How to Use DeepSeek with VS Code: A Working V4 Setup

您希望在VS Code内部拥有一个编码助手，它不像SaaS订阅那样收费，不会让您局限于某个供应商，并且能够处理真实的代码库而不会产生幻觉的导入。将DeepSeek与VS Code连接，在不到十分钟内就能实现——聊天、自动完成和针对`deepseek-v4-pro`或`deepseek-v4-flash`的代理重构，两者均于2026年4月24日发布，并且按令牌计费。

本指南将介绍我每天使用的两个扩展——继续操作和Cline——带有复制粘贴的配置块、典型一周编码的工作成本示例，以及第一次设置时破坏我的设置的问题。到结束时，您将拥有一个经过测试的集成，并知道将哪个级别指向哪个任务。

你将构建的内容

VS Code 内部两个并行设置，都指向 DeepSeek 的与 OpenAI 兼容的 API：

• 继续操作 ——聊天侧边栏、行内编辑和标签自动完成。轻量级选项；大多数开发者的理想默认设置。
• Cline ——能够读取您的工作区、运行命令和跨任务编辑文件的代理模式。更适合多文件重构和错误查找。

两个扩展都连接到同一个端点： POST /chat/completions at https://api.deepseek.com您可以根据请求选择模型—— deepseek-v4-pro 用于前沿级别的编码工作， deepseek-v4-flash 用于日常自动补全和聊天。API是无状态的，因此每个请求都会重新发送历史记录；扩展会为你处理这一点。

Prerequisites

• VS Code 1.85 或更高版本（Cursor 和 VSCodium 也适用——同一扩展市场）。
• 一个启用了计费并生成了API密钥的DeepSeek账户。如果您没有，请按照我们的教程进行操作。 get a DeepSeek API key.
• Node.js 18+ on your machine (继续操作’s autocomplete worker needs it).
• 大约 5 美元的 API 信用额即可开始。根据我的经验，V4-Flash 上一周的适度使用很少超过 2 美元。

第1步：生成并存储您的API密钥

在 platform.deepseek.com 登录，打开 API密钥，并创建一个密钥。复制一次——您无法再次查看它。将其存储在您的操作系统密钥链中或一个 .env 在仓库外提交。永远不要提交它。完整的机制——头部格式、头部轮换、作用域——在我们的文档中有详细说明。 DeepSeek API身份验证 guide.

使用curl在终端进行快速烟雾测试。这确认了密钥在将其连接到VS Code之前是有效的：

curl https://api.deepseek.com/chat/completions 
  -H "Content-Type: application/json" 
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" 
  -d '{
    "model": "deepseek-v4-flash",
    "messages": [{"role": "user", "content": "Reply with OK."}],
    "max_tokens": 16
  }'

您应该看到一个包含 "OK" 的JSON响应 content 字段。如果您收到401错误，密钥错误或未资助；如果收到402错误，您的余额已空。

第2步：安装继续操作并将其指向DeepSeek

在VS Code中，打开扩展面板并安装 继续操作 （发布者：继续）。安装后，点击活动栏中的继续图标；它将要求您添加一个模型。

跳过向导并直接编辑配置——这更快且可重复。打开命令面板（Ctrl/Cmd+Shift+P) 并运行 继续操作: Open config.yaml。将内容替换为以下YAML：

name: DeepSeek V4
version: 1.0.0
schema: v1
models:
  - name: DeepSeek V4 Pro
    provider: openai
    model: deepseek-v4-pro
    apiBase: https://api.deepseek.com/v1
    apiKey: sk-your-key-here
    roles: [chat, edit]
  - name: DeepSeek V4 Flash
    provider: openai
    model: deepseek-v4-flash
    apiBase: https://api.deepseek.com/v1
    apiKey: sk-your-key-here
    roles: [chat, edit, autocomplete]
  - name: DeepSeek V4 Flash (Thinking)
    provider: openai
    model: deepseek-v4-flash
    apiBase: https://api.deepseek.com/v1
    apiKey: sk-your-key-here
    默认完成选项:
      推理努力：高
    roles: [chat, edit]

三种模型入口提供了我发现有用的范围：Flash用于自动完成（快速、便宜），Pro用于难以回答的聊天问题和编辑，以及一个Flash思维变体，用于解决你想要解决的有问题的bug。 reasoning_content alongside the final content.

