在 AI 应用开发中，将大模型 API 与 Web 框架结合是常见需求。本文将详细记录如何使用 Django 搭建后端服务，并集成 DeepSeek API 实现智能问答功能，包含环境配置、路由设计、API 调用及异常处理的完整流程，适合需要快速搭建 AI 问答后端的开发者参考。
【实现效果】
【这是博主写的微信小程序前端实现效果】
一、环境准备：从 Conda 到 PyCharm
搭建后端的第一步是配置开发环境，我们将使用 Conda 管理依赖，PyCharm 作为 IDE（也可使用 VS Code 等工具，流程类似）。
1.1 安装依赖（Conda 环境内）
首先确保已激活目标 Conda 环境（如无专门环境，可先通过conda create -n django-ai python=3.10创建），激活后执行以下命令安装 Django：
bash
pip install Django openai1.2 PyCharm 创建 Django 项目
注意必须要是专业版的pycharm才有django
二、项目结构设计：拆分功能模块
为了让代码结构更清晰，我们将「智能问答」功能拆分为独立模块chat，包含次级路由、API 调用脚本两个核心文件，整体项目结构如下：
三、路由配置：主路由与次级路由关联
Django 通过「路由分发」实现模块化管理，我们需要先配置chat模块的次级路由，再将其关联到主路由。
3.1 编写 chat 模块的次级路由（chat/urls.py）
创建chat/urls.py文件，定义问答接口和健康检查接口的路由，代码如下：
python
from django.urls import path
from . import deepseekAsk # 导入API调用脚本中的视图函数
# 次级路由映射：URL路径 → 视图函数
urlpatterns = [
# 问答接口：前端发送POST请求到/chat/ask/，触发deepseekAsk.deepseekGet函数
path('ask/', deepseekAsk.deepseekGet, name='deepseek_ask'),
# 健康检查接口：前端发送GET请求到/chat/health/，触发deepseekAsk.health_check函数
path('health/', deepseekAsk.health_check, name='health_check'),
]3.2 主路由关联次级路由（项目配置目录 /urls.py）
打开项目默认的主路由文件（如Django-DeepSeek-Chat/urls.py），通过include函数将chat模块的路由集成进来，代码如下：
python
from django.contrib import admin
from django.urls import path, include # 导入include用于关联次级路由
urlpatterns = [
path('admin/', admin.site.urls), # Django默认后台管理路由
# 关联chat模块的次级路由：所有以/chat/开头的请求，都转发到chat/urls.py处理
path('chat/', include('chat.urls')),
]四、核心逻辑：DeepSeek API 调用与视图函数
deepseekAsk.py是整个后端的核心，负责接收前端请求、调用 DeepSeek API、处理异常并返回结果，我们将分模块解析其实现逻辑。
4.1 导入依赖与配置项
首先导入 Django 视图相关工具、OpenAI SDK 及异常类，并配置 DeepSeek API 的关键参数（需替换为个人实际信息）：
python
from django.http import JsonResponse
from django.views.decorators.csrf import csrf_exempt # 解决前后端分离跨域问题
from django.views.decorators.http import require_POST # 限制请求方法为POST
from openai import OpenAI
from openai import APIError, AuthenticationError, RateLimitError # API异常类
# -------------------------- 配置项（需替换为你的信息）--------------------------
DEEPSEEK_API_KEY = "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx" # 从DeepSeek控制台获取
DEEPSEEK_BASE_URL = "https://api.deepseek.com" # DeepSeek官方API基座地址
SYSTEM_PROMPT = "你是我的私人助理，回答问题可以有性格一点，富有人情味，语言默认使用中文。" # 定义AI角色
# -----------------------------------------------------------------------------------
# 初始化DeepSeek客户端（兼容OpenAI SDK格式）
client = OpenAI(
api_key=DEEPSEEK_API_KEY,
base_url=DEEPSEEK_BASE_URL
)- API Key 获取 ：访问DeepSeek 控制台，注册登录后在「API 密钥」页面创建密钥；
- System Prompt 作用：通过指令定义 AI 的角色和回答风格，避免 AI 回答偏离预期（如 "专业技术顾问""幽默助手" 等）。
4.2 问答接口视图函数（deepseekGet）
该函数是问答功能的核心，负责处理前端 POST 请求，流程分为「解析请求→参数校验→调用 API→返回结果→异常处理」5 步：
python
@csrf_exempt # 前后端分离时，前端无CSRF Token，需关闭校验（生产环境需配置跨域白名单）
@require_POST # 仅允许POST请求（符合RESTful规范，提交数据用POST）
