AI 小白逆袭!用 10 分钟学会 Claude Code 接入 DeepSeek-V3.2

AI 小白逆袭!用 10 分钟学会 Claude Code 接入 DeepSeek-V3.2

DeepSeek发布了最新的模型DeepSeek-V3.2,我们今天就让Claude Code 接入DeepSeek。为了让你也能快速掌握这套流程,我特地写下这篇“从零开始、一步到位”的完整实战教程。

大家好,我是写代码的中年人!

DeepSeek发布了最新的模型DeepSeek-V3.2,我们今天就让Claude Code 接入DeepSeek。为了让你也能快速掌握这套流程,我特地写下这篇“从零开始、一步到位”的完整实战教程。无论你是程序媛还是程序员,还是刚入坑 AI 的小白,都能在这篇文章中轻松完成!

Node.js 环境安装

Claude Code 是依赖于 Node.js 环境运行的,访问 Node.js 官方网站:https://nodejs.org,推荐下载 LTS(长期支持)版本,稳定且兼容性最好。

这里需要注意:

Claude Code 运行在Node.js 18以上版本。

Node.js下载页面

请根据你的电脑系统,下载适合你的软件版本!

Claude Code安装

打开cmd界面,输入:

npm install -g @anthropic-ai/claude-code

等程序执行完成,Claude Code 即安装完成。

就是这么简单!

cmd界面输入Claude,即可进入Claude Code界面

当前界面显示的是我登陆后的Claude官网模型,我们配置完后即可显示DeepSeek模型。

请注意,我们要选择一个文件夹运行cmd,再运行Claude!如我这里的文件夹是E:\Temp\test。

这里一定要运行一次命令claude,方便后边操作。如果显示无法连接网络,我们不用管它。

购买DeepSeek API Key

打开DeepSeek官网,https://www.deepseek.com,点击右上角 API开放平台,进入开放平台后,购买并创建你的 API Key!

创建API Key

这里需要注意:API Key只显示1次,请注意复制保存!

配置Claude Code

这个步骤很简单,这里我只演示Windows电脑,我们在电脑C:\Users\你当前登录的用户名\.claude

创建一个配置文件:settings.json。

文件配置信息如下:

{ "env": { "ANTHROPIC_AUTH_TOKEN": "这里填入你的DeepSeek API Key:sk-开头", "ANTHROPIC_BASE_URL": "https://api.deepseek.com/anthropic", "ANTHROPIC_MODEL": "deepseek-reasoner", "ANTHROPIC_DEFAULT_OPUS_MODEL": "deepseek-reasoner", "ANTHROPIC_DEFAULT_SONNET_MODEL": "deepseek-reasoner", "ANTHROPIC_DEFAULT_HAIKU_MODEL": "deepseek-reasoner", "CLAUDE_CODE_SUBAGENT_MODEL": "deepseek-reasoner", "CLAUDE_CODE_MAX_OUTPUT_TOKENS": "32000" }, "permissions": { "allow": [], "deny": [] }, "alwaysThinkingEnabled": false }

使用Claude Code

我们再次打开claude code,如下图,显示的是DeepSeek模型。

注意:这里已经显示为DeepSeek模型!

测试模型名称

询问你是什么模型

当前已正常输出是DeepSeek模型!以下信息为DeepSeek官网说明:

deepseek-chat 和 deepseek-reasoner 都已经升级为 DeepSeek-V3.2。deepseek-chat 对应 DeepSeek-V3.2 的非思考模式,deepseek-reasoner 对应 DeepSeek-V3.2 的思考模式。

测试模型生成能力

H5生成页面

我用最简单的提示,帮我生成一个H5页面,模型完成的不错。

请注意,DeepSeek在文档中提到:

DeepSeek-V3.2 的思考模式现已支持在 Claude Code 中使用。用户可以通过将模型名称切换为 deepseek-reasoner,或在 Claude Code CLI 中按下 Tab 键来启用思考模式。但需要提醒的是,思考模式目前尚未对 Cline、RooCode 等依赖非标准工具调用方式的组件做充分适配,因此在使用这些组件时,仍建议保持在非思考模式下运行。

