我手搓了一套 DeepSeek 技术栈：29 个 Skill 让 DS 4.1 Flash 表现接近 Opus

视频来源：B站 BV1zcxC6QEvA，UP 主「烟神殿殿主」对 YouTube 频道 AICodeKing《I Built Deepseek Stack that makes DS 4.1 Flash perform like Opus!》的 AI 中文配音搬运，全长约 15 分钟。

一句话概括

作者把「让便宜模型表现得像贵模型」的经验，打包成 29 个可复用的 Skill（DeepSeek Stack），MIT 开源，一条命令安装。核心结论：差的不是模型智商，是习惯。

核心论点：60% → 80% 靠的不是换模型

作者日常写代码已主要用 DeepSeek V4.1 Flash，体感能达到 Opus 5.5 的 80%（刚上手时只有 60%）。复盘后发现差距几乎从来不是模型不够聪明，而是这些坏习惯：

  • 不写计划就直接开写代码

  • 没跑测试就说「已修复」

  • 同一个错误思路换汤不换药地试四次

  • 长任务里慢慢忘了最初的目标

「你没法用一个文本文件让模型变聪明，但你可以让它先计划、每步自检、卡住就停——这就补上了大部分差距。」

为什么值得折腾：价格差两个数量级

输入（每百万 token）

输出（每百万 token）

Opus 5.5

$4

$20

DS V4.1 Flash（低峰）

$0.15

$0.60

缓存命中输入

≈ $0.003

—

高峰期翻倍，但输入仍便宜 13 倍以上、输出便宜 16 倍以上。由此带来的思路转变：用 Opus 时想尽办法省 token；用 DeepSeek 时可以主动多花 token 换质量——同题跑 3 次、换个干净上下文做二次评审、把测试再跑一遍。这套 skill 大量设计都建立在这个前提上。

安装与配置

npx skills add aicoding/deepseek-stack

  • 会列出全部 skill 并询问你用哪些 agent；-g 装全局，--skill ds-verify-loop 只装一个

  • 所有 skill 都以 ds 前缀命名，本质是 SKILL.md，任何支持 skill 的 agent 都能用

  • 作者环境：PandaCode + DeepSeek 官方 harness（npm install -g @deepseek-ai/dsh）

  • 务必把 thinking effort 拉到 max——他强调这比包里任何一个 skill 都重要，实测关掉思考后得分掉了近 30 分

  • 可选：Klein / Klein Pass（$9.99/月，含 DeepSeek V4.1 Flash、Kimi K3.1 Pro、GLM 5.3 等），用来把评审派给不同模型当只读 worker

29 个 Skill 分五组

Core 核心（3 个）

  • /ds-mode：只装一个就装它。常驻工作风格：动手前一句话复述任务 → 先读代码再改 → 最小改动 → 每次改动后跑真实命令并贴输出 → 同一修复失败两次必须停下，不许试第三版

