接到需求│├─ 不确定怎么做 → Ask Mode 问清楚│├─ 复杂需求 → Plan Mode 出方案 → 你对齐理解│└─ 开始写代码│├─ 小改动 → Cmd+K├─ 模板代码 → 写注释 → Tab 补全├─ 跨文件改动 → Agent Mode├─ 出 bug → Debug Mode└─ 不确定新 API 用法 → MCP 联网查这套流程跑了半年，最直观的变化是：以前遇到一个新模块，

别把 DeepSeek 当万能药。它擅长的是"有明确规则的重复性任务"和"基于给定信息的归纳推理"。涉及业务决策、架构设计、安全漏洞的最终判断——你需要自己拿主意。AI 给你的终究是一个"建议"，不是"结论"。我的原则很简单：让 AI 做"量"上的事（扫几百行代码、读几千行日志），人做"质"上的判断（这个改动要不要合、这个告警要不要处理、这句话说出去会不会被人喷）。两个配合起来，效率确实翻倍。如果

Function Calling 的价值不在于"让模型变聪明"，而在于打破模型和现实世界之间的墙。查询数据库（而不是只靠训练数据猜）调用第三方 API（天气、新闻、物流）操作文件系统（读、写、搜索）触发业务流程（发邮件、下单、审批）DeepSeek V4 的 Function Calling 兼容 OpenAI 格式，迁移成本几乎为零。配合严格的 JSON Schema 校验和极低的调用成本，是目

Function Calling 的价值不在于"让模型变聪明"，而在于打破模型和现实世界之间的墙。查询数据库（而不是只靠训练数据猜）调用第三方 API（天气、新闻、物流）操作文件系统（读、写、搜索）触发业务流程（发邮件、下单、审批）DeepSeek V4 的 Function Calling 兼容 OpenAI 格式，迁移成本几乎为零。配合严格的 JSON Schema 校验和极低的调用成本，是目

上篇讲了 Claude Code 入门，这篇说一个能把它从"好用"推到"开挂"的东西——Superpowers。

三十多行 Python 代码，一个下午，搞定了一个日常高频需求。核心就两步：用 OpenAI SDK 连 DeepSeek API，写好 System Prompt 控制输出格式。这个思路不限于翻译——代码审查、日志分析、文档生成，换个 Prompt 就能干别的。API 就在那，关键是找到适合自己的场景。代码放在这，拿回去改改用吧。

三十多行 Python 代码，一个下午，搞定了一个日常高频需求。核心就两步：用 OpenAI SDK 连 DeepSeek API，写好 System Prompt 控制输出格式。这个思路不限于翻译——代码审查、日志分析、文档生成，换个 Prompt 就能干别的。API 就在那，关键是找到适合自己的场景。代码放在这，拿回去改改用吧。

OpenHuman 是 2026 年 AI 进化三部曲的第三部。从 OpenClaw（工具）到 Hermes（学习）到 OpenHuman（理解），每一代都在降低门槛。如果你之前因为养龙虾太复杂而放弃，这个可以试试。安装 2 分钟，连接账号 2 分钟，等同步 3 分钟——总共不到 10 分钟就能体验一个懂你的 AI。项目地址：github.com/tinyhumansai/openhuman当前版

2026 年 5 月，DeepSeek V4 发布刚满一个月。本文记录我从零接入 DeepSeek API 的全过程，含完整代码、踩坑记录和成本实测。