---
title: "我手搓了一套 DeepSeek 技术栈：29 个 Skill 让 DS 4.1 Flash 表现接近 Opus - Angryecho"
description: "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。"
canonical_url: "https://www.angryecho.com/c/CursorClub/p/P2TBC1ELTs4dKjhrWcMge"
meta:
  "og:description": "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。"
  "og:image": "https://www.angryecho.com/_og/d/c_Post%2Ctitle_~5ZCQ5qe9572R%2Cdescription_~5ZCQ5qe95LiA5LiL77yM5bCx5LiK5ZCQ5qe9572R44CC%2CpostId_P2TBC1ELTs4dKjhrWcMge%2Crevision_~MjAyNi0xMS0wMlQwMjo1NTo1Ni44NjcxNzBa%2Cp_Ii9jL0N1cnNvckNsdWIvcC9QMlRCQzFFTFRzNGRLamhyV2NNZ2Ui%2Cs_Ukt7ZN1m9T5cN5as.png"
  "og:image:height": "630"
  "og:image:type": image/png
  "og:image:width": "1200"
  "og:title": "我手搓了一套 DeepSeek 技术栈：29 个 Skill 让 DS 4.1 Flash 表现接近 Opus"
---

> Index of every page on this site: [llms.txt](https://www.angryecho.com/llms.txt)

# **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](https://www.bilibili.com/video/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

```bash
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.

```json
{"@context":"https://schema.org","@graph":[{"@id":"https://www.angryecho.com/c/CursorClub/p/P2TBC1ELTs4dKjhrWcMge#post","@type":"DiscussionForumPosting","commentCount":0,"dateModified":"2026-11-02T02:55:56.867Z","datePublished":"2026-11-01T22:53:43.821Z","description":"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。","headline":"我手搓了一套 DeepSeek 技术栈：29 个 Skill 让 DS 4.1 Flash 表现接近 Opus","isPartOf":"https://www.angryecho.com/c/CursorClub","mainEntityOfPage":"https://www.angryecho.com/c/CursorClub/p/P2TBC1ELTs4dKjhrWcMge","text":"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。\n\n一句话概括\n\n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。\n\n核心论点：60% → 80% 靠的不是换模型\n\n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：\n\n\n\n\n\n不写计划就直接开写代码\n\n\n\n没跑测试就说「已修复」\n\n\n\n同一个错误思路换汤不换药地试四次\n\n\n\n长任务里慢慢忘了最初的目标\n\n\n\n「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。」\n\n为什么值得折腾：价格差两个数量级\n\n\n\n\n\n\n\n\n\n\n\n输入（每百万 token）\n\n\n\n输出（每百万 token）\n\n\n\n\n\nOpus 5.5\n\n\n\n$4\n\n\n\n$20\n\n\n\n\n\nDS V4.1 Flash（低峰）\n\n\n\n$0.15\n\n\n\n$0.60\n\n\n\n\n\n缓存命中输入\n\n\n\n≈ $0.003\n\n\n\n—\n\n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。\n\n安装与配置\n\nnpx skills add aicoding/deepseek-stack\n\n\n\n\n\n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\n\n\n\n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\n\n\n\n作者环境：PandaCode + DeepSeek 官方 harness（npm install -g @deepseek-ai/dsh）\n\n\n\n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\n\n\n\n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\n\n29 个 Skill 分五组\n\nCore 核心（3 个）\n\n\n\n\n\n/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\n\n\n\n/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\n\n\n\n/ds-help：不知道用哪个，描述任务让它帮你选并说明理由\n\nLoops 循环（9 个，作者认为收益最大）\n\n\n\n\n\n/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\n\n\n\n/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\n\n\n\n/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\n\n\n\n/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\n\n\n\n/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\n\n\n\n/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\n\n\n\n/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\n\n\n\n/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\n\n\n\n/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\n\nBuild 构建（6 个）\n\n\n\n\n\n/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\n\n\n\n/ds-blueprint：先定类型、函数签名、模块布局，形状确认后再填代码\n\n\n\n/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\n\n\n\n/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\n\n\n\n/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\n\n\n\n/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\n\nShip 发布（7 个，需 GitHub CLI）\n\n\n\n\n\n/ds-pr：开一个从问题讲起的短 PR，而不是罗列改了哪些文件\n\n\n\n/ds-watch-pr：盯 CI 和 review bot，修真问题、推送、继续盯到 ready / merged / blocked\n\n\n\n/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\n\n\n\n/ds-ready：同上但停在 PR ready，最后合并你自己按——作者最常用\n\n\n\n/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\n\n\n\n/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\n\n\n\n/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\n\nUnderstand 理解（4 个）\n\n\n\n\n\n/ds-explain：用大白话讲清一段代码怎么工作、为什么这么设计\n\n\n\n/ds-catchup：你离开期间发生了什么 + 所有等你决策的点\n\n\n\n/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\n\n\n\n/ds-unslop：清掉文档、PR 描述、注释里的「AI 味」——废话、假热情\n\n日常使用路线\n\nds-mode 常驻\n  ├─ 普通任务：ds-plan-loop → ds-verify-loop →（卡住）ds-unstick\n  ├─ 合并前：ds-review-loop，重要改动上 ds-jury\n  ├─ 收尾：ds-ready 开 PR 并盯到全绿\n  ├─ UI 任务：ds-design 替代 plan-loop\n  └─ 大任务：ds-best-of-n / ds-swarm（反正 token 便宜）\n\n作者主动说明的局限\n\n\n\n\n\n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。\n\n\n\n80% 是个人日常体感，不是 benchmark，别当跑分看。\n\n\n\nskill 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」。\n\n\n\n代码会发到 DeepSeek 服务器，公司私密项目要先确认合规。\n\n\n\n大任务尽量放低峰时段跑，价格减半。\n\n结论\n\n\n\n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。\n\n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。","url":"https://www.angryecho.com/c/CursorClub/p/P2TBC1ELTs4dKjhrWcMge","author":{"@type":"Person","name":"Alihan","url":"https://www.angryecho.com/u/P7H9868003"},"interactionStatistic":[{"@type":"InteractionCounter","interactionType":"https://schema.org/LikeAction","userInteractionCount":0},{"@type":"InteractionCounter","interactionType":"https://schema.org/DislikeAction","userInteractionCount":0},{"@type":"InteractionCounter","interactionType":"https://schema.org/ViewAction","userInteractionCount":0},{"@type":"InteractionCounter","interactionType":"https://schema.org/ShareAction","userInteractionCount":0}]}]}
```

## Sitemap

See the full [sitemap](https://www.angryecho.com/sitemap.md) for all pages.