一、環境準備

1. 項目結構配置

deepseek-vscode/

├── models/            # 模型文件目錄

│   └── deepseek-7b-chat/

├── src/

│   ├── api.py        # API服務文件

│   └── client.py     # 客戶端測試腳本

├── .env              # 環境變量

└── requirements.txt  # 依賴清單

2. VSCode必要擴展

1. Python擴展 （ID： ms-python.python）
2. Jupyter Notebook支持 （ID： ms-toolsai.jupyter）
3. Docker支持 （ID： ms-azuretools.vscode-docker）
4. 遠程 – SSH （遠程開發場景）

二、基礎接入方案

方案1：直接調試（交互式開發）

創建 ：src/deepseek_demo.py

from transformers import AutoModelForCausalLM, AutoTokenizer

import torch



MODEL_PATH = "./models/deepseek-7b-chat"



def load_model():

    tokenizer = AutoTokenizer.from_pretrained(MODEL_PATH, trust_remote_code=True)

    model = AutoModelForCausalLM.from_pretrained(

        MODEL_PATH,

        device_map="auto",

        torch_dtype=torch.float16

    )

    return model, tokenizer



def generate_response(prompt):

    model, tokenizer = load_model()

    inputs = tokenizer.apply_chat_template(

        [{"role": "user", "content": prompt}],

        return_tensors="pt"

    ).to(model.device)



    outputs = model.generate(inputs, max_new_tokens=200)

    return tokenizer.decode(outputs[0], skip_special_tokens=True)



# 在VSCode中按F5啟動調試

if __name__ == "__main__":

    while True:

        query = input("用戶輸入：")

        print("DeepSeek：", generate_response(query))

方案2：創建API服務

創建 ：src/api.py

from fastapi import FastAPI

from fastapi.middleware.cors import CORSMiddleware

from src.deepseek_demo import generate_response

import uvicorn



app = FastAPI()



app.add_middleware(

    CORSMiddleware,

    allow_origins=["*"],

    allow_methods=["*"],

    allow_headers=["*"],

)



@app.get("/chat")

async def chat(q: str):

    try:

        response = generate_response(q)

        return {"response": response}

    except Exception as e:

        return {"error": str(e)}



if __name__ == "__main__":

    uvicorn.run(app, host="0.0.0.0", port=8000)

三、VSCode專項配置

1. 調試配置文件（.vscode/launch.json）

{

    "version": "0.2.0",

    "configurations": [

        {

            "name": "啟動API服務",

            "type": "python",

            "request": "launch",

            "program": "src/api.py",

            "args": [],

            "env": {"PYTHONPATH": "${workspaceFolder}"}

        },

        {

            "name": "交互式調試",

            "type": "python",

            "request": "launch",

            "program": "src/deepseek_demo.py",

            "console": "integratedTerminal",

            "env": {"PYTHONPATH": "${workspaceFolder}"}

        }

    ]

}

2. Jupyter Notebook集成

1. 新建 文件.ipynb
2. 插入代碼塊：

# %%

from src.deepseek_demo import generate_response



# 實時測試模型響應

def test_model(prompt):

    response = generate_response(prompt)

    print(f"輸入：{prompt}\n輸出：{response}")



test_model("解釋量子計算的基本原理")

四、高級調試技巧

1. GPU顯存監控

• 安裝 NVIDIA GPU Status 擴展（ID： chris-noring.nvidia-gpu-status）
• 底部狀態欄實時顯示：

• GPU利用率
• 顯存占用
• 溫度監控

2. 張量可視化

在調試過程中使用 Python Debugger：

1. 設置斷點在生成代碼行
2. 查看Variables面板中的張量結構
3. 右鍵Tensor選擇「View Value in Data Viewer」

五、優化配置指南

1. 工作區設置（.vscode/settings.json）

{

    "python.analysis.extraPaths": ["./src"],

    "python.languageServer": "Pylance",

    "jupyter.kernels.trusted": true,

    "debugpy.allowRemote": true,

    "python.terminal.activateEnvironment": true

}

2. Docker容器開發

創建 ：Dockerfile

FROM nvidia/cuda:12.2.0-base



WORKDIR /app

COPY . .



RUN apt-get update && \

    apt-get install -y python3.10 python3-pip && \

    pip install -r requirements.txt



CMD ["python3", "src/api.py"]

使用 Dev Containers 擴展實現一鍵容器化開發。

六、常見問題解決方案

七、推薦工作流

1. 開發階段：使用Jupyter Notebook快速驗證提示
2. 調試階段：通過Python Debugger分析張量數據
3. 測試階段：使用REST Client擴展發送API請求
4. 部署階段：通過Docker擴展構建生產鏡像

性能測試示例（VSCode終端）：

# 啟動壓力測試

python -m src.stress_test --threads 4 --requests 100

推薦擴展組合：

1. Code Runner – 快速執行代碼片段
2. GitLens – 版本控制集成
3. Remote Explorer – 管理遠程開發服務器
4. Tabnine – AI代碼補全輔助

通過以上配置，可以在VSCode中實現：

• 一鍵啟動模型服務
• 實時GPU資源監控
• 交互式Prompt測試
• 生產級API部署

本文轉載自@CSDNddv_08

#你可能也喜歡這些API文章!

什么是GPT-4？完整指南

GitLabAPI上傳壓縮包的完整指南

Go調用GitLabAPI的全面指南

GitLabAPI獲取root令牌及使用指南

使用Java GitLab API獲取項目分支信息

GitLabAPI獲取所有文件的解決方案

CanvasAPI是什么及其應用詳解

基于Docker方式搭建GitLab

基于Docker搭建的GitLab CE的備份恢復