VS Code 集成 DeepSeek&自部署模型到 GitHub Copilot

在 AI 编程助手日益普及的今天GitHub Copilot的额度很快就用光了，本文将详细介绍如何将 DeepSeek 模型集成到 VS Code 的 GitHub Copilot 中。

可以使用企业版和自己的免费版本的github账号。

也可以使用lindexi的博客的方式。
用 OllamaHub 让 Visual Studio Copilot 可以对接任意模型 - lindexi - 博客园

准备工作

在开始之前，请确保满足以下前提条件：

VS Code 版本：1.116 或更高版本
GitHub Copilot 订阅：Free / Pro / Enterprise 均可，免费版即可使用
GitHub 账号：已在 VS Code 中登录

第一步：安装插件

首先，我们需要在 VS Code 中安装两个必要的插件。

1. 安装 GitHub Copilot Chat

打开 VS Code，点击左侧活动栏中的扩展商店图标（或使用快捷键 Ctrl+Shift+X），在搜索框中输入 GitHub Copilot Chat，找到后点击**安装

2. 安装 DeepSeek V4 for Copilot Chat

在扩展商店中继续搜索 DeepSeek V4 for Copilot Chat，找到后点击安装

💡 提示：两个插件都安装完成后，建议重启一次 VS Code，避免插件未完全加载

第二步：获取 DeepSeek API Key

接下来，我们需要在 DeepSeek 开放平台创建并获取 API Key。

1. 访问 DeepSeek 开放平台

打开浏览器，前往 DeepSeek 开放平台

2. 注册 / 登录账号

如果还没有账号，请先完成注册登录后进入控制台。

3. 创建 API Key

在左侧导航栏选择 **API Keys
点击 创建 API Key 按钮
在弹出的对话框中输入名称（例如 copilot），点击创建
创建成功后，立即复制并保存生成的 API Key

⚠️ 重要提醒：API Key 仅在创建时展示一次，关闭对话框后将无法再次查看。DeepSeek 的 API Key 通常以 sk- 开头。请妥善保管，避免泄露。

4. 确认账户余额

DeepSeek API 按用量计费，请确保账户有可用余额可以在充值页面完成充值。

第三步：在 VS Code 中配置 API Key

获取 API Key 后，回到 VS Code 进行配置。

1. 打开命令面板

使用快捷键 Ctrl+Shift+P（Windows / Linux）或 Cmd+Shift+P（Mac）打开命令面板

2. 执行配置命令

在命令面板中输入并选择 `DeepSeek: Set API Key

3. 粘贴 API Key

在弹出的输入框中，粘贴你刚才复制的 API Key，按回车确认

🔒 安全说明：API Key 会安全存储在操作系统密钥链中，不会写入磁盘

第四步：选择模型并开始使用

配置完成后，就可以在 Copilot Chat 中切换使用 DeepSeek 模型了。

1. 打开 Copilot Chat

使用快捷键 Ctrl+Shift+I（Windows / Linux）或 Cmd+Shift+I（Mac）打开 Copilot Chat 面板。也可以通过顶部输入窗口右侧的 Copilot 图标或编辑器右上角的侧边栏入口打开。

2. 选择 DeepSeek 模型

点击聊天面板右上角的模型选择器，选择其他模型，在底部列表中选择 DeepSeek V4 Pro 或 DeepSeek V4 Flash。

3. 开始对话

现在你就可以在 Copilot Chat 中使用 DeepSeek 模型了——Agent 模式、工具调用及所有 Copilot 功能均可直接使用。

可选配置

配置思考深度

在模型选择器中，点击 DeepSeek 模型旁的齿轮图标可以调整思考深度：

None：最快，不启用推理
High：平衡模式（默认）
Max：深度推理，适合复杂任务

视觉支持说明

DeepSeek V4 是纯文本模型，但插件会自动处理图片。将截图拖入对话后，插件会通过其他已安装的 Copilot 模型（如 Claude、GPT-4o）描述图片内容，再发送给 DeepSeek。执行 DeepSeek: Set Vision Proxy Model 可选择用于图片描述的模型

