第一部分：一键换源（提速关键，或者自行找安装快的源安装）

安装的软件包

没有安装任何 Python 第三方包（代理只用标准库）。

手动创建的文件（共 3 个）

修改的配置文件（共 3 个）

Kali 默认使用国外软件源，下载速度可能只有几十 KB/s。安装前先切换到国内镜像源，这是整个过程中最关键的提速步骤。

步骤 1：APT 切换清华大学镜像源[🕐 约 1 分钟]

备份原有源，替换为清华镜像：

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

编辑源文件：

sudo nano /etc/apt/sources.list

清空原有内容，替换为以下内容：

deb https://mirrors.tuna.tsinghua.edu.cn/kali kali-rolling main contrib non-free non-free-firmware          deb-src https://mirrors.tuna.tsinghua.edu.cn/kali kali-rolling main contrib non-free non-free-firmware

更新软件包索引，验证速度：

sudo apt update

# 正常速度：10~30 MB/s（清华教育网内可达 100 MB/s）

# 如果还是慢，换其他镜像：

# 中科大：mirrors.ustc.edu.cn

# 阿里云：mirrors.aliyun.com

# 网易：mirrors.163.com

步骤 2：npm 切换淘宝镜像源[🕐 约 10 秒]

npm 默认从 npmjs.org 拉包，国内极慢。配置为淘宝镜像一劳永逸：

npm config set registry https://registry.npmmirror.com

npm config get registry

https://registry.npmmirror.com

⚡ 配置后 npm install 速度从几十 KB/s → 10+ MB/s

步骤 3：pip 配置清华镜像源（备用）[🕐 约 10 秒]

虽然本方案不需要安装 Python 第三方包，但建议顺手配一下，日后用得上：

mkdir -p ~/.pip

cat > ~/.pip/pip.conf << EOF

[global]

index-url = https://pypi.tuna.tsinghua.edu.cn/simple

[install]

trusted-host = pypi.tuna.tsinghua.edu.cn

EOF

第二部分：安装 Node.js 与 Claude Code

步骤 4：安装 Node.js（npm 包管理器）[🕐 约 1~2 分钟]

Kali 通常已预配 NodeSource 源。如果未配置，用下面命令添加（走官方源速度尚可）。安装时只装 nodejs，不要同时装 npm（会冲突）。

⚠ 不要执行 sudo apt install nodejs npm —— 会报依赖冲突！只装 nodejs 一个包即可。

sudo apt install -y nodejs

验证：

node --version

v22.23.2

npm --version

10.9.8

如果 apt 里没有 NodeSource 源，手动添加：

curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -

sudo apt install -y nodejs

步骤 5：配置 npm 全局安装到用户目录[🕐 约 20 秒]

让 npm install -g 安装到自有目录，以后不需要 sudo：

mkdir -p ~/.npm-global

npm config set prefix ~/.npm-global

echo 'export PATH=~/.npm-global/bin:$PATH' >> ~/.bashrc

source ~/.bashrc

npm config get prefix

/home/daiyq/.npm-global

步骤 6：安装 Claude Code[🕐 约 1~3 分钟（淘宝源）]

淘宝镜像加速，通常 1~2 分钟完成：

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

# 预期：added XXX packages in 1~2m

claude --version

2.1.220 (Claude Code)

⚡ 如果之前没配淘宝源，这一步可能耗时 10~30 分钟！步骤 2 的镜像配置至关重要。

第三部分：部署协议转换代理

这是整个方案的核心——一个约 170 行的 Python 脚本，零依赖，负责在 Anthropic 和 OpenAI 两种 API 格式之间做双向翻译。

步骤 7：获取 DeepSeek API Key[🕐 约 2 分钟]

访问 https://platform.deepseek.com/api_keys，注册并创建 API Key。格式为 sk-xxxxxxxx。新用户通常赠送免费额度。

