استخدام نماذج DeepSeek في Cursor: دليل الإعداد الكامل

توفر نماذج DeepSeek قدرات استدلال قوية بأسعار تنافسية. يدعم Cursor تكامل DeepSeek من خلال طرق متعددة، من دعم API الأصلي إلى النشر المحلي عبر Ollama. يغطي هذا الدليل جميع الأساليب لتشغيل DeepSeek في سير عمل Cursor الخاص بك.

نماذج DeepSeek المتاحة

النموذج	السياق	الأفضل لـ	دعم Cursor
DeepSeek V3	64K	الترميز العام، الدردشة	أصلي
DeepSeek R1	64K	الاستدلال، الرياضيات، المنطق	أصلي
DeepSeek V4	128K	التحليل المعقد	عبر Ollama/الوكيل
DeepSeek Coder	16K	المهام الخاصة بالكود	عبر OpenRouter

الطريقة 1: الدعم الأصلي لـ DeepSeek (موصى به)

يتضمن Cursor دعمًا أصليًا لـ DeepSeek V3 وR1.

الخطوة 1: الحصول على مفتاح API

1. قم بزيارة DeepSeek Platform
2. أنشئ حسابًا أو سجل الدخول
3. انتقل إلى "API Keys"
4. قم بإنشاء مفتاح جديد وانسخه

الخطوة 2: التكوين في Cursor

1. افتح إعدادات Cursor (Cmd/Ctrl + ,)
2. انتقل إلى "Models" أو "AI Features"
3. ابحث عن "Custom API Key" أو "Add Provider"
4. حدد "DeepSeek" كمزود
5. الصق مفتاح API الخاص بك
6. احفظ الإعدادات

الخطوة 3: اختيار نموذج DeepSeek

في أي دردشة أو جلسة Composer:

1. انقر على محدد النموذج (أعلى الدردشة)
2. اختر "DeepSeek V3" أو "DeepSeek R1"
3. ابدأ الترميز

الطريقة 2: استخدام DeepSeek عبر OpenRouter

للنماذج غير المدعومة أصليًا، استخدم OpenRouter كجسر.

الإعداد

1. احصل على مفتاح API OpenRouter
2. في إعدادات Cursor، أضف OpenRouter كمزود:

{
  "customModels": [
    {
      "name": "deepseek/deepseek-chat",
      "provider": "openrouter",
      "apiKey": "your-openrouter-key"
    }
  ]
}

نماذج DeepSeek OpenRouter المتاحة

deepseek/deepseek-chat          # DeepSeek V3
deepseek/deepseek-reasoner     # DeepSeek R1
deepseek/deepseek-coder        # DeepSeek Coder

الطريقة 3: DeepSeek المحلي مع Ollama

شغل DeepSeek محليًا للخصوصية والاستخدام دون اتصال.

تثبيت Ollama

# macOS
brew install ollama

# Linux
curl -fsSL https://ollama.com/install.sh | sh

# Windows
# التنزيل من https://ollama.com/download

سحب نموذج DeepSeek

# DeepSeek Coder (موصى به للترميز)
ollama pull deepseek-coder:6.7b

# لسياق أكبر (يتطلب ذاكرة وصول عشوائي أكثر)
ollama pull deepseek-coder:33b

تكوين Cursor لـ Ollama

1. تأكد من تشغيل Ollama:

ollama serve

2. في إعدادات Cursor، أضف النموذج المحلي:

{
  "customModels": [
    {
      "name": "deepseek-coder",
      "provider": "ollama",
      "baseUrl": "http://localhost:11434"
    }
  ]
}

استكشاف أخطاء اتصال Ollama

إذا لم يتمكن Cursor من الاتصال بـ Ollama:

# التحقق من تشغيل Ollama
curl http://localhost:11434/api/tags

# تعيين متغير البيئة لمضيف Ollama
export OLLAMA_HOST=0.0.0.0

# على macOS، السماح بالوصول إلى الشبكة
launchctl setenv OLLAMA_HOST "0.0.0.0"

الطريقة 4: DeepSeek V4 عبر وكيل LiteLLM

لـ DeepSeek V4 Pro (السحابة)، استخدم LiteLLM كوكيل.

