Claude Code + DeepSeek V4 本地化部署方案与硬件推荐

将 Claude Code（Anthropic 官方推出的命令行 AI 编程 Agent）与 DeepSeek V4（2026年4月开源的顶级 MoE 大模型）结合，可以实现数据完全私有化、无网络限制、无 API 费用的终极本地编程体验。

以下是完整的部署方案与硬件选型指南。

---

一、 核心认知：模型与硬件需求分析

DeepSeek V4 采用 MoE（混合专家）架构，支持 100万 Token 超长上下文。MoE 的特点是：虽然每次推理只激活部分参数（生成速度快），但所有专家参数都必须加载到显存/内存中，因此硬件需求取决于总参数量。

版本	总参数	激活参数	定位	FP8 显存需求	INT4 显存需求	INT2/Q2 显存需求
V4-Pro	1.6T (1.6万亿)	49B	旗舰版，复杂 Agent/大型重构	~1.6TB	~800GB	~400GB
V4-Flash	284B (2840亿)	13B	轻量版，日常编程辅助	~284GB	~160GB	~90GB

结论：对于 95% 的个人开发者和工作室，DeepSeek V4-Flash 是唯一具备落地可行性的版本，其代码能力已经非常强悍。V4-Pro 仅适合企业级超算节点。

---

二、 硬件推荐方案

方案 A：苹果 Mac 统一内存方案（个人极客首选 🌟）

苹果芯片的统一内存架构（UMA） 允许 CPU 和 GPU 共享同一块超大内存，是目前个人设备运行超大 MoE 模型的最优解。

• 设备推荐：Mac Studio / MacBook Pro / Mac Pro (M2/M3/M4 Max 或 Ultra 芯片)
• 内存配置：
  • 128GB：可流畅运行 V4-Flash (INT4/Q4 量化)，推理速度约 15-25 tokens/s。
  • 192GB - 256GB：可运行 V4-Flash (FP8 满血) 甚至挑战 V4-Pro (INT4 量化)。
• 优点：开箱即用，功耗低，无噪音，无需折腾 Linux 驱动和 CUDA 环境。
• 部署工具：Ollama 或 LM Studio。

方案 B：PC 多卡拼接方案（DIY 玩家 / 实验室）

通过 PCIe 主板将多张消费级显卡拼接，利用张量并行（Tensor Parallelism）技术运行模型。

• GPU 推荐：2 ~ 4 张 RTX 3090 / 4090 (24GB 显存)
• 总显存：48GB ~ 96GB
• 能跑什么：
  • 4 × RTX 3090/4090 (96GB)：可运行 V4-Flash (INT4 量化)。
  • 2 × RTX 3090/4090 (48GB)：需配合大内存使用 CPU Offload（部分层卸载到内存），速度会大打折扣。
• 关键配套硬件：
  • 主板/CPU：需要支持多 PCIe x8/x16 插槽的主板，推荐 AMD Threadripper（线程撕裂者）或工作站主板。
  • 内存：128GB DDR5（用于 CPU Offload 和 KV Cache）。
  • 电源：1600W - 2000W（4张 4090 峰值功耗极高）。
• 部署工具：vLLM 或 SGLang。

方案 C：企业级满血方案（工作室 / 企业私有化）

• GPU：4 ~ 8 张 A100 / H100 / H800 (80GB)，或最新的 B200 集群。
• 总显存：320GB ~ 640GB+
• 能跑什么：V4-Flash FP8 满血版，或 V4-Pro INT4/INT8 量化版。
• 部署工具：vLLM / SGLang 多机多卡分布式部署。