接入Deepseek到这里就结束了。下面是另外一种接入自己部署的模型。
接入自部署的 llama.cpp 模型（自定义端点）

除了使用 DeepSeek 官方 API，你还可以将本地或内网部署的 llama.cpp 模型（例如 Qwen、Llama 等）接入 Copilot，完全掌控数据与成本。这一节将指导你通过 VS Code 内置的模型管理功能添加自定义端点。

参考前面的几篇文章做部署。

打开命令面板**

使用 Ctrl+Shift+P（Windows/Linux）或 Cmd+Shift+P（Mac）。

执行模型管理命令**

在命令面板中输入并选择 chat:ManageLanguageModel。此时会弹出一个列表，用于管理 API Key 和模型配置。

3. 添加 API Key（安全存储）

在管理界面中，选择 Add Secret 或 Add API Key。
输入一个标识符（例如 llama-local），然后粘贴你的 API Key（如果服务未要求鉴权，可以填入任意占位符，如 no-auth，但推荐设置一个临时密钥）。
完成后，系统会生成一个变量名，类似 ${input:chat.lm.secret.xxxxx}，后续配置中会用到。

💡 如果服务未启用 API Key 验证，你可以在下面的 JSON 中直接将 apiKey 字段设为空字符串 ""，但更推荐使用变量形式以便未来扩展。

4. 添加自定义模型配置

在模型管理界面中，选择 Add Model（或 Add Custom Model），然后粘贴以下 JSON 模板（不要照搬，大家的情况都不一样。需要填写的也就是id、name、url、toolcalling、vision还有maxInputTokens和maxOutputTokens，按照实际的情况）：

[
  {
    "name": "qwen3.6-35b",
    "vendor": "customendpoint",
    "apiKey": "${input:chat.lm.secret.-9zfcfac}",
    "apiType": "chat-completions",
    "models": [
      {
        "id": "qwen3.6-35b",
        "name": "qwen3.6-35b",
        "url": "http://127.0.0.1:8080/v1",
        "toolCalling": true,
        "vision": false,
        "maxInputTokens": 128000,
        "maxOutputTokens": 16000
      }
    ]
  }
]

总上下文窗口（容量上限）

模型的总上下文窗口是模型在单次推理中能够“记住”和处理的 最大 Token 总数。它是一个固定的硬件/模型约束，由你启动 llama.cpp 时通过 -c 参数（如 -c 262144）设定，不能超过该模型架构本身的上限。

核心公式：

总上下文窗口 = 实际输入 Token 数 + 实际输出 Token 数

也就是说，输入（你的提问+历史对话）和输出（模型的回答）共同瓜分这个总容量。maxInputTokens和maxOutputTokens

输入 Token 的具体构成（谁在瓜分 `maxInputTokens`）

组成部分	说明	大小参考
① 系统提示词（System Prompt / 系统记忆）	Copilot 内置的“人设”和规则指令。包括“你是一个优秀的编程助手”、“遵守代码风格”、“回答要简洁”等基础设定。这部分权重最高，截断策略会优先保护它不被删减。	通常占用 2k ~ 8k Tokens（中文环境下更大）
② 附加代码上下文	你当前打开的文件、选中的代码片段、工作区中相关的文件引用。Copilot 会自动提取光标周围的代码。	根据文件大小，可能占用 1k ~ 50k+ Tokens
③ 对话历史（Chat History）	你与 Copilot 当前会话中的一问一答。这是唯一会被插件主动截断（裁剪）的部分。	累积起来非常庞大，随对话轮次增长
④ 工具定义（Tool / Function Calling）	如果启用了 `toolCalling: true`，Copilot 会将所有可用工具（如终端命令、文件读写、知识库检索）的 JSON Schema 描述塞进输入。	通常占用 3k ~ 10k Tokens
⑤ 当前用户提问	你本次输入的 Prompt 内容。	通常几百到几千 Tokens

posted @ 2026-06-27 10:28 杜文龙阅读(265) 评论(0) 收藏举报

刷新页面返回顶部

VS Code 集成 DeepSeek&自部署模型 到 GitHub Copilot