⚠ API Key 是敏感凭据，不要分享给任何人，也不要提交到公开仓库。

步骤 8：创建代理脚本[🕐 约 3 分钟]

nano ~/deepseek-proxy.py

粘贴以下完整代码（注意修改第 12 行 API Key）：

#!/usr/bin/env python3          # -*- coding: utf-8 -*-          """          DeepSeek 代理 — Anthropic Messages API ↔ OpenAI Chat Completions          纯 Python 标准库 · 零依赖 · 不破坏 Kali 现有工具          监听 4000 端口，Claude Code 所有 API 请求通过此代理转发到 DeepSeek          """          import json          from http.server import HTTPServer, BaseHTTPRequestHandler          from urllib.request import Request, urlopen          from urllib.error import HTTPError          # ==========================================          DEEPSEEK_KEY = "sk-你的api-key"# ← 改这里！          DEEPSEEK_URL = "https://api.deepseek.com/v1/chat/completions"          PORT = 4000          # ==========================================          class Proxy(BaseHTTPRequestHandler):          # ── HEAD: Claude Code 启动时先发 HEAD 探测连通性 ──          def do_HEAD(self):          ok = self.path in ("/", "/api/hello", "/v1/messages")          self._send(ok and 200 or 404, None)          # ── GET: 健康检查 / 模型列表 ──          def do_GET(self):          if self.path in ("/", "/api/hello"):          self._send(200, {"status": "ok", "target": "DeepSeek"})          elif self.path.startswith("/v1/models"):          self._send(200, {"data": [          {"id": "claude-sonnet-4-20250514", "object": "model"},          {"id": "claude-3-5-sonnet-20241022", "object": "model"},          ]})          else:          self._send(404, {"error": "not found"})          # ── POST: 核心翻译逻辑 ──          def do_POST(self):          # 1. 读取 Anthropic 请求          n = int(self.headers.get("Content-Length", 0))          body = json.loads(self.rfile.read(n)) if n else {}          messages = []          for m in body.get("messages", []):          role = m.get("role", "user")          content = m.get("content", "")          # system 直接透传          if role == "system":          text = self._text(content)          if text: messages.append({"role": "system", "content": text})          continue          # assistant: text + tool_use → tool_calls          if role == "assistant":          texts, tcs = [], []          if isinstance(content, str):          texts.append(content)          elif isinstance(content, list):          for c in content:          if c.get("type") == "text":          texts.append(c.get("text", ""))          elif c.get("type") == "tool_use":          tcs.append({          "id": c.get("id", ""),          "type": "function",          "function": {          "name": c.get("name", ""),          "arguments": json.dumps(          c.get("input", {}),          ensure_ascii=False)          }          })          msg = {"role": "assistant",          "content": "\n".join(texts) or None}          if tcs: msg["tool_calls"] = tcs          messages.append(msg)          continue          # user: text + tool_result → tool 消息          if role == "user":          if isinstance(content, str):          messages.append({"role": "user", "content": content})          elif isinstance(content, list):          for c in content:          if c.get("type") == "text":          messages.append({          "role": "user",          "content": c.get("text", "")          })          elif c.get("type") == "tool_result":          rc = c.get("content", "")          if isinstance(rc, list):          rc = "\n".join(          x.get("text", "") for x in rc          if x.get("type") == "text"          )          messages.append({          "role": "tool",          "tool_call_id": c.get("tool_use_id", ""),          "content": str(rc),          })          continue          # 2. 构建 OpenAI 请求          req_body = {          "model": "deepseek-chat",          "messages": messages,          "max_tokens": body.get("max_tokens", 4096),          "stream": False,          }          # 工具定义翻译          if "tools" in body:          req_body["tools"] = [{          "type": "function",          "function": {          "name": t.get("name", ""),          "description": t.get("description", ""),          "parameters": t.get("input_schema", {}),          }          } for t in body["tools"]]          # 3. 发到 DeepSeek          try:          req = Request(          DEEPSEEK_URL,          data=json.dumps(req_body, ensure_ascii=False).encode(),          headers={          "Authorization": f"Bearer {DEEPSEEK_KEY}",          "Content-Type": "application/json",          })          resp = urlopen(req, timeout=180)          data = json.loads(resp.read())          choice = data["choices"][0]["message"]          # 4. OpenAI 响应 → Anthropic 格式          content_list = []          if choice.get("content"):          content_list.append({          "type": "text", "text": choice["content"]          })          if "tool_calls" in choice:          for tc in choice["tool_calls"]:          args = tc["function"]["arguments"]          if isinstance(args, str):          try: args = json.loads(args)          except: pass          content_list.append({          "type": "tool_use",          "id": tc.get("id", ""),          "name": tc["function"]["name"],          "input": args,          })          stop_map = {"stop": "end_turn", "length": "max_tokens",          "tool_calls": "tool_use"}          self._send(200, {          "id": data.get("id", "msg_001"),          "model": body.get("model", "claude-sonnet-4-20250514"),          "type": "message", "role": "assistant",          "stop_reason": stop_map.get(          choice.get("finish_reason", "stop"), "end_turn"),          "content": content_list,          "usage": {          "input_tokens":          data.get("usage", {}).get("prompt_tokens", 0),          "output_tokens":          data.get("usage", {}).get("completion_tokens", 0),          }          })          except HTTPError as e:          self._send(e.code, {"error": e.read().decode()})          except Exception as e:          self._send(500, {"error": str(e)})          # ── 辅助 ──          def _text(self, content):          if isinstance(content, str): return content          if isinstance(content, list):          return "\n".join(          c.get("text", "") for c in content          if c.get("type") == "text")          return str(content)          def _send(self, code, data):          self.send_response(code)          self.send_header("Content-Type", "application/json")          self.end_headers()          if data is not None:          self.wfile.write(          json.dumps(data, ensure_ascii=False).encode())          def log_message(self, fmt, *args):          print(f"[{self.log_date_time_string()}] {args[0]}")          if __name__ == "__main__":          print(f"[*] 代理已启动 → http://localhost:{PORT}")          print(f"转发目标: {DEEPSEEK_URL}")          HTTPServer(("0.0.0.0", PORT), Proxy).serve_forever()          

