本地AI编程环境搭建：Codex部署与DeepSeek API接入实战指南

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Qwen 随心用，限时 5 折。 👉 点击领海量免费额度

自学AI第三天：Codex本地部署+DeepSeek接入全套实战教程

最近在探索AI编程助手时，发现很多开发者对Codex和DeepSeek的组合非常感兴趣，但网上的教程要么过于零散，要么环境配置复杂，容易踩坑。本文将为你提供一套从零开始的完整闭环方案，手把手教你如何在本地部署Codex，并成功接入DeepSeek API，打造一个功能强大、响应迅速的本地AI编程环境。无论你是想深入研究大语言模型本地化，还是希望获得一个稳定、高效的代码生成工具，这篇教程都能让你快速上手。

1. 背景与核心概念：为什么选择Codex+DeepSeek？

在开始动手之前，我们先理清几个核心概念，了解这个组合能解决什么问题。

Codex并不是一个单一的产品，而是一个泛指。在当前的AI工具生态中，它通常指代两类事物：

  1. 基于VS Code的AI编程插件：例如Cursor编辑器内置的AI能力，或者一些社区开发的、能够调用大语言模型API的VS Code扩展。这类工具的核心是提供一个便捷的界面，让你在熟悉的IDE中直接与AI交互，完成代码补全、解释、重构等任务。
  2. 特定的本地AI代码助手应用：有些开源项目或商业化产品以“Codex”为名，提供了一个独立的图形界面或命令行工具，专门用于代码生成和对话。

本文的“Codex本地部署”，更侧重于第一种场景，即部署一个能够本地运行、并可通过配置自由切换后端AI模型（如DeepSeek）的AI编程助手环境。这能带来几个关键优势：

  • 数据隐私与安全：代码、 prompts 和生成的代码都在本地或你信任的服务器上处理，无需上传至第三方云端服务。
  • 网络稳定与低延迟：摆脱对国际网络环境的依赖，响应速度更快，体验更流畅。
  • 成本可控：DeepSeek等国产模型API性价比极高，按需调用，费用透明。
  • 高度可定制：你可以自由选择模型供应商、调整参数，甚至未来接入其他模型。

DeepSeek是由深度求索公司开发的一系列高性能、开源的大语言模型。它因其在代码生成、数学推理和通用对话上的出色表现，以及极具竞争力的API价格，迅速成为开发者和研究者的热门选择。通过API接入，我们可以让本地的“Codex”工具调用DeepSeek的强大能力。

简单来说，我们的目标就是：搭建一个本地的“前台”（Codex类工具），让它能稳定、高效地调用“后台”（DeepSeek API），从而形成一个专属于你的、安全高效的AI编程工作站。

2. 环境准备与前置条件

工欲善其事，必先利其器。在开始部署前，请确保你的开发环境满足以下要求。本文以 Windows 11 系统为例进行演示，macOS 和 Linux 用户操作思路类似，部分命令需相应调整。

2.1 硬件与系统要求

  • 操作系统：Windows 10/11, macOS 10.15+, 或主流的Linux发行版（如Ubuntu 20.04+）。
  • 内存：建议 8GB 及以上。运行一些本地服务可能会占用较多内存。
  • 网络：需要能够正常访问互联网，以下载必要的软件和依赖包。
  • 存储空间：预留至少 5GB 的可用空间用于安装运行环境和相关工具。

2.2 核心软件安装

我们需要安装几个基础软件，它们是后续所有操作的基石。

1. 安装 Node.js 和 npmNode.js 是许多现代开发工具和本地服务的运行时环境。我们将使用它来运行一些本地代理或服务。

  • 访问官网：打开 Node.js 官方网站 。
  • 下载安装：选择LTS（长期支持版）进行下载并安装。安装过程中，请务必勾选Add to PATH选项。
  • 验证安装：安装完成后，打开命令行终端（Windows 下为 PowerShell 或 CMD），输入以下命令检查版本：
    node -v npm -v
    如果正确显示版本号（如v18.x.x和9.x.x），则说明安装成功。

