本文将手把手教你如何利用Windows Subsystem for Linux (WSL2) 搭建一套基于Claude Code的AI开发环境，并通过DeepSeek-V4-pro模型实现零配置快速原型搭建。从环境部署到API接入，再到实战生成Todo应用，带你体验“提示词即代码”的极致效率。

---

1. 环境准备：搭建WSL2与Node.js基础

首先，我们需要在Windows系统中构建一个Linux开发环境。WSL2是目前Windows下进行Linux开发的最佳选择。

1.1 安装Ubuntu发行版

打开PowerShell（管理员模式），执行以下命令安装Ubuntu 24.04：

wsl --install Ubuntu-24.04

安装完成后，启动Ubuntu并根据提示设置你的用户名和密码。

1.2 配置Node.js环境

为了管理Node.js版本，我们使用NVM（Node Version Manager）：

1. 安装NVM：

   curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.2/install.sh | bash
   

2. 加载环境变量：

   source ~/.bashrc
   

3. 安装Node.js LTS版本：
   注意：原文档中的命令符号有误，已修正。

   nvm install --lts
   

4. 验证安装：

   node -v   # 检查Node版本
   npm -v    # 检查NPM版本
   

1.3 配置国内源与Git

为了提升依赖下载速度，建议将npm源切换为国内镜像：

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

同时安装版本控制工具Git：

sudo apt install git -y

---

2. 核心工具链：Claude Code与CC-Switch

本教程的核心在于利用Claude Code结合CC-Switch工具，实现AI驱动的代码生成。

2.1 安装Claude Code CLI

Claude Code是Anthropic官方提供的命令行工具，允许我们在终端直接与Claude模型交互。

# 全局安装Claude Code
npm install -g @anthropic-ai/claude-code

# 验证安装
claude --version

2.2 安装与配置CC-Switch

CC-Switch是一个强大的路由工具，用于在本地开发环境中代理和管理AI模型请求，特别是支持接入DeepSeek等国内大模型。

1. 下载并安装：

   wget https://github.com/farion1231/cc-switch/releases/download/v3.14.1/CC-Switch-v3.14.1-Linux-x86_64.deb
   sudo dpkg -i CC-Switch-v3.14.1-Linux-x86_64.deb
   

2. 解决依赖（如有报错）：

   sudo apt-get update
   sudo apt-get install -f
   

3. 启动服务：

   cc-switch
   

4. 配置cc-switch供应商deepseek、填写API Key和模型： DeepSeek-V4-pro[1m]
   
   

2.3 配置DeepSeek模型代理

为了获得更好的响应速度和性价比，我们将CC-Switch的后端供应商配置为DeepSeek：

1. 获取API Key： 登录DeepSeek开放平台，创建新的API Key。
2. 模型选择： 在CC-Switch配置中选择 DeepSeek-V4-pro 模型。
3. 填写凭证： 将获取的API Key填入配置界面。

💡 小贴士：跳过Claude引导
如果在使用过程中遇到登录引导卡顿，可以通过编辑配置文件跳过：

vi ~/.claude.json

在文件中添加字段："hasCompletedOnboarding": true。

---

3. 实战演示：AI生成全栈Todo应用

配置完成后，让我们通过一个实际案例来测试这套环境的威力。我们将使用Claude Code生成一个包含HTML5、CSS和JavaScript的单文件Todo应用。

3.1 指令与生成过程

在终端中运行Claude Code，并输入以下指令（Prompt）：

“帮我做一个todo软件，使用html5+js+css实现。”

工具的响应速度极快（约1分35秒），它不仅理解了需求，还自动生成了完整的代码文件 index.html。

3.2 生成结果分析

根据生成的终端日志（如图1所示），该应用具备以下完整功能：

• 核心交互： 添加/删除任务，点击圆圈标记完成（视觉上划线+变灰）。
• 编辑模式： 双击文字可编辑，按Enter确认，清空则删除。
• 数据管理： 支持“全部/未完成/已完成”筛选，以及“清除所有已完成”功能。
• 持久化： 利用 localStorage 实现数据本地存储，刷新不丢失。
• 统计信息： 底部实时显示“未完成/总数”统计。

图1：Sautéed工具生成Todo应用的终端日志截图

3.3 代码质量与风格

生成的代码结构规范，包含了现代化的HTML5文档声明、移动端适配的viewport设置以及CSS变量定义（如 :root 中的 --bg 和 --card-bg）。这不仅是一个可用的原型，更是一份高质量的前端代码范例。

---

4. 费用与资源管理

在使用大模型API进行开发时，成本控制同样重要。

4.1 账户余额监控

如图2所示，DeepSeek开放平台提供了清晰的用量监控界面。界面分为左右两栏：

• 充值余额： 显示当前账户剩余金额（例如 ¥9.87 CNY）。
• 本月消费： 显示当月累计消耗金额（例如 ¥0.12 CNY）。

图2：DeepSeek开放平台用量信息界面

4.2 资源优化建议

• 余额预警： 建议开启余额预警功能，避免因欠费导致开发中断。
• 模型选择： 在开发调试阶段，DeepSeek-V4-pro[1m] 等高性价比模型是理想选择，兼顾了性能与成本。

---