---

三、 本地部署方案（后端：运行 DeepSeek V4）

Claude Code 本身是一个前端 Agent，它需要后端提供 兼容 OpenAI/Anthropic 格式的 API。以下是三种主流部署方式：

1. Ollama（最简单，适合 Mac 用户 / 个人 PC）

Ollama 会自动处理量化、内存管理和 API 服务，开箱即用。

# 安装 Ollama (Mac/Linux/Windows)
# 拉取并运行 DeepSeek V4 Flash 量化版
ollama run deepseek-v4-flash:q4_K_M

• API 端点：默认在 http://localhost:11434/v1 提供 OpenAI 兼容 API。

2. vLLM（性能最强，适合 Linux + 多卡 NVIDIA GPU）

vLLM 的 PagedAttention 技术对长上下文（1M Token）和并发支持极好，是编程 Agent 的首选。

# 安装 vLLM
pip install vllm

# 启动 OpenAI 兼容 API 服务 (以 4 卡 4090 为例)
vllm serve deepseek-ai/DeepSeek-V4-Flash \
    --tensor-parallel-size 4 \
    --quantization fp8 \
    --max-model-len 131072 \
    --port 8000

• API 端点：http://localhost:8000/v1

3. SGLang（推理速度极快，适合极客）

由 UC Berkeley 开发，对复杂 Prompt 和结构化输出（如代码生成）有深度优化。

pip install sglang
python -m sglang.launch_server --model-path deepseek-ai/DeepSeek-V4-Flash --tp 4 --port 8000

---

四、 Claude Code 对接配置（前端：接入本地 API）

Claude Code 官方默认调用 Anthropic API，但可以通过修改环境变量或配置文件，将其无缝指向你本地部署的 DeepSeek V4。

方法 1：修改配置文件（推荐，最稳定）

在终端执行以下命令，编辑 Claude Code 的配置文件 ~/.claude/settings.json：

{
  "env": {
    "ANTHROPIC_BASE_URL": "http://localhost:8000/v1", 
    "ANTHROPIC_API_KEY": "sk-ANY_STRING_YOU_LIKE",
    "CLAUDE_CODE_MODEL": "deepseek-ai/DeepSeek-V4-Flash"
  }
}

(注：ANTHROPIC_API_KEY 本地部署时通常不校验，填任意非空字符串即可；ANTHROPIC_BASE_URL 填你 vLLM/Ollama 的地址。)

方法 2：通过环境变量临时注入

在启动 Claude Code 前，在终端导出环境变量：

export ANTHROPIC_BASE_URL="http://localhost:8000/v1"
export ANTHROPIC_API_KEY="sk-local-deepseek"
export CLAUDE_CODE_MODEL="deepseek-v4-flash"
# 启动 Claude Code
claude

---

五、 避坑指南与优化建议

1. Tool Use (工具调用) 兼容性：
   Claude Code 的核心是 Agentic Workflow（自主读写文件、执行终端命令），这要求模型具备极强的 Tool Use 能力。DeepSeek V4 在这方面有大幅提升，但如果在使用中发现模型“不听话”或“无法调用工具”，请在 vLLM/Ollama 启动时开启 Tool Calling 模板（如 --enable-auto-tool-choice）。
2. 上下文窗口设置：
   Claude Code 在处理大型代码库时会消耗大量 Token。虽然 V4 支持 1M 上下文，但本地硬件的 KV Cache 显存有限。建议在启动 vLLM 时，将 --max-model-len 限制在 32768 或 65536，防止显存溢出 (OOM)。
3. 网络代理问题：
   如果你在国内，首次安装 Claude Code 或拉取 HuggingFace 模型时可能需要配置代理。确保终端的 HTTP_PROXY 和 HTTPS_PROXY 设置正确。
4. Mac 用户的内存预警：
   在 Mac 上运行 INT4 量化版的 V4-Flash (284B) 大约需要占用 160GB 内存。如果你的 Mac 只有 128GB 内存，系统会大量使用 SSD 作为 Swap，导致推理速度降至 1-2 tokens/s（完全不可用）。请务必确保物理内存大于模型权重文件大小。

总结：对于个人开发者，一台 192GB 内存的 Mac Studio + Ollama + Claude Code 是目前体验最丝滑、折腾成本最低的 DeepSeek V4 本地化编程方案。如果是 PC 阵营，请准备至少 4 张 RTX 3090/4090 并安装 Linux 系统使用 vLLM 部署。