2. 安装 PythonPython 是 AI 领域和许多脚本工具的通用语言。

  • 访问官网：打开 Python 官方网站 。
  • 下载安装：下载最新稳定版的 Windows installer。安装时，务必勾选 “Add python.exe to PATH”，然后点击安装。
  • 验证安装：打开新的命令行终端，输入：
    python --version pip --version
    显示版本号即成功。

3. 安装 GitGit 用于克隆和管理代码仓库。

  • 访问官网：打开 Git 官方网站 。
  • 下载安装：下载 Windows 版安装程序，按照默认选项安装即可。
  • 验证安装：在命令行输入：
    git --version

2.3 获取 DeepSeek API Key

我们的“后台”服务需要凭证才能调用。前往 DeepSeek 开放平台获取 API Key。

  1. 访问 DeepSeek 开放平台 。
  2. 注册并登录账号。
  3. 在控制台界面，找到“API Keys”或“密钥管理”相关选项。
  4. 点击“创建新的 API Key”。
  5. 为密钥命名（例如MyLocalCodex），并妥善保存生成的密钥字符串。这个密钥只会显示一次，请立即复制保存到安全的地方。

至此，基础环境已就绪。接下来，我们将进入核心的部署环节。

3. 方案选择与本地服务部署

实现“Codex本地部署+DeepSeek接入”主要有两种主流方案，我们将分别介绍，你可以根据自身情况选择。

3.1 方案一：使用开源项目搭建本地AI网关（推荐）

许多开源项目可以充当本地代理，将标准 OpenAI API 格式的请求转发到 DeepSeek 等第三方 API。这里我们以功能强大且配置灵活的LocalAI或LiteLLM的变体为例，介绍一种简易部署方法。

我们将使用一个名为ai-gateway的轻量级示例项目（概念演示）。在实际中，你可以搜索localai、llm-gateway等关键词找到更成熟的项目。

步骤1：创建项目目录并初始化

# 打开终端，进入你常用的工作目录，例如桌面 cd ~/Desktop # 创建一个新的项目文件夹 mkdir local-ai-gateway && cd local-ai-gateway # 初始化一个新的Node.js项目 npm init -y

步骤2：安装必要的依赖我们需要一个简单的 HTTP 服务器和请求转发库。

npm install express axios cors

步骤3：创建本地代理服务器代码在项目根目录下，创建一个名为server.js的文件，并填入以下内容：

// server.js - 一个简单的本地AI API代理服务器 const express = require('express'); const axios = require('axios'); const cors = require('cors'); const app = express(); const PORT = 3000; // 本地服务端口 const DEEPSEEK_API_URL = 'https://api.deepseek.com/v1/chat/completions'; // DeepSeek API 地址 const DEEPSEEK_API_KEY = '你的_DeepSeek_API_Key'; // ！！！请替换成你自己的Key！！！ // 使用中间件 app.use(cors()); // 允许跨域请求，方便前端或插件调用 app.use(express.json()); // 解析JSON格式的请求体 // 定义一个与OpenAI兼容的聊天补全端点 app.post('/v1/chat/completions', async (req, res) => { console.log('收到请求:', JSON.stringify(req.body, null, 2)); try { // 将收到的请求体几乎原样转发给DeepSeek API，但需要添加认证头 const response = await axios({ method: 'post', url: DEEPSEEK_API_URL, headers: { 'Content-Type': 'application/json', 'Authorization': `Bearer ${DEEPSEEK_API_KEY}` }, data: req.body // 直接转发请求数据 }); console.log('DeepSeek响应成功'); // 将DeepSeek的响应返回给客户端 res.json(response.data); } catch (error) { console.error('转发请求失败:', error.response?.data || error.message); res.status(error.response?.status || 500).json({ error: { message: `请求DeepSeek API失败: ${error.message}`, type: 'api_error' } }); } }); // 健康检查端点 app.get('/health', (req, res) => { res.json({ status: 'ok', service: 'local-ai-gateway' }); }); // 启动服务器 app.listen(PORT, () => { console.log(`🚀 本地AI代理服务器已启动，运行在：http://localhost:${PORT}`); console.log(`📡 正在代理请求到: ${DEEPSEEK_API_URL}`); console.log(`⚠️ 请确保已将 server.js 中的 DEEPSEEK_API_KEY 替换为你自己的密钥！`); });

