DeepSeek写代码怎么接入本地IDE？

先说说几个硬性门槛，别急着动手，先确认机器能不能跑起来。DeepSeek本地部署对资源要求不低，特别是7B及以上版本，上来就得过三关：显存至少12GB，像RTX 4080或A100起步；内存32GB打底；Python 3.9+和CUDA 11.8一个不能少。CPU模式虽然也能跑，但7B模型推理延迟轻松超过8秒，写代码时等这么久，基本没法用。跑个nvidia-smi确认GPU驱动正常，再执行python -c "import torch; print(torch.cuda.is_a vailable())"，返回True才算通过。

如果显存不够，必须启用4-bit量化——这步要是省了，模型根本加载不起来。量化后显存占用能压到8GB左右，精度损失在可接受范围内，实测Ja va方法生成准确率还能达到89%，够用了。

第一步：拉起本地DeepSeek服务（FastAPI方式）

接下来就是创建服务脚本。新建一个deepseek-server.py，内容如下：

from fastapi import FastAPI, HTTPException
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

app = FastAPI()

model_path = "./deepseek-coder-7b-instruct"
tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForCausalLM.from_pretrained(
    model_path,
    torch_dtype=torch.float16,
    device_map="auto",
    load_in_4bit=True  # 必须启用
)

@app.post("/v1/completions")
async def completions(prompt: str):
    inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
    output = model.generate(**inputs, max_new_tokens=512, temperature=0.3)
    return {"choices": [{"text": tokenizer.decode(output[0], skip_special_tokens=True)}]}

启动服务时用uvicorn deepseek-server:app --host 0.0.0.0 --port 8000 --workers 1。注意两点：端口别用8080，那跟IDEA调试端口冲突；

第二步：在IDEA里配置HTTP客户端调用本地服务

服务跑起来还不算完，关键一步是让IDEA能跟它对话。打开IDEA → Settings → Tools → HTTP Client → Create new HTTP file，然后粘贴以下请求：

POST http://localhost:8000/v1/completions
Content-Type: application/json

{
  "prompt": "def fibonacci(n):
    # 用递归实现斐波那契数列，加类型提示和docstring"
}

执行后能看到返回的完整Python函数，说明服务已经通了。但这只是手动测试，真正要的是在编辑器里自动化触发。

第三步：编写轻量插件，实现编辑器内实时触发

这才是重头戏。先新建IntelliJ Platform Plugin项目，选Gradle + Ja va，勾选Plugin DevKit。然后要在plugin.xml中声明扩展点：

核心逻辑在DeepSeekCompletionHandler类里实现：捕获Ctrl+Enter快捷键，提取当前光标处上下文，拼装JSON发往http://localhost:8000/v1/completions，解析响应后直接插入编辑器。最后打包插件（Build → Prepare Plugin for Distribution），在IDEA中Install plugin from disk。

插件安装后重启IDEA，打开任意.ja va文件，在方法体内按Ctrl+Enter，就能看到DeepSeek生成的代码块自动插入光标位置。整个过程就是这样，从硬件检查到服务部署，再到IDE集成，一步到位。