保存文件。继续热重载。打开聊天侧边栏，从下拉菜单中选择一个模型，并要求它解释你的仓库中的一个函数。如果你看到流式答案，说明你已经连接上了。

选项卡自动完成设置

继续在每次光标暂停时调用自动完成模型。V4-Flash在非思维模式下是正确的选择——快速且便宜。降低温度：根据DeepSeek的官方指导，使用 0.0用于代码生成。将以下内容添加到 config.yaml:

tabAutocompleteOptions:
  temperature: 0.0
  为4096，并保持V4-Flash上的自动完成。跟踪实际支出与: 4096
  防抖延迟: 350

350毫秒的防抖阻止了在每次按键时触发继续。没有它，一个小时的打字可能会悄无声息地消耗掉一美元。

第3步：安装Cline以执行代理任务

继续非常适合聊天和完成。当任务是“找到每个调用位置”时，你需要的是Cline。 解析配置将其迁移到新的签名，并更新测试。 Cline 从扩展面板安装。

Open Cline’s settings (gear icon 的JSON响应 Cline panel). Choose OpenAI 兼容 作为提供商，并填写以下信息：

• 基础URL： https://api.deepseek.com/v1
• API密钥： 您的DeepSeek密钥
• 模型ID： deepseek-v4-pro
• 上下文窗口： 1000000
• 最大输出： 65536（对于非常长的生成，提升到384000）

对于有代理的循环，V4-Pro因其12倍的输出成本溢价而物有所值。它计划得更周到，调用工具更准确，并且在多步任务中比Flash更好地从错误中恢复。对于琐碎的任务（“为这个函数添加一个JSDoc注释”）切换到Flash。

第4步：验证其确实有效

三个快速测试确认端到端连接：

1. 聊天往返。 Open a source file, highlight a function, and ask 继续操作: “What does this do, and what’s one edge case it misses?” 流式答案意味着聊天功能正常工作。
2. 自动完成。 在JavaScript或Python文件中，输入 function fibonacci( 并暂停。应在几秒钟内出现一个灰色的幽灵文本建议。
3. 代理编辑。 在Cline中输入： “Read package.json, list outdated dependencies that have major version bumps available.” Cline 应该请求文件读取权限，读取文件，并返回一个列表。前几次运行时逐个批准操作。

选择层级：V4-Flash与V4-Pro

在这个设置中，最大的成本决策是哪个模型处理哪个任务。以下是我如何分配工作：

关于DeepSeek模型适合哪种工作的更广泛图景，请参阅 DeepSeek models hub. 模型特定的页面有基准详情。 DeepSeek V4-Flash and DeepSeek V4-Pro 。

一周实际上花费了多少

这是一周代表性的独立开发工作——我，构建一个 Next.js 应用，带有自动完成功能：

• ~300 chat turns in 继续操作, mostly Flash, average 3K tokens in / 800 out per turn.
• 在 Flash 上有约 2,000 个自动完成，每个约 1.5K 个 token，每 80 个输入有 80 个输出，并且从打开的文件中进行了大量的前缀缓存。
• Pro版上运行了~15个Cline代理，(混合缓存命中+未命中)输入约40K个token，每轮输出4K个token。

成本为 deepseek-v4-flash 的费率（$0.0028缓存命中 / $0.14缓存未命中 / 每百万token输出$0.28）和 deepseek-v4-pro 价格（0.0145 美元 / 1.74 美元 / 3.48 美元列表（有效价格 0.003625 美元 / 0.435 美元 / 0.87 美元，通过 2026-05-31 的 75% 促销活动））：

继续操作 chat (V4-Flash):
  Input cache hit  : 540M tokens × $0.0028/M = $0.015
  Input cache miss : 360M tokens × $0.14/M  = $0.050
  Output           : 240K tokens × $0.28/M  = $0.067
                                              -------
                                              $0.13

