Usando Modelos DeepSeek no Cursor: Guia Completo de Configuração

Os modelos DeepSeek oferecem poderosas capacidades de raciocínio a preços competitivos. O Cursor suporta a integração DeepSeek por meio de vários métodos, desde suporte de API nativo até implantação local via Ollama. Este guia cobre todas as abordagens para fazer o DeepSeek funcionar no seu fluxo de trabalho do Cursor.

Modelos DeepSeek Disponíveis

Modelo	Contexto	Melhor para	Suporte do Cursor
DeepSeek V3	64K	Codificação geral, chat	Nativo
DeepSeek R1	64K	Raciocínio, matemática, lógica	Nativo
DeepSeek V4	128K	Análise complexa	Via Ollama/Proxy
DeepSeek Coder	16K	Tarefas específicas de código	Via OpenRouter

Método 1: Suporte Nativo DeepSeek (Recomendado)

O Cursor tem suporte integrado para DeepSeek V3 e R1.

Etapa 1: Obter Chave de API

1. Visite DeepSeek Platform
2. Crie uma conta ou faça login
3. Navegue até "API Keys"
4. Gere uma nova chave e copie-a

Etapa 2: Configurar no Cursor

1. Abra as configurações do Cursor (Cmd/Ctrl + ,)
2. Vá para "Models" ou "AI Features"
3. Encontre "Custom API Key" ou "Add Provider"
4. Selecione "DeepSeek" como provedor
5. Cole sua chave de API
6. Salve as configurações

Etapa 3: Selecionar o Modelo DeepSeek

Em qualquer chat ou sessão do Composer:

1. Clique no seletor de modelo (topo do chat)
2. Escolha "DeepSeek V3" ou "DeepSeek R1"
3. Comece a codificar

Método 2: Usando DeepSeek via OpenRouter

Para modelos não suportados nativamente, use o OpenRouter como ponte.

Configuração

1. Obtenha uma chave de API OpenRouter
2. Nas configurações do Cursor, adicione o OpenRouter como provedor:

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

Modelos DeepSeek OpenRouter Disponíveis

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

Método 3: DeepSeek Local com Ollama

Execute o DeepSeek localmente para privacidade e uso offline.

Instalar Ollama

# macOS
brew install ollama

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

# Windows
# Baixe de https://ollama.com/download

Baixar o Modelo DeepSeek

# DeepSeek Coder (recomendado para codificação)
ollama pull deepseek-coder:6.7b

# Para contexto maior (requer mais RAM)
ollama pull deepseek-coder:33b

Configurar Cursor para Ollama

1. Certifique-se de que o Ollama está em execução:

ollama serve

2. Nas configurações do Cursor, adicione o modelo local:

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

Solução de Problemas de Conexão Ollama

Se o Cursor não conseguir se conectar ao Ollama:

# Verifique se o Ollama está em execução
curl http://localhost:11434/api/tags

# Defina a variável de ambiente para o host Ollama
export OLLAMA_HOST=0.0.0.0

# No macOS, permita acesso à rede
launchctl setenv OLLAMA_HOST "0.0.0.0"

Método 4: DeepSeek V4 via Proxy LiteLLM

Para DeepSeek V4 Pro (nuvem), use o LiteLLM como proxy.

Configurar LiteLLM

pip install litellm

Crie litellm_config.yaml:

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

Execute o proxy:

litellm --config litellm_config.yaml --port 8000

Configurar Cursor

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

Lidando com Conteúdo de Raciocínio

O DeepSeek R1 produz conteúdo de raciocínio que precisa de tratamento especial.

O Problema

O R1 retorna tanto o raciocínio quanto a resposta final:

{
  "choices": [{
    "message": {
      "content": "Resposta final aqui...",
      "reasoning_content": "Deixe-me pensar... Passo 1... Passo 2..."
    }
  }]
}

Solução: Filtrar com Proxy

Use um proxy simples para remover o conteúdo de raciocínio:

# 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()
    # Remover 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'
    )

Otimizando DeepSeek para Codificação

Prompt de Sistema

Adicione isso às suas regras do Cursor para melhor desempenho do DeepSeek:

Ao usar modelos DeepSeek:
- Seja explícito sobre caminhos de arquivo e números de linha
- Solicite raciocínio passo a passo para tarefas complexas
- Use formatos de saída estruturados (JSON, tabelas markdown)
- Especifique o comprimento de resposta esperado

Configurações de Temperatura

Tarefa	Temperatura Recomendada
Geração de código	0.1 - 0.3
Depuração	0.2 - 0.4
Exploração criativa	0.5 - 0.7
Revisão de código	0.1 - 0.2

Comparação de Custos

Modelo	Entrada/1M tokens	Saída/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

Preços a partir de 2026. DeepSeek é significativamente mais econômico.

Solução de Problemas

Problema	Solução
"Modelo não disponível"	Verifique se a chave de API é válida e tem créditos
Respostas lentas	Use um modelo menor ou habilite streaming
Conteúdo de raciocínio visível	Use um proxy ou filtro (veja acima)
Conexão Ollama recusada	Certifique-se de que o Ollama está em execução e a porta está acessível
Saída em chinês	Adicione "Respond in English" ao seu prompt

Referência Rápida

# Testar 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"}]
  }'

# Listar modelos Ollama
ollama list

# Verificar status Ollama
curl http://localhost:11434/api/tags

Recursos Relacionados

• Como Usar Modelos Personalizados no Cursor
• Guia de Seleção de Modelo do Cursor
• Configuração de LLM Local do Cursor