深度集成DeepSeek大模型：WebSocket流式聊天实现

目录

• 5分钟快速接入DeepSeek大模型：WebSocket实时聊天指南
• • 创建应用
  • 开发后端代码 (Python/Node.js)
  • 结语

5分钟快速接入DeepSeek大模型：WebSocket实时聊天指南

创建应用

1. 访问DeepSeek官网

   • 前往 DeepSeek官网。
   • 如果还没有账号，需要先注册一个。
     

2. 进入API开放平台

   • 点击右上角的"API 开放平台"按钮，进入后台管理页面。
   • 你可以看到默认赠送的10元免费额度。
     

3. 创建API Key

   • 点击"API keys"，进入Key管理页面。
   • 创建一个新的API Key，并确保保存好这个Key，因为一旦离开页面就无法再次查看。
     

开发后端代码 (Python/Node.js)

推荐使用Python或Node.js编写后台代码。下面以Python为例进行说明。

1. 安装OpenAI库

   pip3 install openai

2. 引入OpenAI并创建DeepSeek客户端实例

   from openai import OpenAI
   
   client = OpenAI(api_key="替换为你的key", base_url="https://api.deepseek.com")

3. 发送请求

   response = client.chat.completions.create(
       model="deepseek-chat",
       messages=[
           {"role": "user", "content": "详细介绍一下你自己"},
       ],
       stream=False
   )
   print(response.choices[0].message.content)

   输出结果如下：
   

4. 流式输出结果

   将请求参数 stream 设置为 True 即可实现流式输出。

   response = client.chat.completions.create(
       model="deepseek-chat",
       messages=[
           {"role": "user", "content": "详细介绍一下你自己"},
       ],
       stream=True
   )
   for chunk in response:
       print(chunk.choices[0].delta.content, end='', flush=True)

5. 接口封装

   将功能封装为WebSocket接口，实现实时聊天。

   import asyncio
   import json
   from websockets import serve
   from openai import OpenAI
   
   client = OpenAI(api_key="替换为你的key", base_url="https://api.deepseek.com")
   
   async def chat_handler(websocket):
       async for message in websocket:
           data = json.loads(message)
           user_input = data.get('user_input', '')
           history = data.get('history', [])
   
           messages = [
               {"role": "system", "content": "You are a helpful assistant"}
           ]
           messages.extend(history)
           messages.append({"role": "user", "content": user_input})
   
           response = client.chat.completions.create(
               model="deepseek-chat",
               messages=messages,
               stream=True
           )
   
           for chunk in response:
               content = chunk.choices[0].delta.content
               if content:
                   await websocket.send(json.dumps({'content': content}, ensure_ascii=False))
   
   async def main():
       async with serve(chat_handler, "localhost", 8765):
           await asyncio.Future()  # Run forever
   
   if __name__ == "__main__":
       asyncio.run(main())

   使用Postman测试接口：
   

结语

通过以上步骤，你可以在短短5分钟内完成与DeepSeek大模型的集成，并实现一个实时聊天应用。WebSocket技术使得聊天内容可以流式传输，提升用户体验。希望这篇指南对你有所帮助，让你的项目更加高效和强大！

前端开发教程构建高效智能对话前端：基于Ant Design X 的deepseek对话应用

源码下载地址