DeepSeek API 的获取与对话示例

代码文件下载：Code

在线链接：Kaggle | Colab

文章目录

注册并获取API
环境依赖
[设置 API](#设置 API)
单轮对话
多轮对话
流式输出
更换模型

注册并获取API

访问 https://platform.deepseek.com/sign_in 进行注册并登录：

新用户注册后将赠送 10 块钱余额，有效期为一个月：

点击左侧的 API keys（或者访问 https://platform.deepseek.com/api_keys），然后点击 创建 API key:

命名，然后点击 创建：

与其他平台不同的是，DeepSeek 的 API 仅在创建时显示，你可能需要记录它，点击 复制：

环境依赖

命令行执行：

bash 复制代码

pip install openai

设置 API

python 复制代码

import os
os.environ['DEEPSEEK_API_KEY'] = 'your-api-key' # 1

单轮对话

python 复制代码

from openai import OpenAI
import os

def get_response():
    client = OpenAI(
        api_key=os.getenv('DEEPSEEK_API_KEY'), # 1
        base_url="https://api.deepseek.com", # 2
    )
    completion = client.chat.completions.create(
        model="deepseek-chat", # 3
        messages=[
            {'role': 'system', 'content': 'You are a helpful assistant.'},
            {'role': 'user', 'content': '你是谁？'}]
        )
    print(completion.model_dump_json())

get_response()

多轮对话

python 复制代码

from openai import OpenAI
import os

def get_response(messages):
    client = OpenAI(
        api_key=os.getenv('DEEPSEEK_API_KEY'), 
        base_url="https://api.deepseek.com",
    )
    completion = client.chat.completions.create(
        model="deepseek-chat",
        messages=messages
        )
    return completion

messages = [{'role': 'system', 'content': 'You are a helpful assistant.'}]
# 您可以自定义设置对话轮数，当前为3
for i in range(3):
    user_input = input("请输入：")
    
    # 将用户问题信息添加到messages列表中，这部分等价于之前的单轮对话
    messages.append({'role': 'user', 'content': user_input})
    assistant_output = get_response(messages).choices[0].message.content
    
    # 将大模型的回复信息添加到messages列表中，这里是历史记录，保存上下文
    messages.append({'role': 'assistant', 'content': assistant_output})
    print(f'用户输入：{user_input}')
    print(f'模型输出：{assistant_output}')
    print('\n')

流式输出

python 复制代码

from openai import OpenAI
import os

def get_response():
    client = OpenAI(
        api_key=os.getenv("DEEPSEEK_API_KEY"),
        base_url="https://api.deepseek.com",
    )
    completion = client.chat.completions.create(
        model="deepseek-chat",
        messages=[{'role': 'system', 'content': 'You are a helpful assistant.'},
                  {'role': 'user', 'content': '你是谁？'}],
        stream=True,
        # 可选，配置以后会在流式输出的最后一行展示token使用信息
        stream_options={"include_usage": True}
        )
    for chunk in completion:
        print(chunk.model_dump_json())

if __name__ == '__main__':
    get_response()

更换模型

当前使用的是聊天模型（deepseek-chat），如果你想修改为推理模型（deepseek-reasoner），对应修改代码中的 model：

diff 复制代码

- completion = client.chat.completions.create(
-     model="deepseek-chat",
-     ...
-     )
    
+ completion = client.chat.completions.create(
+     model="deepseek-reasoner",
+     ...
+     )

推理模型的单轮对话输出示例：

观察 reasoning_content 可以捕捉到思考过程。