系统其他部分的正常运作。这种设计无需修改 Claude Code 本身，实现了真正的无损替换。
值得注意的是，DeepSeek 提供了自动上下文缓存机制。首次请求后，系统提示词和文件上下文会被自动缓存，后续请求的缓存命中率直接影响成本 —— 缓存后的 token 价格仅为 $0.004/M，是未缓存价格 $0.44/M 的百分之一。这对于需要多轮交互的 agent loop 场景尤为重要，单次会话的边际成本会随着对话轮数增加而显著下降。
多后端支持与选型策略
项目支持四种后端切换，通过 --backend 参数指定。DeepSeek 作为默认选项，输出价格 $0.87/M，输入 $0.44/M，中国服务器部署，适合国内开发者；OpenRouter 提供最便宜的定价，输出 $0.87/M，输入 $0.44/M，服务器位于美国，延迟最优；Fireworks AI 输出价格 $3.48/M，输入 $1.74/M，是四个选项中最快的推理服务；Anthropic 原生后端保留完整能力，但成本最高，输出 $0.15/M。
这种分层设计允许开发者根据任务难度灵活切换。对于日常代码编写、bug 修复、文档生成等常规任务（占比约 80%），DeepSeek V4 Pro 的表现与 Claude Opus 相当，可以全程使用低成本后端。当遇到复杂的多步推理、算法设计或需要深度思考的问题时，只需一条命令即可切换回 Anthropic 原生模型，获得 Opus 级别的智能水平。
远程控制的代理分流方案
当使用 claude remote-control 功能时，架构会变得更为复杂。远程控制依赖两条独立的通信通道：Bridge WebSocket 用于建立浏览器与 Claude Code 之间的实时连接，这条通道必须走 Anthropic 的基础设施；模型 API 调用则负责实际的推理请求，这条通道可以被重定向。
问题的关键在于：如果将 ANTHROPIC_AUTH_TOKEN 替换为 DeepSeek 的 API 密钥，Bridge 通道的 OAuth 认证会失败。DeepClaude 解决这个问题的方式是启动一个本地代理服务，监听在 localhost:3200 端口。代理会根据请求路径分别处理：/v1/messages 路径的请求转发到 DeepSeek API，其他请求（如认证相关）直接透传给 Anthropic 原生端点。
这种分流架构的技术细节值得深入理解。代理启动后，环境变量被设置为指向本地代理而非直接指向外部服务。Claude Code 产生的所有请求首先到达本地代理，代理根据路径规则决定下一跳。这种设计既保持了远程控制的可行性，又实现了模型成本的最大化节约。
快速部署参数清单
部署 DeepClaude 只需四步。首先获取 DeepSeek API 密钥，访问 platform.deepseek.com 注册账户并充值 5 美元即可获得足够数月使用的额度。其次设置环境变量，Windows PowerShell 用户执行 setx DEEPSEEK_API_KEY "sk-your-key-here"，macOS/Linux 用户执行 echo 'export DEEPSEEK_API_KEY="sk-your-key-here"' >> ~/.bashrc && source ~/.bashrc。第三步安装脚本，将对应系统的启动脚本添加到 PATH 或创建符号链接。最后执行 deepclaude 启动或 deepclaude --backend ds 指定后端。
进阶参数包括：deepclaude --status 查看可用后端和密钥状态；deepclaude --backend or 切换到 OpenRouter；deepclaude --backend fw 切换到 Fireworks AI；deepclaude --cost 显示详细的价格对比；deepclaude --benchmark 运行各提供商的延迟测试；deepclaude --remote 启动远程控制会话。
对于 VS Code 或 Cursor 用户，可以在终端配置中添加 DeepClaude 作为自定义配置文件，从 IDE 内部直接启动 DeepSeek 驱动的编码智能体。
能力边界与场景适配
当前实现存在几个需要知晓的限制。图像和视频输入功能不可用，因为 DeepSeek 的 Anthropic 兼容端点尚未支持多模态输入。并行工具调用被禁用，工具按顺序逐个执行，这会略微增加复杂任务的总体耗时。MCP 服务器工具无法通过兼容层使用，对依赖 MCP 生态的用户可能有影响。Anthropic 的 prompt caching 指令被忽略，但 DeepSeek 自身的自动缓存机制仍然有效。
在实际应用中，建议将任务按复杂度分流：简单重复的代码生成、文件批量修改、单元测试编写等任务可以完全依赖 DeepSeek 后端；涉及复杂架构设计、多模块协调或需要深度思考的问题及时切换到 Anthropic 后端。配合 deepclaude --cost 命令可以实时监控各后端的使用成本，根据实际账单调整使用策略。
这种混合架构为个人开发者和小型团队提供了极具性价比的 AI 辅助编程方案。保持 Claude Code 原生工具链的完整性意味着学习成本为零，唯一的变量只是背后的推理模型。与其支付每月 200 美元的使用费用，不如将这部分预算用于更长期的 API 额度消耗，同时获得接近的编码体验。
资料来源：GitHub aattaran/DeepClaude 项目文档