步骤4：替换API Key并运行服务

  1. 用文本编辑器打开server.js，找到const DEEPSEEK_API_KEY = '你的_DeepSeek_API_Key';这一行。
  2. 将你的_DeepSeek_API_Key替换为你在 2.3 节获取的真实密钥，注意保留单引号。
  3. 保存文件。
  4. 在终端中运行服务：
    node server.js
    如果看到🚀 本地AI代理服务器已启动...的提示，说明服务启动成功。这个服务现在监听本地的3000端口，并提供了一个与 OpenAI API 格式兼容的/v1/chat/completions接口。

3.2 方案二：配置支持自定义API的客户端（如Cursor/VS Code插件）

如果你不想自己运行一个代理服务器，也可以直接在一些支持自定义API端点的客户端中配置。这里以Cursor编辑器为例，因为它对AI功能集成非常友好。

步骤1：下载并安装Cursor访问 Cursor 官网 下载安装包并安装。

步骤2：配置Cursor使用自定义API

  1. 打开 Cursor。
  2. 进入设置（Settings）。通常可以通过Ctrl+,(Windows/Linux) 或Cmd+,(Mac) 打开。
  3. 在设置中搜索API或Model相关选项。
  4. 找到配置AI模型的地方，将API Base URL修改为你自己搭建的代理服务器地址，例如http://localhost:3000/v1（如果你按方案一部署了服务）。
  5. 在API Key处，可以填写任意非空字符串（如local），因为我们的本地代理服务器会在代码中硬编码真正的DeepSeek Key。如果你的代理服务器设计为需要传递Key，则需填写真实Key。
  6. 选择模型时，可以填写deepseek-chat或deepseek-coder（具体取决于你的代理服务器如何映射，在简单代理中，模型名会直接转发给DeepSeek，所以需要填写DeepSeek支持的模型名）。

原理：Cursor 会将AI请求发送到你指定的http://localhost:3000/v1，然后由你的本地代理服务器server.js接收，添加上真实的DeepSeek API Key后，转发给https://api.deepseek.com/v1，最后将结果返回给Cursor。这样就实现了通过本地中转调用DeepSeek。

4. 完整实战：构建一个简易的本地AI代码助手Web界面

为了更直观地展示整个流程，我们将构建一个极简的网页，通过我们的本地代理与DeepSeek交互，实现一个代码解释功能。

4.1 项目结构

在之前的local-ai-gateway目录下，创建如下文件结构：

local-ai-gateway/ ├── server.js # 本地代理服务器（已创建） ├── package.json # Node.js项目描述文件（已生成） ├── public/ # 静态资源文件夹 │ └── index.html # 前端页面 └── package-lock.json # 依赖锁文件（自动生成）

4.2 创建前端页面

在public文件夹下创建index.html文件：

<!DOCTYPE html> <html lang="zh-CN"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>本地AI代码助手 (DeepSeek)</title> <style> body { font-family: sans-serif; max-width: 800px; margin: 40px auto; padding: 20px; } .container { border: 1px solid #ccc; border-radius: 8px; padding: 20px; } textarea, input, button { width: 100%; padding: 10px; margin: 10px 0; box-sizing: border-box; } #response { background-color: #f5f5f5; padding: 15px; border-radius: 5px; white-space: pre-wrap; min-height: 100px; } .code { font-family: monospace; background-color: #eee; padding: 2px 4px; border-radius: 3px;} </style> </head> <body> <div class="container"> <h1>🤖 本地AI代码助手</h1> <p>通过本地代理调用 DeepSeek API，解释你的代码。</p> <label for="codeInput">输入你的代码：</label> <textarea id="codeInput" rows="10" placeholder="例如：def fibonacci(n): ...">def fibonacci(n): if n <= 1: return n else: return fibonacci(n-1) + fibonacci(n-2)</textarea> <label for="apiEndpoint">本地代理地址：</label> <input type="text" id="apiEndpoint" value="http://localhost:3000/v1/chat/completions" readonly> <button onclick="explainCode()">解释这段代码</button> <h3>AI 回复：</h3> <div id="response">等待请求...</div> </div> <script> async function explainCode() { const code = document.getElementById('codeInput').value.trim(); const endpoint = document.getElementById('apiEndpoint').value; const responseDiv = document.getElementById('response'); if (!code) { alert('请输入一些代码！'); return; } responseDiv.textContent = '正在请求AI...'; const requestBody = { model: "deepseek-chat", // 指定DeepSeek模型 messages: [ { role: "system", content: "你是一个专业的编程助手，请用简洁清晰的中文解释用户提供的代码。" }, { role: "user", content: `请解释以下代码的功能、逻辑和可能的用途：\n\`\`\`python\n${code}\n\`\`\`` } ], stream: false // 非流式响应，简化处理 }; try { const response = await fetch(endpoint, { method: 'POST', headers: { 'Content-Type': 'application/json', // 注意：我们的简易代理不需要在客户端传真实Key，Key在server.js里。 // 如果你的代理需要，可以在这里添加 'Authorization' 头。 }, body: JSON.stringify(requestBody) }); const data = await response.json(); if (response.ok) { // 成功获取回复 const aiReply = data.choices[0].message.content; responseDiv.innerHTML = `<p><strong>解释结果：</strong></p><p>${aiReply.replace(/\n/g, '<br>')}</p>`; } else { // API返回错误 responseDiv.textContent = `错误: ${data.error?.message || '未知错误'}`; } } catch (error) { // 网络或请求错误 console.error('请求失败:', error); responseDiv.textContent = `请求失败: ${error.message}. 请确保本地代理服务器（server.js）正在运行！`; } } </script> </body> </html>

