VSCode配置DeepSeek代码补全模型本地化部署详细教程【指南】-VSCode-PHP中文网

vscode无法使用deepseek本地代码补全，主因是插件未正确配置deepseek.endpoint指向本地fastapi服务（如http://localhost:8000/v1），且后端必须提供符合openai规范的/v1/chat/completions接口及标准响应格式，同时模型加载需优化device_map和dtype以避免超时。

vscode配置deepseek代码补全模型本地化部署详细教程【指南】

VSCode 里用不了 DeepSeek 代码补全，大概率不是插件没装对，而是本地模型服务没跑通、或插件连的 endpoint 根本没指向你自己的 API。官方插件默认连的是 https://api.deepseek.com/v1，不改配置就永远走不了本地模型。

确认 VSCode 插件是否真的连本地模型

DeepSeek 官方插件（v2.3.1+）本身不带模型，只负责发请求；它必须通过 deepseek.endpoint 配置项对接后端服务。如果你没改这个地址，它就在调云端 API —— 和本地部署完全无关。

打开 VSCode 设置（Ctrl+, ），搜索 deepseek.endpoint
必须设为类似 http://localhost:8000/v1 这样的本地 FastAPI 地址（注意协议是 http，不是 https）
如果填了 https://api.deepseek.com/v1 或留空，插件会静默 fallback 到云端，且不报错
验证方式：启动本地服务后，在浏览器访问 http://localhost:8000/docs，能打开 Swagger 页面才算服务就绪

FastAPI 服务必须暴露 /v1/chat/completions 接口

VSCode 插件底层用的是 OpenAI 兼容的 REST 协议，不是它自己定义的 /generate。你照着网上抄的简单 /generate 路由，插件根本认不出来。

Unified LLM Gateway - One API for 70+ AI models. Route to GPT, Claude, Gemini, Qwen, Deepseek, Grok and more

统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。

下载

接口路径必须是 POST /v1/chat/completions，不是 /generate 或 /chat
请求体要支持 messages 数组格式（不是单个 prompt 字符串）
响应体结构需严格匹配 OpenAI schema：{ "choices": [{ "message": { "content": "..." } }] }
推荐直接用 llama.cpp + server 模式，或基于 transformers + fastapi 封装时复用 openai-compatible-server 模板（如 text-generation-inference 的 OpenAI adapter）

模型加载时 device_map 和 dtype 不配好，VSCode 补全会卡死或返回空

插件在编辑器里高频触发补全请求（每敲几个字符就发一次），如果模型加载没优化，第一次请求就要等 10 秒以上，VSCode 会直接超时丢弃响应。

务必用 device_map="auto"，别硬写 "cuda" —— 否则多卡或显存不足时会崩
强制指定 torch_dtype=torch.float16（7B 模型不加这句，显存占用翻倍）
加 load_in_4bit=True 或 load_in_8bit=True（需要 bitsandbytes），7B 模型可压到 6GB 显存内
启动服务前先在 Python 里手动跑一次 model.generate(...)，确认首 token 延迟

插件侧关键配置项不能漏

除了 endpoint，还有三个配置项直接影响补全是否生效：

deepseek.apiKey：本地部署时可填任意非空字符串（如 "local"），插件会发 Authorization: Bearer local，你的 FastAPI 服务得忽略或校验这个头
deepseek.languageSupport：必须显式勾选语言，比如 python、typescript，否则对应文件类型不会触发补全
deepseek.timeout：默认 5000ms，本地模型若首 token 延迟高，建议调到 10000，避免频繁失败
检查 .vscode/settings.json 里有没有项目级覆盖，它会优先于全局设置

最常被忽略的一点：VSCode 插件的补全请求是流式（streaming）的，但很多手写的 FastAPI 服务只返回完整 response，不支持 stream=True。插件收不到 chunk 就会卡住——哪怕你返回了正确 content，也得按 SSE 格式分块推送，否则补全框光标一直转圈。