def deepseekGet(request):
try:
# 1. 解析前端JSON格式请求
import json
request_data = json.loads(request.body) # 读取并解析请求体中的JSON数据
# 2. 校验请求参数（确保前端传递了"message"字段）
user_message = request_data.get("message")
if not user_message or not user_message.strip(): # 排除空消息或纯空格
return JsonResponse({
"status": "error",
"message": "请输入有效的问题内容"
}, status=400) # 400：HTTP状态码，代表请求参数错误
# 3. 调用DeepSeek API获取AI响应
response = client.chat.completions.create(
model="deepseek-chat", # DeepSeek官方聊天模型名（固定值）
messages=[
{"role": "system", "content": SYSTEM_PROMPT}, # 系统角色指令
{"role": "user", "content": user_message.strip()} # 用户输入（去除首尾空格）
],
stream=False # 非流式返回（前端需等待完整响应，适合简单问答场景）
)
# 4. 解析API响应，返回给前端
ai_response = response.choices[0].message.content # 提取AI回答内容
return JsonResponse({
"status": "success",
"response": ai_response # 前端通过res.response获取AI回答
})
# 5. 异常处理：覆盖常见错误场景，给前端明确提示
except AuthenticationError: # API密钥无效/过期
return JsonResponse({
"status": "error",
"message": "DeepSeek API密钥无效或已过期，请检查密钥配置"
}, status=401) # 401：身份认证失败
except RateLimitError: # API调用频率超限
return JsonResponse({
"status": "error",
"message": "API调用频率超限，请稍后再试"
}, status=429) # 429：请求过于频繁
except APIError as e: # DeepSeek API服务异常
return JsonResponse({
"status": "error",
"message": f"DeepSeek API服务异常：{str(e)}"
}, status=500) # 500：服务器内部错误
except json.JSONDecodeError: # 前端请求格式不是JSON
return JsonResponse({
"status": "error",
"message": "请求格式错误，请使用JSON格式提交数据"
}, status=400)
except Exception as e: # 捕获其他未预料的异常（避免服务崩溃）
return JsonResponse({
"status": "error",
"message": f"服务器处理失败：{str(e)}"
}, status=500)4.3 健康检查接口（health_check）
为了方便前端或运维人员确认后端服务状态，添加一个简单的健康检查接口，支持 GET 请求：
python
@csrf_exempt
def health_check(request):
"""处理/chat/health请求，返回后端运行状态"""
if request.method == "GET":
return JsonResponse({
"status": "success",
"message": "Backend service is running normally"
})
# 非GET请求返回"方法不允许"
return JsonResponse({
"status": "error",
"message": "Only GET method is allowed"
}, status=405) # 405：HTTP标准状态码，代表请求方法不允许4.4完整代码
bash
from django.http import JsonResponse
from django.views.decorators.csrf import csrf_exempt # 解决跨域CSRF问题（前后端分离场景）
from django.views.decorators.http import require_POST # 只允许POST请求（符合RESTful规范）
from openai import OpenAI
from openai import APIError, AuthenticationError, RateLimitError # 捕获常见API异常
# -------------------------- 配置项（请替换为你的实际信息）--------------------------
DEEPSEEK_API_KEY = "++++++++++++++++++++++++++" # 从DeepSeek控制台获取：https://platform.deepseek.com/
DEEPSEEK_BASE_URL = "https://api.deepseek.com" # DeepSeek官方API基座地址
SYSTEM_PROMPT = "你是我的私人助理，回答问题可以有性格一点，富有人情味，语言默认使用中文。" # 系统角色定义
# -----------------------------------------------------------------------------------
# 初始化DeepSeek客户端
client = OpenAI(
