用 DeepSeek + Claude 组合，搭一个比 Claude Code 便宜 17 倍的 AI 代码审查 Agent
用 DeepSeek + Claude 组合，搭一个比 Claude Code 便宜 17 倍的 AI 代码审查 Agent
很多人不知道一件事：Claude Code 底层的 agent loop，其实可以拆开来自己搭。
DeepClaude 这个项目最近在 HN 上火了，核心思路是：用 DeepSeek V4 Pro 做推理（便宜），用 Claude 做最终输出（质量高），整体成本比直接用 Claude Code 低 17 倍。
这篇文章带你用 50 行 Python 复现这个思路，做一个能审整个 repo 的代码审查工具。
为什么这个组合有意思
Claude 的输出质量毋庸置疑，但它贵。DeepSeek V4 Pro 的推理能力现在已经非常强，而且价格是 Claude 的零头。
DeepClaude 的做法是：
1. 把问题先扔给 DeepSeek，让它做深度推理，输出一个「思考过程」
2. 把这个思考过程 + 原始问题一起喂给 Claude
3. Claude 基于已有推理直接生成高质量答案，不需要自己再从头想
这样 Claude 的 token 消耗大幅减少，因为它跳过了「思考」阶段，只做「表达」。
动手搭一个 Repo 审查工具
环境准备
pip install openai pathlib
只需要 openai 这个包，因为 DeepSeek 和 Claude 都支持 OpenAI 格式的 API。
完整代码
import os
from pathlib import Path
from openai import OpenAI
# 两个模型都走同一个 base_url，省去多账号管理的麻烦
client = OpenAI(
api_key=os.environ.get("WULIANG_API_KEY"),
base_url="https://api2everything.xyz/v1"
)
def collect_repo_files(repo_path: str, extensions: list[str] = None) -> dict[str, str]:
"""收集 repo 里的代码文件"""
if extensions is None:
extensions = [".py", ".ts", ".js", ".go", ".java", ".rs"]
files = {}
root = Path(repo_path)
for ext in extensions:
for file_path in root.rglob(f"*{ext}"):
# 跳过常见的无关目录
if any(part in file_path.parts for part in ["node_modules", ".git", "__pycache__", "dist", "build"]):
continue
try:
content = file_path.read_text(encoding="utf-8")
if len(content.strip()) > 0:
relative_path = str(file_path.relative_to(root))
files[relative_path] = content
except Exception:
continue
return files
def deepseek_reason(code_context: str) -> str:
"""第一步：让 DeepSeek 做深度推理，找出潜在问题"""
prompt = f"""你是一个资深代码审查专家。请对以下代码进行深度分析，重点关注：
1. 安全漏洞（SQL注入、XSS、未验证输入等）
2. 性能问题（N+1查询、不必要的循环、内存泄漏）
3. 代码质量（重复代码、命名不规范、缺少错误处理）
4. 架构问题（耦合过高、职责不清晰）
代码内容：
{code_context}
请详细列出你发现的所有问题，并说明原因。"""
response = client.chat.completions.create(
model="deepseek-r1", # 用 DeepSeek 做推理，便宜
messages=[{"role": "user", "content": prompt}],
max_tokens=2000
)
return response.choices[0].message.content
def claude_summarize(original_code: str, deepseek_analysis: str) -> str:
"""第二步：把 DeepSeek 的推理结果喂给 Claude，生成可读报告"""
prompt = f"""基于以下代码审查分析，生成一份结构清晰、可直接行动的审查报告。
原始代码：
{original_code[:3000]} # 只传关键部分给 Claude，节省 token
DeepSeek 的分析结果：
{deepseek_analysis}
请输出：
1. 问题摘要（按严重程度排序：Critical / High / Medium / Low）
2. 每个问题的具体修复建议（附代码示例）
3. 整体评分（1-10）和一句话总结"""
response = client.chat.completions.create(
model="claude-sonnet-4-5", # Claude 做最终输出，质量有保障
messages=[{"role": "user", "content": prompt}],
max_tokens=2000
)
return response.choices[0].message.content
def review_repo(repo_path: str):
"""主函数：审查整个 repo"""
print(f"📂 正在扫描 {repo_path}...")
files = collect_repo_files(repo_path)
if not files:
print("没有找到可审查的代码文件")
return
print(f"✅ 找到 {len(files)} 个文件，开始审查...\n")
# 把所有文件拼成一个上下文（实际使用可以按文件分批）
code_context = ""
for path, content in list(files.items())[:10]: # 先处理前10个文件
code_context += f"\n\n### {path}\n```\n{content[:1500]}\n```"
print("🤔 DeepSeek 正在深度推理...")
analysis = deepseek_reason(code_context)
print("✍️ Claude 正在生成报告...")
report = claude_summarize(code_context, analysis)
print("\n" + "="*60)
print("📋 代码审查报告")
print("="*60)
print(report)
# 保存报告
output_path = Path(repo_path) / "code_review_report.md"
output_path.write_text(f"# 代码审查报告\n\n{report}", encoding="utf-8")
print(f"\n💾 报告已保存到 {output_path}")
if __name__ == "__main__":
import sys
repo_path = sys.argv[1] if len(sys.argv) > 1 else "."
review_repo(repo_path)
运行方式
export WULIANG_API_KEY="你的key"
python review.py /path/to/your/project
成本对比
| 方案 | 审查一个中型 repo 的费用 |
|------|------------------------|
| 直接用 Claude Code | ~¥15-30 |
| DeepSeek 推理 + Claude 输出 | ~¥1-3 |
| 纯 DeepSeek | ~¥0.5，但输出格式差一些 |
这个组合的甜点在于：推理用便宜的，表达用贵的，两边都不浪费。
进一步优化方向
- 按文件并发：用
asyncio并行处理多个文件，速度提升 5-10 倍 - 增量审查：结合
git diff，只审查本次改动的代码 - CI 集成：加到 GitHub Actions，每次 PR 自动触发
- 自定义规则：在 prompt 里加入团队的编码规范文档
关于 API 费用
代码里用的 base_url 是 无量Api，国内直连，不需要代理。DeepSeek、Claude、GPT 等 300+ 模型都在一个 key 里，比官方便宜约 65%。注册送 ¥1 余额，够跑好几次审查了。
改一行 base_url 就能用，其他代码完全不用动。
有问题欢迎评论区留言，或者把你跑出来的审查报告截图发出来看看效果。觉得有用的话点个赞，后续还会写 CI 集成和异步并发版本。