 如果你想更深入地学习大模型,以下是一些非常有价值的学习资源,这些资源将帮助你从不同角度学习大模型,提升你的实践能力。

一、全套AGI大模型学习路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!​

因篇幅有限,仅展示部分资料,需要点击文章最下方名片即可前往获取

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示

因篇幅有限,仅展示部分资料,需要点击文章最下方名片即可前往获取

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

因篇幅有限,仅展示部分资料,需要点击文章最下方名片即可前往获取

四、AI大模型商业化落地方案

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量

Read more

在NVIDIA Jetson上实现端到端机器人学习:HuggingFace LeRobot实战指南

在NVIDIA Jetson上实现端到端机器人学习:HuggingFace LeRobot实战指南

在NVIDIA Jetson上实现端到端机器人学习:HuggingFace LeRobot实战指南 引言 让我们一起在NVIDIA Jetson上运行HuggingFace的LeRobot,训练基于Transformer的动作扩散策略和ACT策略。这些模型从视觉输入和先前的轨迹(通常在遥操作或模拟中收集)中学习预测特定任务的动作。 本教程将详细介绍如何在Jetson设备上为真实世界的机器人(以低成本的Koch v1.1为例)设置完整的端到端学习流程,从硬件配置、数据收集到模型训练和评估。 环境与硬件要求 所需设备 1. Jetson设备: * Jetson AGX Orin (64GB) * Jetson AGX Orin (32GB) * Jetson Orin NX (16GB) * Jetson Orin Nano (8GB) ⚠️ (内存可能受限) 2. JetPack版本: * JetPack 6 GA (L4T r36.3) * JetPack 6.1

基于深度学习图像分割的无人机洪水灾害图像分割检测与水量估算 洪水分割数据集 图像分割算法

基于深度学习图像分割的无人机洪水灾害图像分割检测与水量估算 洪水分割数据集 图像分割算法

🌊 洪水检测与水量估算🌊 洪水检测与水量估算 🌊 洪水检测与水域估算 该项目专注于利用深度学习技术,从卫星或航空图像中检测受洪水影响的区域,并估算水域覆盖范围。它整合了多种卷积神经网络架构,包括LeNet、ResNet、VGG和U-Net,以执行图像分割和分类任务。该项目专注于利用深度学习技术,从卫星或航空图像中检测受洪水影响的区域,并估算水域覆盖范围。它整合了多种卷积神经网络架构,包括LeNet、ResNet、VGG和U-Net,以执行图像分割和分类任务。该项目专注于利用深度学习技术,从卫星或航空图像中检测受洪水影响的区域,并估算水域覆盖范围。它整合了多种卷积神经网络架构,包括LeNet、ResNet、VGG和U-Net,以执行图像分割和分类任务。 🔍 主要特点🔍 主要特点 🔍 主要特点 * 使用U-Net进行图像分割,以识别水体和洪水淹没区域。使用U-Net进行图像分割,以识别水体和洪水淹没区域。使用U-Net进行图像分割,以识别水体和洪水淹没区域。 * LeNet、ResNet和VGG模型的比较,以评估洪水检测的性能。LeNet、ResNet和VGG模型的

Vivado IP核实现LVDS高速通信:从零实现方案

从零构建LVDS高速通信链路:基于Vivado IP核的实战指南 你有没有遇到过这样的场景? 项目急着要验证一个高速ADC的数据采集能力,传感器通过LVDS接口输出1.2 Gbps的原始数据流,而你的FPGA板子却频频丢帧、采样错乱。示波器上看眼图闭合严重,ILA抓出来的数据跳变无序——问题到底出在哪儿? 是PCB走线不匹配?时钟相位没对齐?还是FPGA内部采样逻辑写错了? 别急。今天我们就来 手把手实现一套稳定可靠的LVDS高速通信系统 ,全程基于Xilinx Vivado官方IP核和SelectIO原语,不依赖任何第三方模块或黑盒代码。整个过程不需要你精通SerDes硬核原理,也不用啃IBIS模型,但能让你真正理解“为什么这样接就通了”。 一、为什么选LVDS?它真的适合我的项目吗? 先说结论:如果你的应用涉及 中高带宽(>100 Mbps)、长距离传输(>15 cm)、抗干扰要求高 ,那么LVDS几乎是绕不开的选择。 它强在哪? 特性 对比传统CMOS 工作电压 ~350mV差分摆幅 功耗 恒流驱动,功耗低 EMI辐射

NIC400生成Flow全解析(八)Micro Architechture

当所有配置完成后,就可以生成Micro Architechture了。在Micro Architechture中也会进行一系列配置。比如微架构、timing closure、buffering等配置。 生成Micro Architechture的方法如下: 生成时需要解决掉所有报错问题后,即可打开Micro Architechture。打开方式如下: 大致界面如下: 其中主要包含了如下元素: * Micro Architechture窗口 * Parameter/Timing Closure/Buffering窗口 * Overlays窗口 1.Micro Architechture窗口 该窗口主要是设定需要的互联微架构,AMBA Designer生成NIC-400时需要手动定义,Socrates生成NIC-400时会根据工具内部算法生成一个微架构。生成后也可以根据自己的需求进行调整。图中的各种标志如下所示: Micro Architechture的左边有一排按键,11个按键的含义从上到下依次为: * Zoom in:视图放大 * Zoom o