1. 为什么要在 PyCharm 里接入 DeepSeek1.1 从“写代码”到“聊代码”的转变写代码这件事这几年最大的变化不是语言本身而是工具链里多了一个会聊天的搭档。以前遇到一个报错第一反应是复制错误信息去搜索引擎翻帖子运气好十分钟解决运气不好半小时还在试各种偏方。现在更高效的做法是直接在编辑器里把代码和报错丢给模型让它先给一版分析再自己判断对不对。PyCharm 作为 Python 开发的主力 IDE本身并不自带大模型对话能力。DeepSeek 这类模型的价值在于它能理解上下文、能读代码、能解释报错、能补全函数而且中文表达比很多同类模型更自然。把这两者接起来等于给 PyCharm 装了一个随时在线的结对伙伴。这个教程适合三类人一是刚装好 PyCharm、想体验 AI 辅助编程的新手二是已经在用其他 AI 插件、想换成 DeepSeek 的老手三是网络环境或账号条件受限、想走本地部署路线的折腾党。三种方法我会从易到难依次讲每种都给出完整步骤和踩坑记录。1.2 三种接入路线的取舍逻辑在动手之前先把三条路线的定位说清楚避免你选错方向浪费时间。路线核心工具适合人群优点代价方法一Continue 插件 DeepSeek API大多数开发者配置简单、响应快、功能全需要 API Key按量计费方法二CodeGPT 插件 DeepSeek API喜欢图形化配置的人界面友好、多模型切换方便插件体积略大配置项偏多方法三Ollama 本地部署 Continue注重数据隐私、想离线用数据不出本机、无调用费用吃硬件、下载模型慢、效果受模型规模限制我的建议很直接如果你只是想让 AI 帮你写代码、解释报错优先走方法一十分钟能跑起来。如果你对数据外发有顾虑或者想研究本地大模型再考虑方法三。方法二更像是方法一的替代品适合已经习惯 CodeGPT 交互逻辑的人。提示三条路线并不互斥你完全可以同时装 Continue 和 CodeGPT用不同的模型处理不同任务。但新手建议先跑通一条再折腾第二条。2. 方法一Continue 插件接入 DeepSeek API2.1 安装 Continue 插件打开 PyCharm进入File - Settings - Plugins在 Marketplace 里搜索Continue。这里有个高频坑搜不到插件。原因通常有两个一是 PyCharm 版本太老Continue 对 IDE 版本有最低要求建议用 2023.3 之后的版本二是网络问题导致插件市场加载不全可以多刷新几次或者去插件官网下载离线包再手动安装。安装完成后重启 IDE右侧边栏会出现 Continue 的图标。如果没看到去View - Tool Windows - Continue手动打开。2.2 获取 DeepSeek API Key去 DeepSeek 官方平台注册账号在控制台里创建一个 API Key。创建时注意两点一是 Key 只显示一次务必当场复制保存二是要确认账户里有余额或免费额度否则调用会直接返回 401 错误。拿到 Key 之后不要直接写死在配置文件里明文保存尤其是多人共用电脑的场景。更稳妥的做法是把它放进系统环境变量配置文件里用变量引用。2.3 配置 config.jsonContinue 的核心配置在一个 JSON 文件里。点击插件面板右下角的齿轮图标选择打开配置文件通常路径在用户目录下的.continue文件夹里。配置结构大致如下{ models: [ { title: DeepSeek, provider: deepseek, model: deepseek-chat, apiKey: 你的API Key, apiBase: https://api.deepseek.com } ], tabAutocompleteModel: { title: DeepSeek Autocomplete, provider: deepseek, model: deepseek-chat, apiKey: 你的API Key } }这里有几个关键点要解释。provider填deepseek是因为 Continue 内置了对 DeepSeek 的适配不用自己拼请求格式。model填deepseek-chat是对话模型如果你需要更强的推理能力可以换成对应的推理模型名称。apiBase一般不用改除非你走的是兼容接口。tabAutocompleteModel这一段是配置代码补全的也就是你打字时灰色提示的那部分。很多人只配了对话模型发现补全没反应就是漏了这一段。2.4 验证与首次对话配置保存后Continue 面板里会出现模型选择下拉框。选中 DeepSeek然后在输入框里问一句“用 Python 写一个读取 CSV 并统计行数的函数”。