继续操作 autocomplete (V4-Flash):
  Input cache hit  : 2.4M tokens × $0.0028/M = $0.067
  Input cache miss : 0.6M tokens × $0.14/M  = $0.084
  Output           : 160K tokens × $0.28/M  = $0.045
                                              -------
                                              $0.20

Cline agent runs (V4-Pro):
  Input cache hit  : 360K tokens × $0.0145/M (list; promo $0.003625 through 2026-05-31) = $0.052
  Input cache miss : 240K tokens × $1.74/M (list)  = $0.418
  Output           :  60K tokens × $3.48/M (list)  = $0.209
                                              -------
                                              $0.68

Weekly total: ~$1.01

这相当于一周付费 AI 助手的费用仅相当于一台售货机咖啡的价格。如果你在 Pro 上启用自动完成（不要这么做）或每天运行数十个代理循环，数字会有所波动，但上限仍然很低。要深入了解这些数字，请参阅 DeepSeek API pricing 参考以及 DeepSeek cost estimator.

有用的API参数和功能

Both 继续操作 and Cline pass through the standard OpenAI-compatible parameters. The ones worth knowing:

• temperature ——DeepSeek的官方指南： 0.0 用于代码， 1.0 for data analysis, 1.3 用于一般聊天， 1.5 for creative writing. 继续操作 and Cline both expose this.
• max_tokens —— 输出上限。V4支持在1,000,000个token的上下文中输出最多384,000个token。大多数编码任务都舒适地低于8,000个token。
• reasoning_effort — 仅V4。设置为 "high" with extra_body={"thinking": {"type": "enabled"}} 用于思考模式。使用 "max" 进行最深层次的推理（需要至少384K的输出空间）。
• 流式传输 —— 两个扩展默认以流式处理。当处于思考模式时，推理内容会与最终答案一起流式处理。
• 上下文缓存 —— 当DeepSeek检测到重复的前缀（系统提示、打开的文件）时自动应用。驱动了上述成本示例。
• 工具调用 — Cline依赖于此进行文件操作和shell命令。在V4级别都适用。
• FIM补全（Beta） —— 仅在非思考模式下。继续操作的自动完成功能内部使用类似的前缀/后缀模式。

如果您构建自定义命令，则应标记JSON模式：它 designed —— 以返回有效的JSON，但不保证。在您的提示中包含单词“json”以及一个小示例模式，并设置 max_tokens 足够高，以至于响应不会在对象中间截断。更多信息，请参阅 DeepSeek API JSON mode.

Common errors and fixes

关于旧版模型ID的说明

如果您维护的是旧版集成，则 ID deepseek-chat and deepseek-reasoner 仍然有效——它们目前分别路由到 deepseek-v4-flash 在非思考模式和思考模式下。两者都将 2026-07-24 at 15:59 UTC退役。迁移只需一行 model= swap; the base_url 并不会改变。在此日期之前更新您的 VS Code 配置。

隐私和您的代码去向

每个来自VS Code的请求都会发送到中国的DeepSeek服务器并在此处处理。这包括当自动完成或聊天功能触发时，你的打开文件的文件内容。如果你在NDA协议下工作、处理受监管的数据或在限制跨境数据流动的企业政策下工作，这种设置是不正确的——请通过Ollama运行本地模型。关于如何在 running DeepSeek on Ollama 覆盖了离线路径。权衡利弊已在 DeepSeek privacy.

中说明。有关 DeepSeek 的自身技术披露和 V4 模型卡，请参阅 DeepSeek官方API文档.

下一步

从这里有两个方向，取决于你正在构建的内容：

• 如果你想编写自己的VS Code命令或构建自己的编码代理，请从 DeepSeek Python integration or DeepSeek Node.js集成开始 ——它们都使用相同的与OpenAI兼容的客户端。
• 如果你想将你构建的内容与替代方案进行比较，我们的 DeepSeek Coder与Copilot比较 文档是诚实的一对一比较。
• 对于更广泛的教程目录，该 DeepSeek tutorials 中心索引了从RAG管道到Discord机器人的所有内容。

DeepSeek AI Guide is an independent resource and is not affiliated with DeepSeek or its parent company. Model IDs, pricing and API behaviour change; check the official DeepSeek documentation and pricing page before committing to a production decision.