  • /ds-principles：21 条工程准则（修根因不修症状、先删代码再加代码、在系统边界做校验、测用户可见行为），由其他 skill 引用

  • /ds-help：不知道用哪个，描述任务让它帮你选并说明理由

Loops 循环（9 个，作者认为收益最大）

  • /ds-plan-loop：多文件任务先写带验收点的编号计划 → 换一轮上下文自审（漏步骤、风险假设、能否更简单）→ 改完才逐步编码

  • /ds-verify-loop：最常用。改 → 跑真检查 → 读真报错 → 找根因 → 再跑，最多 5 轮必须停下汇报；不许为了让测试过而削弱或跳过测试

  • /ds-unstick：同一错误两次修复后仍复现 → 停止编辑，写出所有失败尝试的共同假设并直接验证

  • /ds-context-reset：维护 progress.md（目标 / 已完成+证据 / 下一步 / 关键事实），上下文变长就换新会话只读这个文件

  • /ds-ledger：无人值守长任务，一行一个决策 + 证据，每步前重读日志防止偏离

  • /ds-review-loop：把改动交给干净上下文的评审者，作者修 → 评审再审，最多 4 轮

  • /ds-jury：2～3 个不同模型同时评审直到一致。不同模型犯不同的错，才能抓出不同的问题

  • /ds-best-of-n：并行跑 3～5 次同一任务，选最强当基线再合并其他优点。5 次 DeepSeek 仍比 1 次 Opus 便宜

  • /ds-swarm：宽任务拆分并行（审每个路由、查每个页面），合并成带证据的单一报告

Build 构建（6 个）

  • /ds-sharpen：需求模糊时先重述真实意图，把任务做「深」而不是做「大」，并可提前攻击计划找薄弱点

  • /ds-blueprint：先定类型、函数签名、模块布局，形状确认后再填代码

  • /ds-tdd：先写一个「因为正确原因而失败」的测试，再做最小改动让它通过

  • /ds-blast-radius：查改动在 diff 之外的影响，并用跑真实代码证明关键安全结论，而不是写一段话保证

  • /ds-design：写码前先定设计方向（目的/受众/语气/记忆点）→ 定字体配色间距 → 用「换个相似需求我会不会也做同一套？」自检 → 禁用俗套（紫蓝渐变、Inter 当标题字、emoji 当图标、居中 hero + 三张同款卡片）→ 截图再改

  • /ds-design-audit：对已有 UI 双尺寸截图，按层级、字体、配色、间距、状态、无障碍、文案逐项打分给证据，修 top 3～5 后再截图对比

Ship 发布（7 个，需 GitHub CLI）

  • /ds-pr：开一个从问题讲起的短 PR，而不是罗列改了哪些文件

  • /ds-watch-pr：盯 CI 和 review bot，修真问题、推送、继续盯到 ready / merged / blocked

  • /ds-ship：全自动到合并，永不使用管理员绕过，遇到不可逆操作先停下问你

  • /ds-ready：同上但停在 PR ready，最后合并你自己按——作者最常用

  • /ds-adopt：接管别人的 PR / 分支 / agent 会话，完成原目标并保留原作者署名

  • /ds-revive：复活老 PR，先判断这个想法在当前代码下还成不成立，有时正确答案就是关掉它

  • /ds-pr-comments：确保 agent 代发的评论明确标注来源，且不泄露不该泄露的东西

Understand 理解（4 个）

  • /ds-explain：用大白话讲清一段代码怎么工作、为什么这么设计

  • /ds-catchup：你离开期间发生了什么 + 所有等你决策的点

  • /ds-lessons：找出 agent 反复犯的错，变成类型、lint 规则或测试，让它不可能再犯

  • /ds-unslop：清掉文档、PR 描述、注释里的「AI 味」——废话、假热情

日常使用路线

ds-mode 常驻
  ├─ 普通任务：ds-plan-loop → ds-verify-loop →（卡住）ds-unstick
  ├─ 合并前：ds-review-loop，重要改动上 ds-jury
  ├─ 收尾：ds-ready 开 PR 并盯到全绿
  ├─ UI 任务：ds-design 替代 plan-loop
  └─ 大任务：ds-best-of-n / ds-swarm（反正 token 便宜）

作者主动说明的局限

  1. 它不会把 V4.1 Flash 变成 Opus 5.5。大规模代码库深度调试、需要大量创造性思考的硬问题上，Opus 仍明显更强。

  2. 80% 是个人日常体感，不是 benchmark，别当跑分看。

  3. skill 会让每个任务消耗更多 token；只是 DeepSeek 上这点额外成本很小——「我宁愿为一个真的会跑测试的模型付钱，也不愿为一个只会说它跑了测试的模型付钱」。

  4. 代码会发到 DeepSeek 服务器，公司私密项目要先确认合规。

  5. 大任务尽量放低峰时段跑，价格减半。

结论

模型本来就已经够聪明了。它需要的是：一个计划、每次改动后的真实检查、卡住就停的规则，以及发布前的一双新眼睛。

作者认为这是当前使用 DeepSeek 的最佳方式：装进 PandaCode，配 Klein Pass 提供额外评审，大多数日常工作上体感已很接近 Opus，同时快得多、便宜到可以按分钱算。仓库 MIT 开源，npx skills add 一条命令安装。

排序方式 :

成为第一条评论！

Nobody's responded to this post yet. Add your thoughts and get the conversation going.