chmod 600 ~/deepseek-proxy.py

步骤 9：启动代理并验证[🕐 约 30 秒]

在第一个终端窗口启动代理（保持运行，不要关闭）：

python3 ~/deepseek-proxy.py

[*] 代理已启动 → http://localhost:4000

转发目标:https://api.deepseek.com/v1/chat/completions

另开第二个终端，测试代理连通性：

curl -s http://localhost:4000/api/hello

{"status": "ok", "target": "DeepSeek"}

⚡ 至此，代理层跑通。如果 curl 无响应，检查代理终端是否有报错。

第四部分：配置 Claude Code 连接代理

步骤 10：写入 Claude Code 配置[🕐 约 1 分钟]

告诉 Claude Code 把请求发给本地代理而非 api.anthropic.com：

mkdir -p ~/.claude

cat > ~/.claude/settings.json << 'EOF'

{

"env":{

"ANTHROPIC_BASE_URL":"http://localhost:4000",

"ANTHROPIC_API_KEY":"any-key"

}

}

EOF

验证 JSON 格式正确：

python3 -c "import json; json.load(open('$HOME/.claude/settings.json')); print('OK')"

OK

第五部分：启动与验证

步骤 11：启动 Claude Code[🕐 约 30 秒]

确保代理在另一个终端运行中，然后在当前终端执行：

export ANTHROPIC_BASE_URL="http://localhost:4000"

export ANTHROPIC_API_KEY="any-key"

claude

首次启动会依次出现三屏确认界面：

第 1 屏 — 主题选择

用方向键选 "2. Dark mode"，回车。

❯ 2. Dark mode ✔

第 2 屏 — API Key 安全提示

选 "2. No (recommended)"，不直连 Anthropic 官方，而是走代理。

❯ 2. No (recommended)

第 3 屏 — 工作区信任

选 "1. Yes, I trust this folder"，回车。

❯ 1. Yes, I trust this folder

三屏确认后进入对话界面，出现空提示符 ❯ 即成功。

步骤 12：纯文本对话验证[🕐 约 10 秒]

在 ❯ 后输入：

你好，请用中文回复，帮我确认当前连接是否正常。

正常回复 + 代理终端有 POST 日志 → 基础链路跑通。

步骤 13：工具调用验证（关键）[🕐 约 20~30 秒]

