👉 项目官网:https://www.python-office.com/ 👈

👉 本开源项目的交流群 👈

atomgit star github star gitee star

科技不高冷,AI很好用 | 我是程序员晚枫,全网 40 万+ 粉丝


📖 看本文之前,建议先读这篇
👉 《大厂 Coding Plan 价格被我扒光了!买贵的人都在偷偷看这个》

想看完整的大厂 AI Coding Plan + Token 价格对比、隐藏购买渠道、避坑提醒?这份持续更新的价格汇总表全整理好了。建议先收藏,再回来按本文 2 种玩法上手。


一句话结论

DeepSeek Coding Plan 有 2 种主流玩法,看你需求:

  • 想 5 分钟跑通、懒得折腾:走 API 调用,5 步搞定
  • 想 0 API 费用、数据私有:本地部署,Ollama 一行命令
  • 不确定:先 API,再本地——80% 的用户其实只需要 API

下面分别讲。


🚀 玩法一:API 调用(5 分钟上手)

适合:想快速体验、不愿折腾硬件的同学。

第一步:获取 API Key(1 分钟)

  1. 打开 DeepSeek 开放平台
  2. 注册账号(新用户有免费额度,不用先充钱)
  3. 进「API Keys」→ 「创建」→ 复制保存(只显示一次

第二步:安装依赖(1 分钟)

1
pip install openai

第三步:调用 API(1 行代码)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
from openai import OpenAI

client = OpenAI(
api_key="你的 API Key",
base_url="https://api.deepseek.com/v1"
)

response = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "system", "content": "你是一个 Python 专家。"},
{"role": "user", "content": "帮我写一个 Python 快速排序"}
]
)

print(response.choices[0].message.content)

第四步:接入 IDE(可选)

支持 VS Code、JetBrains 等主流 IDE 装 Continue / Cline 插件:

  • VS Code:搜「Cline」或「Continue」装上
  • JetBrains:搜「Continue」插件

配置 base_url = https://api.deepseek.com/v1 + 你的 API Key 即可。

第五步:成本控制(避坑)

  • 先小额测试:充 10 元,够跑几十万次对话
  • 设置月度上限:后台 → 账户设置 → 限额
  • 监控调用量:Prometheus / 自建脚本都行

💡 V4 Pro 当前 2.5 折,活动到 5 月 5 日截止。点我看价格


💻 玩法二:本地部署(0 API 费用)

适合:有显卡、追求数据私有、想长期省钱的同学。

核心优势

  • ✅ 没有 API 调用费用(电费忽略不计)
  • ✅ 数据完全私有(代码不出本机)
  • ✅ 可以离线使用(出差 / 飞机上也能用)
  • ✅ 商用免费(MIT 协议)

硬件要求

模型最低显存推荐显卡性能对标
DeepSeek-Coder 6.7B6GBGTX 1060+比 GPT-3.5 略弱
DeepSeek-Coder 33B24GBRTX 4090对标 GPT-4
DeepSeek-V3 量化版24GBRTX 4090对标 GPT-4
DeepSeek-V3 满血版80GB+多卡服务器GPT-4 Turbo

💡 没有显卡? 阿里云 / 腾讯云租 A100,约 8 元/小时,跑完任务关机。

部署步骤(4 步)

Step 1:装 Ollama

1
curl -fsSL https://ollama.com/install.sh | sh

Step 2:拉模型

1
ollama pull deepseek-coder:6.7b

Step 3:跑起来

1
ollama run deepseek-coder:6.7b

Step 4:用 OpenAI 兼容 SDK 调用

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
from openai import OpenAI

client = OpenAI(
api_key="ollama", # 任意非空字符串
base_url="http://localhost:11434/v1"
)

response = client.chat.completions.create(
model="deepseek-coder:6.7b",
messages=[
{"role": "user", "content": "写一个 Python 快速排序"}
]
)

print(response.choices[0].message.content)

📊 两种方式对比

维度API 调用本地部署
上手难度⭐ 5 分钟⭐⭐⭐ 半天
费用按 token 付费一次性硬件投入
初始成本0 元几千-几万元(显卡)
数据安全数据在云端完全私有
离线可用
模型更新自动手动
性能上限取决于套餐取决于显卡
适合谁个人 / 中小团队重度 / 隐私敏感 / 团队

🎯 怎么选?一张图说清

你的情况推荐理由
第一次接触 DeepSeekAPI 调用5 分钟跑通,先试再决定
个人开发者 / 偶尔用API 调用(V4 Pro 2.5 折)性价比最高
数据敏感 / 金融 / 医疗本地部署数据不出本机
重度使用 / 月花 500+ 元本地部署一次投入,长期省钱
团队 / 多人协作API 调用 + 企业版免维护
喜欢折腾 / 学习用本地部署练手 + 省钱

⚠️ 3 条避坑提醒

  1. API Key 别上传 GitHub —— 加 .env + .gitignore
  2. 本地部署别硬上 67B —— 6.7B / 33B 已足够日常使用
  3. 出 5xx 错误立刻降级 —— API 失败时切本地,反之亦然

📚 想深入了解?


👉 加我微信:aiwf365(备注:Coding Plan)
或 👉 加入 AI 编程学习交流群


## 🎓 AI 编程实战课程

想系统学习 AI 编程?程序员晚枫的 AI 编程实战课 帮你从零上手!