[技术分享]DeepSeek入门教程[2P]
| 615人围观 |
【我爱罗】2025-02-15 17:37:01
DeepSeek入门教程
一、简介
DeepSeek-V3 是一款高性能的开源 AI 模型，支持自然语言处理、智能对话生成等任务。其 API 接口与 OpenAI 完全兼容，用户可以通过简单的配置迁移现有项目，同时享受更低的成本和更高的性能。本文档将详细介绍如何快速接入 DeepSeek-V3 API
二、注册与API Key获取
1.注册 DeepSeek 账号
访问 DeepSeek 官网https://platform.deepseek.com/api_keys ，注册账号
2. 创建API key
进入下图页面创建key（注：点击创建后会出现API key，记住只出现一次，保存好。同时将 API Key 存储在安全位置，如环境变量或配置文件中）
二、使用Python调用DeepSeek V3 API（多轮对话）
1. 安装 OpenAI API 库：pip install openai ，或者直接在pycharm里面安装openai库
2. DeepSeek /chat/completions API 是一个“无状态” API，即服务端不记录用户请求的上下文，用户在每次请求时，需将之前所有对话历史拼接好后，传递给对话 API。下面的代码以 Python 语言，展示了如何进行上下文拼接，以实现多轮对话。
複製代码- # 初始化 OpenAI 客户端
- from openai import OpenAI
- text = input("请输入对话:\n")
- print(" 正在AI对话... 请稍等.....")
- # 请替换为你的 API 密钥
- client = OpenAI(api_key="sk-xx", base_url="https://api.deepseek.com")
- messages = [{"role": "user", "content": text}]
- # 使用 stream=True 来逐行获取响应
- response = client.chat.completions.create(
- model="deepseek-chat", # 请确保模型名称正确
- messages=messages,
- stream=True # 启用流式响应
- )
- # 逐行显示响应内容
- print("AI回复:")
- for chunk in response:
- if chunk.choices[0].delta.content: # 检查是否有内容
- print(chunk.choices[0].delta.content, end="", flush=True) # 逐行显示
- print() # 换行
- while True:
- text = input("追加对话:\n")
- messages.append({"role": "user", "content": text})
- response = client.chat.completions.create(
- model="deepseek-chat",
- messages=messages,
- stream=True
- )
- # 逐行显示响应内容
- print("AI回复:")
- for chunk in response:
- if chunk.choices[0].delta.content: # 检查是否有内容
- print(chunk.choices[0].delta.content, end="", flush=True) # 逐行显示
- print() # 换行
複製代码
三、运行效果图
四、常见问题与解答
1. DeepSeek-V3 与 OpenAI 的区别是什么？
DeepSeek-V3 提供与 OpenAI 相同的 API 格式，但成本更低、性能更高，同时支持自定义模型和扩展能力。
2. 如何启用流式输出？
在 API 调用中将 stream 参数设置为 true 即可。
3. 是否支持团队协作？
DeepSeek 支持多用户管理和 API Key 权限分配，适合团队项目。
|