如果几秒内返回了代码说明链路通了。如果报错按这个顺序排查先看 API Key 有没有多余空格再看账户余额然后确认apiBase地址是否正确最后检查本机能否正常访问该域名。实测下来绝大多数失败都是 Key 复制不完整或余额为零导致的。注意Continue 的配置文件对 JSON 格式要求严格多一个逗号、少一个引号都会导致整个配置失效而且报错信息往往不直观。改完配置建议用在线 JSON 校验工具过一遍。3. 方法二CodeGPT 插件接入 DeepSeek3.1 CodeGPT 的定位与安装CodeGPT 是另一个在 PyCharm 里很流行的 AI 插件它的特点是图形化配置做得好模型切换、对话历史管理都比较直观。安装方式同样是Settings - Plugins搜索CodeGPT装完重启。它和 Continue 的区别在于交互重心Continue 更偏向“编辑器内联补全 侧边对话”CodeGPT 更偏向“独立对话窗口 代码块操作”。如果你习惯把 AI 当成一个独立的聊天窗口来用CodeGPT 的手感会更顺。3.2 配置 DeepSeek 作为服务商安装后在右侧找到 CodeGPT 面板点击设置进入 Providers 配置。选择自定义服务商或 OpenAI 兼容模式然后填入三个关键信息Base URLDeepSeek 的接口地址API Key你的密钥Model模型名称CodeGPT 支持保存多套配置你可以同时存 DeepSeek 和别的模型用的时候一键切换。这一点比 Continue 的纯文件配置要方便适合需要频繁对比不同模型输出的人。3.3 代码块操作与右键菜单CodeGPT 比较实用的一个功能是右键菜单集成。选中一段代码右键可以看到“解释这段代码”“重构”“找 Bug”等选项点一下就把选中的内容发给模型结果直接显示在面板里。这个流程比手动复制粘贴到对话框要快得多。实测中我发现它对长代码的处理需要注意如果选中的代码超过几千行请求会超时或截断。正确做法是只选关键函数或出错的那一段而不是整个文件全选。3.4 两个插件的选择建议如果你只想要代码补全Continue 更轻量如果你想要丰富的对话交互和右键操作CodeGPT 更合适。两者都装也不冲突我自己就是 Continue 负责补全、CodeGPT 负责深度对话各司其职。4. 方法三Ollama 本地部署 DeepSeek4.1 本地部署的适用场景前两种方法都要把代码片段发到远端服务器。对于一般业务代码这没什么问题但如果你处理的是敏感数据、内部算法或者单纯想断网也能用本地部署就是唯一选择。Ollama 是目前本地跑大模型最省心的工具之一它把模型下载、加载、接口服务都封装好了基本是装完就能用。代价是它对硬件有要求模型越大越吃内存和显存。4.2 安装 Ollama 与下载模型去 Ollama 官网下载对应系统的安装包Windows 和 macOS 都有图形化安装程序Linux 用一行脚本。安装完成后打开终端输入ollama --version确认安装成功。下载模型用ollama pull命令比如拉取一个中等规模的模型ollama pull deepseek-r1:7b这里最大的坑是下载慢。模型动辄几个 GB直连下载经常卡住。解决办法是配置国内镜像源在环境变量里设置OLLAMA_HOST或使用镜像加速地址具体地址以你所在网络环境可用的为准。另一个办法是错峰下载深夜时段速度会明显好一些。4.3 硬件需求与模型选择选哪个模型取决于你的机器配置。给一个粗略的参考模型规模最低内存推荐显存体验评价1.5B8GB无独显可跑快但能力有限适合补全7B16GB6GB 以上平衡之选日常够用14B32GB12GB 以上明显更聪明硬件门槛高32B 及以上64GB24GB 以上接近云端效果普通机器吃力我的经验是如果你只有核显或入门独显老老实实跑 7B别硬上大模型否则生成一句话要等半分钟体验极差。7B 在代码解释和简单补全上已经能打复杂推理再切回云端 API。4.4 把 Ollama 接进 ContinueOllama 启动后会在本地开一个服务端口Continue 可以直接连它。配置改成{ models: [ { title: DeepSeek Local, provider: ollama, model: deepseek-r1:7b, apiBase: http://localhost:11434 } ] }provider改成ollamaapiBase指向本地端口不需要 API Key。保存后就能在本地离线使用。实测下来7B 模型在补全场景的延迟可以接受但对话场景的响应速度明显慢于云端这是硬件决定的没法绕过。