4.3 修改服务器以支持静态文件

为了让我们的server.js能够提供这个HTML页面，需要添加静态文件服务中间件。更新server.js文件，在app.use(cors());行之后添加：

// ... 其他引入和常量定义 ... app.use(cors()); app.use(express.json()); // 新增：提供 public 目录下的静态文件 app.use(express.static('public')); // ... 后续的 /v1/chat/completions 路由和监听 ...

4.4 运行与验证

  1. 确保代理服务器运行：在终端中，确保node server.js正在运行。
  2. 打开浏览器：访问http://localhost:3000。
  3. 测试功能：在网页的文本框中，已经预填了一段 Python 斐波那契数列函数代码。点击“解释这段代码”按钮。
  4. 观察结果：页面会显示“正在请求AI...”，稍等片刻后，下方会显示来自 DeepSeek 的代码解释。

恭喜！至此，你已经成功搭建了一个完整的本地AI应用链：

  1. 浏览器前端 (index.html) 发送请求到localhost:3000。
  2. 本地Node.js代理服务器 (server.js) 接收请求。
  3. 代理服务器将请求转发至真正的 DeepSeek API，并附上你的API Key。
  4. DeepSeek 处理请求并返回结果。
  5. 代理服务器将结果返回给浏览器前端显示。

5. 常见问题与排查思路 (FAQ)

在部署和使用过程中，你可能会遇到一些问题。以下是常见问题的排查指南。

问题现象可能原因排查步骤与解决方案
运行node server.js时报错Error: Cannot find module 'express'项目依赖未安装。1. 确保在local-ai-gateway目录下。
2. 运行npm install安装package.json中定义的依赖。
访问http://localhost:3000无法打开页面1. 代理服务器未启动。
2. 端口被占用。
3. 防火墙阻止。		1. 检查终端是否成功运行node server.js且无报错。
2. 尝试更换server.js中的PORT为其他值（如8080），并重启服务，浏览器访问对应端口。
3. 检查系统防火墙设置，允许Node.js进行网络访问。
点击按钮后，页面显示“请求失败：Failed to fetch”浏览器无法连接到localhost:3000。1.最常见原因：server.js中的cors()中间件未正确配置或服务未运行。确保服务运行且代码无误。
2. 检查浏览器控制台（F12 -> Console）是否有详细的CORS错误信息。
AI回复显示“错误：请求DeepSeek API失败...”1. DeepSeek API Key 错误或未替换。
2. 网络问题无法访问api.deepseek.com。
3. API Key 余额不足或过期。		1.仔细检查server.js第8行，DEEPSEEK_API_KEY的值是否已替换为你的真实密钥，格式为Bearer sk-xxx中的sk-xxx部分。
2. 尝试在终端用curl或ping测试网络连通性。
3. 登录 DeepSeek 平台控制台，检查API Key状态和余额。
Cursor 或其他客户端配置后无响应或报错1. 客户端配置的API Base URL或模型名错误。
2. 本地代理服务器未运行或路由不匹配。		1. 确认客户端中配置的API Base URL为http://localhost:3000/v1（注意/v1后缀）。
2. 确认模型名填写了DeepSeek支持的模型，如deepseek-chat。
3. 使用工具（如 Postman 或curl）直接测试你的本地代理端点是否正常工作：
curl -X POST http://localhost:3000/v1/chat/completions -H "Content-Type: application/json" -d '{"model":"deepseek-chat", "messages":[{"role":"user","content":"Hello"}]}'
服务器日志显示429 Too Many Requests触发了DeepSeek API的速率限制。DeepSeek API有调用频率和次数限制。请放慢请求速度，或检查官方文档的限流策略。对于个人开发，正常使用通常不会触发。