إعداد LiteLLM

pip install litellm

أنشئ litellm_config.yaml:

model_list:
  - model_name: deepseek-v4
    litellm_params:
      model: deepseek/deepseek-chat-v4
      api_key: os.environ/DEEPSEEK_API_KEY

شغل الوكيل:

litellm --config litellm_config.yaml --port 8000

تكوين Cursor

{
  "customModels": [
    {
      "name": "deepseek-v4",
      "provider": "openai-compatible",
      "apiKey": "sk-any",
      "baseUrl": "http://localhost:8000"
    }
  ]
}

التعامل مع محتوى الاستدلال

ينتج DeepSeek R1 محتوى استدلال يحتاج إلى معالجة خاصة.

المشكلة

يعيد R1 كل من الاستدلال والإجابة النهائية:

{
  "choices": [{
    "message": {
      "content": "الإجابة النهائية هنا...",
      "reasoning_content": "دعني أفكر... الخطوة 1... الخطوة 2..."
    }
  }]
}

الحل: التصفية باستخدام وكيل

استخدم وكيلًا بسيطًا لإزالة محتوى الاستدلال:

# deepseek_proxy.py
from flask import Flask, request, Response
import requests

app = Flask(__name__)

@app.route('/v1/chat/completions', methods=['POST'])
def proxy():
    resp = requests.post(
        'https://api.deepseek.com/v1/chat/completions',
        headers={'Authorization': f'Bearer {API_KEY}'},
        json=request.get_json()
    )
    data = resp.json()
    # إزالة reasoning_content
    for choice in data.get('choices', []):
        msg = choice.get('message', {})
        msg.pop('reasoning_content', None)
    return Response(
        json.dumps(data),
        mimetype='application/json'
    )

تحسين DeepSeek للترميز

موجه النظام

أضف هذا إلى قواعد Cursor الخاصة بك لأداء DeepSeek الأفضل:

عند استخدام نماذج DeepSeek:
- كن صريحًا بشأن مسارات الملفات وأرقام الأسطر
- اطلب استدلالًا خطوة بخطوة للمهام المعقدة
- استخدم تنسيقات إخراج منظمة (JSON، جداول markdown)
- حدد طول الاستجابة المتوقع

إعدادات الحرارة

المهمة	الحرارة الموصى بها
إنشاء الكود	0.1 - 0.3
تصحيح الأخطاء	0.2 - 0.4
الاستكشاف الإبداعي	0.5 - 0.7
مراجعة الكود	0.1 - 0.2

مقارنة التكاليف

النموذج	الإدخال/1M رمز	الإخراج/1M رمز
DeepSeek V3	$0.14	$0.28
DeepSeek R1	$0.55	$2.19
GPT-4o	$5.00	$15.00
Claude 3.5 Sonnet	$3.00	$15.00

الأسعار اعتبارًا من 2026. DeepSeek أكثر فعالية من حيث التكلفة بشكل كبير.

استكشاف الأخطاء وإصلاحها

المشكلة	الحل
"النموذج غير متاح"	تحقق من أن مفتاح API صالح ولديه رصيد
استجابات بطيئة	استخدم نموذجًا أصغر أو قم بتمكين البث
محتوى الاستدلال مرئي	استخدم وكيلًا أو مرشحًا (انظر أعلاه)
رفض اتصال Ollama	تأكد من تشغيل Ollama والمنفذ متاح
إخراج باللغة الصينية	أضف "Respond in English" إلى موجهك

مرجع سريع

# اختبار API DeepSeek
curl https://api.deepseek.com/v1/chat/completions \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-chat",
    "messages": [{"role": "user", "content": "Hello"}]
  }'

# سرد نماذج Ollama
ollama list

# التحقق من حالة Ollama
curl http://localhost:11434/api/tags

الموارد ذات الصلة

• كيفية استخدام النماذج المخصصة في Cursor
• دليل اختيار نموذج Cursor
• إعداد LLM المحلي لـ Cursor