提示Ollama 服务默认只监听本机如果你想让局域网内其他设备也能调用需要修改监听地址但这会带来安全风险非必要不建议开放。5. 三种方法横向对比与选型决策5.1 成本、速度、隐私的三方权衡把三种方法放在一起看本质是在三个维度上做取舍。成本方面方法一和方法二按 token 计费用得多花得多但单价很低个人开发者一个月通常花不了多少钱。方法三一次性投入硬件之后零调用费用但硬件本身就是成本。速度方面云端 API 的响应速度取决于网络和服务器负载正常情况下比本地 7B 模型快。本地大模型如果硬件够强也能做到接近云端但硬件投入会陡增。隐私方面本地部署完胜代码不出本机。云端方案则依赖服务商的隐私政策敏感项目要谨慎。5.2 我的实际使用组合我自己的配置是日常补全和简单问答走 Continue DeepSeek API因为快涉及内部逻辑的代码分析走本地 Ollama图个安心CodeGPT 留着做多模型对比偶尔试试不同模型的输出差异。这套组合跑了大半年稳定性没问题。唯一要注意的是 API Key 的额度管理建议在平台设置消费提醒避免某个月调用量突增导致意外扣费。6. 常见问题与避坑指南6.1 插件安装类问题搜不到 Continue 插件先确认 PyCharm 版本老版本插件市场里确实没有。升级 IDE 是最直接的解法。如果版本没问题还是搜不到检查网络或者去插件官网下载对应版本的离线包用Install Plugin from Disk手动装。插件装了但面板不显示去View - Tool Windows里找有时候是被折叠了。还不行就重启 IDE再不行检查插件是否被禁用。6.2 API 调用类问题返回 401 未授权九成是 Key 错了。检查有没有复制到多余空格检查 Key 是否已过期或被删除检查账户余额。返回 429 请求过多触发了速率限制等一会儿再试或者降低补全的触发频率。Continue 的自动补全如果设置得太激进会频繁发请求容易撞限流。响应超时网络问题居多。可以适当调大超时时间或者换一个网络环境测试。本地 Ollama 如果超时多半是模型太大、内存不够换小模型。6.3 本地部署类问题Ollama 下载模型卡住配置镜像源或者换时间段重试。已经下载了一部分的话重新执行 pull 命令会断点续传不用从头来。模型跑起来很慢先看任务管理器确认是内存爆了还是显存爆了。内存不足会触发磁盘交换速度断崖式下跌。解决办法是换更小的模型或者加内存。生成质量差小模型的能力天花板就在那里别指望 1.5B 能写出复杂算法。需要高质量输出时切回云端 API。6.4 配置类问题速查表现象可能原因解决方向补全没反应没配 tabAutocompleteModel补上补全模型配置对话报格式错误JSON 语法错误用校验工具检查配置文件切换模型无效配置未保存或未重启保存后重启 IDE本地模型加载失败模型名写错或未下载用 ollama list 确认已下载中文乱码编码配置问题检查文件编码为 UTF-87. 几个提升体验的实操技巧7.1 让补全更懂你的代码风格Continue 的补全默认比较通用。你可以在项目根目录放一个规则文件把团队的代码规范、命名习惯、常用库写进去模型生成时会参考这些上下文补全结果会更贴合项目风格。这个技巧在多人协作项目里特别有用能减少大量格式调整。7.2 控制上下文长度省 token云端 API 按 token 计费上下文越长越贵。Continue 默认会把当前文件的部分内容一起发过去文件很大时开销不小。可以在配置里限制发送的上下文行数只发光标附近的内容既省钱又不影响补全质量。7.3 用快捷键提升交互效率Continue 支持自定义快捷键把“打开对话面板”“接受补全建议”“拒绝补全建议”绑到顺手的键位上能明显减少鼠标操作。我自己的习惯是把接受补全绑到 Tab拒绝绑到 Esc用起来很顺。7.4 定期清理对话历史对话历史会占用上下文也会拖慢响应。定期清理不用的会话或者给不同项目开不同的会话避免上下文互相干扰。这一点在同时处理多个项目时尤其重要。8. 关于模型选择的个人体会最后聊几句模型选择。DeepSeek 的对话模型在代码场景下表现稳定中文理解好解释报错时不会答非所问。推理模型在复杂逻辑分析上更强但速度慢一些适合处理难题而不是日常补全。本地模型方面7B 是普通硬件的甜点区再大就要认真考虑硬件投入是否值得。如果你的机器跑 7B 都吃力别勉强老老实实用云端 API把精力放在写代码上而不是折腾环境。这套方案我用了很久中间踩过的坑基本都写在上面的排查表里了。真正卡住人的往往不是技术难点而是配置里一个不起眼的拼写错误或者一个被忽略的余额提醒。耐心按步骤来跑通一次之后就很顺了。