6. 最佳实践与进阶配置建议

掌握了基础部署后，以下建议能让你的本地AI环境更健壮、更安全、更高效。

6.1 安全性强化

  • 保护你的API Key：当前示例将API Key硬编码在server.js中，这并不安全，尤其是如果你打算将代码提交到Git仓库。应该使用环境变量。
    1. 安装dotenv包：npm install dotenv。
    2. 在项目根目录创建.env文件，写入：DEEPSEEK_API_KEY=你的_真实_API_Key。
    3. 在server.js顶部引入：require('dotenv').config();。
    4. 修改代码：const DEEPSEEK_API_KEY = process.env.DEEPSEEK_API_KEY;。
    5. 将.env添加到.gitignore文件中，确保密钥不会上传。
  • 限制访问来源：在生产环境中，不应使用cors()允许所有来源。可以配置具体的域名或IP。
    const corsOptions = { origin: 'http://localhost:8080', // 只允许你的前端地址 optionsSuccessStatus: 200 }; app.use(cors(corsOptions));

6.2 功能增强

  • 支持流式响应 (Streaming)：AI生成内容时，流式响应可以逐字显示，体验更好。需要修改server.js的转发逻辑和前端处理方式。DeepSeek API 支持"stream": true参数。
  • 多模型路由：你的代理服务器可以成为一个网关，根据请求中的不同模型名 (model字段)，将请求转发到不同的AI服务提供商（如OpenAI、Claude、智谱等）。
  • 添加请求日志与监控：记录请求量、响应时间、消耗的Token数，便于分析和成本控制。
  • 实现简单的缓存：对于重复或类似的查询，可以在本地缓存结果，减少API调用，节省成本和时间。

6.3 部署与维护

  • 使用进程管理工具：在服务器上长期运行Node.js服务，建议使用pm2等工具，实现进程守护、日志管理和自动重启。
    npm install -g pm2 pm2 start server.js --name local-ai-gateway pm2 save pm2 startup
  • 容器化部署：使用 Docker 将你的代理服务容器化，可以确保环境一致性，方便在不同机器上迁移和部署。
  • 定期更新依赖：定期运行npm audit和npm update，确保使用的第三方包没有已知的安全漏洞。

6.4 探索更成熟的开源方案

本文的server.js是一个极简的教学示例。社区有更多功能完善、可直接使用的开源项目，省去重复造轮子的时间：

  • LocalAI：一个强大的本地推理框架，可以运行多种开源模型，也支持作为网关。
  • LiteLLM：一个统一的Python库和代理服务器，支持将请求路由到100+个LLM API端点，管理成本极高。
  • Open WebUI(原名 Ollama WebUI)：如果你在本地运行了Ollama等模型服务，这是一个优秀的Web界面，也支持配置外部API。

通过本篇教程，你不仅学会了如何搭建一个连接DeepSeek的本地AI代理，更重要的是理解了从客户端到本地网关，再到云端AI服务的完整数据流。这套方法具有很高的灵活性，你可以轻松地将后端从DeepSeek切换到其他任何提供兼容API的模型服务。接下来，你可以尝试将这套代理集成到更多的开发工具中，或者基于它开发更复杂的AI应用，例如自动化代码审查、文档生成等，真正将AI能力融入你的个人工作流。

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Qwen 随心用，限时 5 折。 👉 点击领海量免费额度