api_key=DEEPSEEK_API_KEY,
base_url=DEEPSEEK_BASE_URL
)
@csrf_exempt # 前后端分离时，前端无CSRF Token，需关闭CSRF校验（生产环境可配置跨域白名单）
@require_POST # 仅允许POST请求（发送消息需提交数据，符合HTTP规范）
def deepseekGet(request):
try:
# 1. 解析前端请求数据（前端用JSON格式发送，需先加载JSON体）
import json
request_data = json.loads(request.body) # 读取并解析前端POST的JSON数据
# 2. 校验必要参数（确保前端传递了"message"字段）
user_message = request_data.get("message")
if not user_message or not user_message.strip(): # 排除空消息
return JsonResponse({
"status": "error",
"message": "请输入有效的问题内容"
}, status=400) # 400：请求参数错误
# 3. 调用DeepSeek API获取响应
response = client.chat.completions.create(
model="deepseek-chat", # DeepSeek官方聊天模型名（固定值）
messages=[
{"role": "system", "content": SYSTEM_PROMPT}, # 系统角色（定义助手行为）
{"role": "user", "content": user_message.strip()} # 用户输入（去除首尾空格）
],
stream=False # 非流式返回（前端需等待完整响应，符合当前前端逻辑）
)
# 4. 解析API响应，返回给前端
ai_response = response.choices[0].message.content # 提取AI回答内容
return JsonResponse({
"status": "success",
"response": ai_response # 前端通过resData.response获取AI回答
})
# 5. 异常处理（覆盖常见错误场景，给前端明确提示）
except AuthenticationError:
return JsonResponse({
"status": "error",
"message": "DeepSeek API密钥无效或已过期，请检查密钥配置"
}, status=401) # 401：身份认证失败
except RateLimitError:
return JsonResponse({
"status": "error",
"message": "API调用频率超限，请稍后再试"
}, status=429) # 429：请求过于频繁
except APIError as e:
return JsonResponse({
"status": "error",
"message": f"DeepSeek API服务异常：{str(e)}"
}, status=500) # 500：服务器内部错误
except json.JSONDecodeError:
return JsonResponse({
"status": "error",
"message": "请求格式错误，请使用JSON格式提交数据"
}, status=400)
except Exception as e:
# 捕获其他未预料的异常（避免服务崩溃）
return JsonResponse({
"status": "error",
"message": f"服务器处理失败：{str(e)}"
}, status=500)
# -------------------------- 健康检查接口 --------------------------
@csrf_exempt # 前后端分离需关闭CSRF校验
def health_check(request):
"""处理前端/chat/health的GET请求，返回后端状态"""
# 只允许GET方法（健康检查无需提交数据）
if request.method == "GET":
return JsonResponse({
"status": "success",
"message": "Backend service is running normally"
})
# 非GET请求返回"方法不允许"
return JsonResponse({
"status": "error",
"message": "Only GET method is allowed"
}, status=405) # 405是HTTP标准状态码：Method Not Allowed五、功能测试：验证接口可用性
完成代码编写后，需要测试接口是否正常工作，推荐使用 Postman 或 curl 工具（这里以 Postman 为例）。
5.1 启动 Django 开发服务器
在项目根目录执行命令：
bash
python manage.py runserver也可以使用pycharm启动django服务器，确认启动成功
5.2 测试健康检查接口
1.打开 Postman，选择「GET」方法，输入 URL：
bash
http://127.0.0.1:8000/chat/health/2.点击「Send」，若返回以下响应，说明后端服务正常：
bash
{
"status": "success",
"message": "Backend service is running normally"
}
5.3 测试问答接口
1.选择「POST」方法，输入 URL：
bash
http://127.0.0.1:8000/chat/ask/2.添加请求头Content-Type：application/json
3.在「Body」→「raw」→「JSON」中输入请求数据：
4.点击send返回结果:
