DeepSeek 体验月报：国产模型真的能扛起运维大旗吗？

最近这一个月，我把折腾大模型的精力主要放在了国产力量上——特别是 DeepSeek。原本心心念念想搞 Claude Code 或者 Codex 这种“正规军”，奈何自己有点懒，加上各种封号和额度的传闻太多，索性就先拿国产的大模型练练手。

折腾了一个月，用了 DeepSeek 的 v4 Flash 和 v4 Pro，甚至还在本地跑了一个 Qwen 做“润色助手”。实话实说，这一个月下来，感受真的很复杂，既有真香时刻，也有想把电脑屏幕砸了的瞬间。今天就把我这套低成本的工作流和对 DeepSeek 的真实评价摊开来聊聊。

我的“贫民窟”AI 办公配置

先交个底，我并不是什么硬核算法工程师，也就是个比纯小白强点的运维爱好者：会手撸 Nginx，能自己编译源码部署环境，平时写写几十行的小脚本解决实际问题。

Cherry Studio 简洁的 UI 界面，支持多模型与 Agent 协作。

基于这个水平，我搭了一套几乎零门槛的桌面端工作流，没用复杂的 API 链路，主打一个直观：

• 核心客户端： Cherry Studio（Windows 版）。这玩意儿开源免费，UI 简洁，最关键是支持多 Agent 协作，是我这种不想写代码调用 API 的人的福音。
• Agent 1（润色组）： 本地部署的 Qwen3.6-27B-Q4_K_M。主要负责文字润色和逻辑梳理，毕竟离线运行不用花钱，响应速度也尚可。
• Agent 2（极速组）： DeepSeek v4 Flash。处理简单任务，追求速度。
• Agent 3（核心组）： DeepSeek v4 Pro。用来处理复杂的代码逻辑和运维分析。

这套组合拳打下来，除了偶尔显卡风扇起飞，整体体验还是比较丝滑的。

Cherry Studio 工作流配置界面，展示了多 Agent 协作与本地 Qwen 模型的部署情况。

国产大模型的“真香”之处

用了这么久，DeepSeek 最打动我的点其实很朴实。

1. 价格真的很感人 DeepSeek 的定价策略对个人开发者极其友好。虽然据说后续可能会涨价，但即便价格回调，相比动辄几十美元一个月的国外服务，这个成本依然在“随便玩玩不心疼”的范围内。对于我这种轻度使用者，甚至都没感觉到额度消耗的压力。

2. 直连的快乐 这一点必须给好评。对于国内网络环境来说，不用折腾代理、不用买节点、不用担心 IP 封禁，打开就能用，这种体验上的“零摩擦”在生产力环节太重要了。有时候灵感来了，不想去折腾节点，DeepSeek 这种直连的便利性就是最大的护城河。

深度使用后的“劝退”瞬间

当然，便宜和好用中间，还隔着一个“好用”的鸿沟。在具体技术场景里，DeepSeek 的一些毛病真的很让人抓狂。

1. 思维粗糙，细节全靠“吼” 最典型的一次，我让它梳理家里 OpenWrt 路由器的 DNS 解析流程。这本来是个很标准的运维任务，但它给出的分析总是缺胳膊少腿。

第一次问，它漏了转发逻辑；第二次追问，补上了转发但忘了缓存；第三次提醒，才把整个链路说全。

这就导致我在使用时不敢全信它的结论，必须得自己懂一点行，像查作业一样反复给它“补课”。对于完全的小白来说，这种“半吊子”回答其实挺危险的，容易把自己带沟里。

2. “倔脾气”发作，拒绝执行命令 这是最让我哭笑不得的缺点。很多次，我明确命令它：“别跟我分析理论，直接 SSH 进服务器给我看文件！”

结果呢？它非要开始给我讲大段的 SSH 原理、TCP 握手过程，甚至引经据典地分析为什么不建议直接登录。最后拗不过我的反复坚持，终于肯连了，结果得出的结论还是错的。

这种“不仅要教你做事，还要教你做人”的性格，在抢时间修 Bug 的时候简直是灾难。

3. 记忆力金鱼，实战稳定性差 这点在自动化运维场景下最致命。典型的翻车现场是这样的：

• 在对话 A 中，我喂给了它服务器 IP、密码，试了几次终于成功连上了，还让它把“成功经验”记下来。
• 开启新对话 B，同样的配置、同样的指令，它仿佛失忆了一样，开始重新尝试各种乱七八糟的工具，安装一堆明明不需要的依赖，最后还连不上。

这种“换个窗口就变傻”的问题，说明它的长短期记忆管理还存在很大缺陷，复用性很差。

给想折腾的朋友几条避坑建议

虽然槽点不少，但考虑到性价比和便利性，我觉得 DeepSeek 依然值得作为辅助工具留在工具栏里。针对上述问题，我也总结了一些亲测有效的解决方案：

1. 想办法治好它的“啰嗦病” 如果发现它开始“倔强”地讲理论而不是执行操作，尝试使用强约束的 Prompt。

• 反面教材： “帮我连接服务器看看 Nginx 配置。”
• 优化 Prompt： “你现在是一个运维脚本。请直接执行 SSH 命令连接 [IP]，仅输出 /etc/nginx/nginx.conf 的内容，不要输出任何分析、解释或警告，不要安装任何新包。”

通过限定“仅输出”、“不要做多余动作”，可以强制它收敛发散的思维。

2. 建立“外部记忆库” 既然它记忆不稳定，就不要指望它的 Context 记住你的服务器配置。

建议用本地文档或者 Cherry Studio 的知识库功能，把常见的配置（如服务器 IP、常用路径、固定报错处理方案）整理好。每次开启新对话，先把这些“上下文”一次性喂给它，让它基于这些信息干活，能大幅减少翻车率。

3. 小白用户的“自查”心态 这点最重要。不要把 DeepSeek（或者说目前的任何 LLM）当成全知全能的神。

尤其是在运维和网络安全领域，当它让你执行 rm -rf 或者修改系统核心配置时，一定要多长个心眼。把它当成一个“懂点理论但缺乏实习经验”的实习生，核对着它的命令再按回车。

写在最后

这一个月用下来，DeepSeek 给我的感觉是一个：“聪明但还需要调教的高中生”。它有潜力，性价比高，上手快，但在细节把控和执行稳定性上，距离 Claude 这种“老教授”还有明显差距。

接下来的路怎么走？我可能会继续保留 DeepSeek 作为日常的轻量级提效工具，但在核心的项目开发上，还是会慢慢向 Claude Code 靠拢——哪怕需要折腾点网络环境。毕竟，在生产力这件事上，省心才是硬道理。

大家最近有在用什么国产模型吗？有没有什么独特的 Prompt 技巧治好了模型的“倔脾气”？欢迎在评论区交流！