背景

Claude Code 的 token 消耗结构有个特点：任务拆解和规划消耗的 token 比实际写代码多得多。

实测过一个完整的用户系统项目，Claude Code 帮我拆解任务花了 3 美元，真正生成代码只花了 5 毛。

重度用户月均消耗轻松破千美元，有团队日均 50 美元以上。这个成本让很多人开始寻找替代方案。

核心思路：规划与执行分离

Claude Code 消耗高的本质是"用最贵的模型做规划"。但规划这件事，需要的是推理能力和知识广度，不需要精准的代码生成能力——这是便宜模型擅长的领域。

思路：

DeepSeek（或其他便宜模型） 负责规划
         ↓
Claude Code 负责执行

两者打配合，任务完成，质量不变，成本降到 1/17。

方案一：DeepClaude（已开源，最简单）

GitHub: github.com/aattaran/deepclaude

原理：用 DeepSeek V3/R1 做规划引擎，Claude Code 做执行引擎，通过 agent loop 串联。

适合场景：

• 已经重度使用 Claude Code，不想换工作流
• 日均消耗 $50+ 的团队或个人

配置步骤：

1. 获取 DeepSeek API（官方或第三方）
2. 安装 Claude Code（如果还没装）
3. 配置环境变量：

export DEEPSEEK_API_KEY="your-deepseek-key"
export DEEPSEEK_BASE_URL="https://api.deepseek.com"  # 或第三方地址

4. 修改 Claude Code 的 agent loop 配置，让它优先调用 DeepSeek 做规划

实测数据（社区反馈）：

• 日均 $60 → $3.5
• 任务完成质量与单独使用 Claude Code 相当
• 复杂任务（多文件重构）有时比纯 Claude Code 更稳定

方案二：本地部署（零成本，数据不出墙）

如果你对成本更敏感，或者数据有保密要求，可以用 Ollama 部署开源模型。

适合场景：

• 完全免费优先
• 数据不能出网

配置步骤：

1. 安装 Ollama

# Mac/Linux
curl -fsSL https://ollama.com/install.sh | sh

# Windows
winget install Ollama.Ollama

2. 下载模型

ollama pull qwen2.5-coder:14b

3. 配置 Claude Code 使用本地模型做规划

export OLLAMA_BASE_URL="http://localhost:11434"
export PLANNING_MODEL="qwen2.5-coder:14b"

本地 vs API 对比：

方案	成本	速度	质量
DeepSeek API	$3/天	快	高
Ollama 本地	免费	取决于硬件	中高

方案三：等待生态支持

ruflo（github.com/ruvnet/ruflo）和 n8n-mcp 正在做多 Agent 编排层，未来可能直接支持"规划 Agent + 执行 Agent"的组合，到时候配置一下就能用。

边界情况

哪些场景适合这个方案：

• 需要 Claude Code 帮你拆解大型任务
• 单次任务消耗大（多文件重构、架构设计）
• 长时间高频使用

哪些场景不太适合：

• 简单的一次性任务，让便宜模型直接搞定更划算
• 需要 Claude Code 原生工具能力的场景（深度调试、复杂终端操作），规划与执行分离后执行端可能需要额外适配

总结

核心就一句话：让合适的模型做合适的工作，而不是让最强模型干所有事。

方案	成本	工程量	推荐度
DeepClaude	$3/天	低	首选
Ollama 本地	0	中	省钱优先
等生态	-	-	观望

有具体问题欢迎评论区交流，实测数据也欢迎分享。