测试 Claude Code 的核心能力——自动执行 Bash、读取文件、发出 curl 请求等：

检查一下当前的 API 配置，确认实际使用的是哪个模型。

Claude Code 会自动执行环境变量查询 → 读取 settings.json → curl 验证代理 → 搜索日志等操作，并在 15~30 秒后回复确认实际模型是 DeepSeek。所有工具调用成功即表明代理的工具翻译也完美工作。

第六部分：一键启动 & 退出

步骤 14：创建一键启动脚本[🕐 约 1 分钟]

cat > ~/claude-deepseek.sh << 'EOF'

#!/bin/bash

sudo fuser -k 4000/tcp 2>/dev/null# 停旧代理

python3 ~/deepseek-proxy.py &# 启新代理

sleep 2# 等代理就绪

export ANTHROPIC_BASE_URL="http://localhost:4000"

export ANTHROPIC_API_KEY="any-key"

claude

EOF

chmod +x ~/claude-deepseek.sh

以后每次使用只需要：

~/claude-deepseek.sh

⚡ 一口气完成：停旧代理 → 启动新代理 → 启动 Claude Code

步骤 15：退出方式[🕐 约 5 秒]

结束使用后两步退出：

# 在 Claude Code 内按 Ctrl+D（或输入 /exit 回车）

退出 Claude Code 后，关掉代理：

sudo fuser -k 4000/tcp

附录 ：技术架构

B.1 数据流

B.2 协议转换核心

代理需要处理三种 Anhtropic ↔ OpenAI 的消息格式差异：

① 消息结构差异

Anthropic 使用 content[] 数组封装所有内容（文本、工具调用、工具结果都在里面），OpenAI 则用独立的 tool_calls 字段和 tool role。

Anthropic:OpenAI:          {{          "role": "assistant","role": "assistant",          "content": ["content": "结果是...",          {"type": "text", "text": "..."},"tool_calls": [{          {"type": "tool_use","id": "tool_001",          "name": "Bash","function": {          "input": {"cmd": "ls"}}"name": "Bash",          ]"arguments": "{\"cmd\":\"ls\"}"          }}]          }

② 工具结果差异

Anthropic 把工具执行结果放在 user 消息的 content[] 里（type=tool_result），OpenAI 要求用独立的 role=tool 消息，且 tool_call_id 必须和上一条 tool_calls 的 id 严格对应。

Anthropic:OpenAI:          {{          "role": "user","role": "tool",          "content": [{"tool_call_id": "tool_001",          "type": "tool_result","content": "file1.txt\nfile2.txt"          "tool_use_id": "tool_001",}          "content": "file1.txt..."          }]          }

③ 停止原因差异

Anthropic stop_reason←→OpenAI finish_reason          ─────────────────────────────────────────────          "end_turn"←→"stop"          "max_tokens"←→"length"          "tool_use"←→"tool_calls"

附录 C：常见问题排查

Q1: npm install 报 EACCES

权限不足，npm 尝试写 /usr/lib/node_modules/。回到步骤 5 配置 npm 全局路径到 ~/.npm-global/。

Q2: 启动 Claude Code 提示 Unable to connect

代理未运行或环境变量未生效。检查：① ps aux|grep deepseek-proxy；② ss -tlnp|grep 4000；③ cat ~/.claude/settings.json；④ curl localhost:4000/api/hello。

Q3: API Error 400 — tool_calls must be followed by tool messages

代理版本过旧（v1），工具调用翻译不完整。回到步骤 8 用 v2 完整代码替换 ~/deepseek-proxy.py。

Q4: 代理启动报 Address already in use

端口被旧进程占用。sudo fuser -k 4000/tcp 杀掉后重试。

Q5: 下载速度仍然很慢

检查：npm config get registry 是否显示淘宝源；cat /etc/apt/sources.list 是否用的国内镜像。ping mirrors.tuna.tsinghua.edu.cn 确认延迟 <100ms。如不行换阿里云源。

Q6: 怎么确认跑的真是 DeepSeek 不是 Anthropic？

输入 "检查 API 配置，确认实际模型"，Claude Code 会自动查代理返回的 target 字段确认。

Q7: DeepSeek API 余额/Key 怎么查？

访问 https://platform.deepseek.com/usage 查看用量和余额。

—— 全文完 ——