DeepSeek API 使用教程：接口调用与开发实践 – wiki词典

作者： /

DeepSeek API 使用教程：接口调用与开发实践

介绍

DeepSeek API 提供了访问其强大 AI 模型的能力，包括用于自然语言处理的聊天补全和推理功能。本教程将引导您完成获取 API 密钥、设置开发环境以及使用 Python 进行首次 API 调用的过程。

1. 获取 DeepSeek API Key

要与 DeepSeek API 交互，您需要一个 API 密钥进行身份验证。您有两种主要选择：

  • DeepSeek 平台： 直接在 DeepSeek 官方平台 https://platform.deepseek.com/ 注册并生成 API 密钥。请注意，使用官方平台通常需要充值才能使用 API。
  • OpenRouter： OpenRouter (https://www.openrouter.ai) 提供了一个与 OpenAI 兼容的 API 端点，并且通常提供 DeepSeek API 的免费使用层级，这使其成为测试和开发的好选择。

获取 API 密钥的步骤（以 OpenRouter 为例）：

  1. 访问 OpenRouter 网站：https://www.openrouter.ai。
  2. 注册或登录您的账户。
  3. 导航到仪表板的 API 部分。
  4. 点击“Create Key”生成一个独特的 API 密钥。
  5. 安全地复制并保存此 API 密钥。 它充当您 API 访问的密码，绝不应公开或提交到版本控制中。

2. 开发环境设置

本教程将使用 Python。请确保您已安装 Python（建议使用 3.8+ 版本）。

您需要安装一个库来发出 HTTP 请求。我们将演示如何使用 requests 库（用于直接 HTTP 调用）和 openai 库（因为 DeepSeek 兼容 OpenAI）。

安装必要的库：

bash
pip install requests openai

3. 首次 API 调用

DeepSeek API 在很大程度上与 OpenAI API 格式兼容。DeepSeek 官方 API 的基本 URL 是 https://api.deepseek.com，并且在 https://api.deepseek.com/v1 处提供了一个与 OpenAI 兼容的端点。

3.1 使用 requests 库

这种方法涉及手动构建 HTTP 请求。

“`python
import requests
import os

替换为您的实际 API 密钥。最佳实践是从环境变量加载。

DEEPSEEK_API_KEY = os.getenv(“DEEPSEEK_API_KEY”, “YOUR_DEEPSEEK_API_KEY”)

DeepSeek API 基本 URL (OpenAI 兼容端点)

BASE_URL = “https://api.deepseek.com/v1/chat/completions”

headers = {
“Content-Type”: “application/json”,
“Authorization”: f”Bearer {DEEPSEEK_API_KEY}”
}

聊天补全的请求体

data = {
“model”: “deepseek-chat”, # 使用 ‘deepseek-chat’ 用于 V3 或 ‘deepseek-reasoner’ 用于 R1
“messages”: [
{“role”: “system”, “content”: “你是一个乐于助人的助手。”},
{“role”: “user”, “content”: “法国的首都是哪里？”}
],
“temperature”: 0.7,
“max_tokens”: 50,
“stream”: False # 设置为 True 可获取流式响应
}

try:
response = requests.post(BASE_URL, headers=headers, json=data)
response.raise_for_status() # 对 HTTP 错误 (4xx 或 5xx) 抛出异常

result = response.json()
print("DeepSeek API 响应 (requests 库):")
print(result['choices'][0]['message']['content'])

except requests.exceptions.RequestException as e:
print(f”发生错误: {e}”)
if response is not None:
print(f”响应状态码: {response.status_code}”)
print(f”响应体: {response.text}”)
“`

3.2 使用 openai 库

由于 DeepSeek 的 API 与 OpenAI 兼容，您可以通过指定 base_url 来使用 openai Python 客户端。

“`python
from openai import OpenAI
import os

替换为您的实际 API 密钥。最佳实践是从环境变量加载。

DEEPSEEK_API_KEY = os.getenv(“DEEPSEEK_API_KEY”, “YOUR_DEEPSEEK_API_KEY”)

使用 DeepSeek 的基本 URL 初始化 OpenAI 客户端

client = OpenAI(
api_key=DEEPSEEK_API_KEY,
base_url=”https://api.deepseek.com/v1″
)

try:
response = client.chat.completions.create(
model=”deepseek-chat”, # 使用 ‘deepseek-chat’ 用于 V3 或 ‘deepseek-reasoner’ 用于 R1
messages=[
{“role”: “system”, “content”: “你是一个乐于助人的助手。”},
{“role”: “user”, “content”: “告诉我一个关于海洋的有趣事实。”}
],
temperature=0.7,
max_tokens”: 60,
stream”: False # 设置为 True 可获取流式响应
)

print("\nDeepSeek API 响应 (openai 库):")
print(response.choices[0].message.content)

except Exception as e:
print(f”发生错误: {e}”)
“`

4. 理解关键参数

  • model：指定要使用的 DeepSeek 模型。
    • deepseek-chat：最新的聊天模型 (DeepSeek-V3.2)，用于通用对话任务。
    • deepseek-reasoner：推理模型 (DeepSeek-R1)，专为更深入的分析和思维链生成而设计。
  • messages：一个消息对象数组，每个对象都包含一个 role（例如，“system”、“user”、“assistant”）和 content。此数组构成对话历史。
  • temperature：控制输出的随机性。较低的值（例如 0.2）使输出更具确定性，而较高的值（例如 0.9）使其更具创造性和多样性。
  • max_tokens：模型在其响应中应生成的最大标记数（单词或子单词）。
  • stream：如果设置为 True，API 将在生成部分消息增量时发送它们，从而提供更具交互性的用户体验。如果为 False，API 会等到整个响应生成完毕后才发送。

5. 处理多轮对话

DeepSeek API 是无状态的，这意味着每个请求都是独立的。为了在多轮对话（如聊天机器人）中保持上下文，您必须在每个新请求中发送整个对话历史记录到 messages 数组中。

“`python

… (API 密钥和客户端的先前设置) …

conversation_history = [
{“role”: “system”, “content”: “你是一个乐于助人的助手。”},
{“role”: “user”, “content”: “日本的首都是哪里？”}
]

try:
# 第一轮
response1 = client.chat.completions.create(
model=”deepseek-chat”,
messages=conversation_history,
max_tokens=20
)
assistant_reply1 = response1.choices[0].message.content
print(f”助手: {assistant_reply1}”)

# 将助手的回复添加到历史记录中
conversation_history.append({"role": "assistant", "content": assistant_reply1})
# 添加新的用户消息
conversation_history.append({"role": "user", "content": "那它最大的城市是哪里？"})

# 第二轮，发送完整历史记录
response2 = client.chat.completions.create(
    model="deepseek-chat",
    messages=conversation_history,
    max_tokens=30
)
assistant_reply2 = response2.choices[0].message.content
print(f"助手: {assistant_reply2}")

except Exception as e:
print(f”多轮对话期间发生错误: {e}”)
“`

6. 最佳实践

  • 保护您的 API 密钥： 绝不要将您的 API 密钥直接硬编码到您的代码中。使用环境变量或安全的配置管理系统。
  • 错误处理： 实施健壮的错误处理机制，以优雅地管理 API 错误、网络问题和意外响应。
  • 监控使用情况： 跟踪您的 API 使用情况和成本，特别是当您处于付费层级时。
  • 优化提示词： 编写清晰简洁的提示词，以从模型中获得最佳结果。
  • 上下文管理： 对于长对话，考虑采用摘要或截断旧消息的策略，以保持在标记限制内并管理成本。
滚动至顶部