DeepSeek-Modelle in Cursor verwenden: Vollständiges Setup-Guide

DeepSeek-Modelle bieten leistungsstarke Reasoning-Fähigkeiten zu wettbewerbsfähigen Preisen. Cursor unterstützt die DeepSeek-Integration durch mehrere Methoden, von nativer API-Unterstützung bis zur lokalen Bereitstellung über Ollama. Dieser Guide deckt alle Ansätze ab, um DeepSeek in Ihrem Cursor-Workflow zum Laufen zu bringen.

Verfügbare DeepSeek-Modelle

Modell	Kontext	Am besten geeignet für	Cursor-Unterstützung
DeepSeek V3	64K	Allgemeines Coding, Chat	Nativ
DeepSeek R1	64K	Reasoning, Mathematik, Logik	Nativ
DeepSeek V4	128K	Komplexe Analyse	Über Ollama/Proxy
DeepSeek Coder	16K	Code-spezifische Aufgaben	Über OpenRouter

Methode 1: Native DeepSeek-Unterstützung (Empfohlen)

Cursor hat integrierte Unterstützung für DeepSeek V3 und R1.

Schritt 1: API-Schlüssel erhalten

1. Besuchen Sie DeepSeek Platform
2. Erstellen Sie ein Konto oder melden Sie sich an
3. Navigieren Sie zu "API Keys"
4. Generieren Sie einen neuen Schlüssel und kopieren Sie ihn

Schritt 2: In Cursor konfigurieren

1. Öffnen Sie die Cursor-Einstellungen (Cmd/Ctrl + ,)
2. Gehen Sie zu "Models" oder "AI Features"
3. Finden Sie "Custom API Key" oder "Add Provider"
4. Wählen Sie "DeepSeek" als Anbieter
5. Fügen Sie Ihren API-Schlüssel ein
6. Speichern Sie die Einstellungen

Schritt 3: DeepSeek-Modell auswählen

In jedem Chat oder Composer-Sitzung:

1. Klicken Sie auf die Modellauswahl (oben im Chat)
2. Wählen Sie "DeepSeek V3" oder "DeepSeek R1"
3. Beginnen Sie mit dem Coding

Methode 2: DeepSeek über OpenRouter verwenden

Für nicht nativ unterstützte Modelle verwenden Sie OpenRouter als Brücke.

Setup

1. Holen Sie sich einen OpenRouter API-Schlüssel
2. Fügen Sie in den Cursor-Einstellungen OpenRouter als Anbieter hinzu:

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

Verfügbare OpenRouter DeepSeek-Modelle

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

Methode 3: Lokales DeepSeek mit Ollama

Führen Sie DeepSeek lokal für Datenschutz und Offline-Nutzung aus.

Ollama installieren

# macOS
brew install ollama

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

# Windows
# Von https://ollama.com/download herunterladen

DeepSeek-Modell herunterladen

# DeepSeek Coder (empfohlen für Coding)
ollama pull deepseek-coder:6.7b

# Für größeren Kontext (erfordert mehr RAM)
ollama pull deepseek-coder:33b

Cursor für Ollama konfigurieren

1. Stellen Sie sicher, dass Ollama läuft:

ollama serve

2. Fügen Sie in den Cursor-Einstellungen das lokale Modell hinzu:

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

Ollama-Verbindung Fehlerbehebung

Wenn Cursor keine Verbindung zu Ollama herstellen kann:

# Prüfen, ob Ollama läuft
curl http://localhost:11434/api/tags

# Umgebungsvariable für Ollama-Host setzen
export OLLAMA_HOST=0.0.0.0

# Unter macOS, Netzwerkzugriff erlauben
launchctl setenv OLLAMA_HOST "0.0.0.0"

Methode 4: DeepSeek V4 über LiteLLM-Proxy

Für DeepSeek V4 Pro (Cloud) verwenden Sie LiteLLM als Proxy.

LiteLLM einrichten

pip install litellm

Erstellen Sie litellm_config.yaml:

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

Führen Sie den Proxy aus:

litellm --config litellm_config.yaml --port 8000

Cursor konfigurieren

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

Umgang mit Reasoning-Inhalten

DeepSeek R1 gibt Reasoning-Inhalte aus, die eine spezielle Behandlung benötigen.

Das Problem

R1 gibt sowohl Reasoning als auch die endgültige Antwort zurück:

{
  "choices": [{
    "message": {
      "content": "Endgültige Antwort hier...",
      "reasoning_content": "Lass mich nachdenken... Schritt 1... Schritt 2..."
    }
  }]
}

Lösung: Mit Proxy filtern

Verwenden Sie einen einfachen Proxy, um Reasoning-Inhalte zu entfernen:

# 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()
    # Reasoning_content entfernen
    for choice in data.get('choices', []):
        msg = choice.get('message', {})
        msg.pop('reasoning_content', None)
    return Response(
        json.dumps(data),
        mimetype='application/json'
    )

DeepSeek für Coding optimieren

System-Prompt

Fügen Sie dies Ihren Cursor-Regeln für bessere DeepSeek-Leistung hinzu:

Bei Verwendung von DeepSeek-Modellen:
- Seien Sie explizit über Dateipfade und Zeilennummern
- Fordern Sie schrittweises Reasoning für komplexe Aufgaben an
- Verwenden Sie strukturierte Ausgabeformate (JSON, Markdown-Tabellen)
- Geben Sie die erwartete Antwortlänge an

Temperatureinstellungen

Aufgabe	Empfohlene Temperatur
Code-Generierung	0.1 - 0.3
Debugging	0.2 - 0.4
Kreative Erkundung	0.5 - 0.7
Code-Review	0.1 - 0.2

Kostenvergleich

Modell	Eingabe/1M Tokens	Ausgabe/1M Tokens
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

Preise ab 2026. DeepSeek ist deutlich kosteneffizienter.

Fehlerbehebung

Problem	Lösung
"Modell nicht verfügbar"	Prüfen Sie, ob der API-Schlüssel gültig ist und Guthaben hat
Langsame Antworten	Verwenden Sie ein kleineres Modell oder aktivieren Sie Streaming
Reasoning-Inhalt sichtbar	Verwenden Sie einen Proxy oder Filter (siehe oben)
Ollama-Verbindung abgelehnt	Stellen Sie sicher, dass Ollama läuft und der Port erreichbar ist
Chinesische Ausgabe	Fügen Sie "Respond in English" zu Ihrem Prompt hinzu

Schnellreferenz

# DeepSeek API testen
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"}]
  }'

# Ollama-Modelle auflisten
ollama list

# Ollama-Status prüfen
curl http://localhost:11434/api/tags

Verwandte Ressourcen

• Wie man benutzerdefinierte Modelle in Cursor verwendet
• Cursor-Modellauswahl-Guide
• Cursor Lokales LLM-Setup