调用DeesSeek官网的DeepSeek模型

模型初始化角度：使用模型提供商库

在LangChain中初始化模型，主要可以通过直接使用特定的Model Class和使用统一的init_chat_model函数这两种方式来实现。

这里先讲方式1，这种方式最直接，LangChain为一些大模型供应商提供了专门的Model类，导入对应的具体类（如ChatOpenAI、ChatAnthropic、ChatDeepSeek等）并进行实例化

bash 复制代码

https://reference.langchain.com/python/langchain-community/chat-models

通过专用API调用

注意：使用不同的模型可能传入的参数名称不同，可以参考对应的源码

DeepSeek大模型

官网：https://www.deepseek.com/

步骤1：安装必要的依赖(略)

执行过前面的requirements.txt文件指令的情况下，这里就不需要安装了。

说明：langchain-deepseek 是使用deepseek 大模型必要依赖。

注意： langchain-deepseek 依赖于 langchain-openai ，安装前者，pip会自动从pypi拉取元数据解析

依赖，后者也会被安装。所以我们把 langchain-openai 也放在此处。

步骤2：配置.env文件（明确去deepseek官网获取key)

在项目根目录下创建.env文件，在.env文件中写入以下内容：

步骤3：读取配置并初始化模型

这里，我们用DeepSeek的模型进行测试，LangChain会从环境变量中读取DEEPSEEK_API_KEY。如下是

代码实现：

方式1：

打开接口文档

编写代码：

bash 复制代码

import os

from dotenv import load_dotenv
from langchain_deepseek import ChatDeepSeek

load_dotenv(override=True)

DEEPSEEK_API_KEY = os.getenv("DEEPSEEK_API_KEY")
DEEPSEEK_BASE_URL = os.getenv("DEEPSEEK_BASE_URL")

model = ChatDeepSeek(
    model = "deepseek-flash",
    api_key=DEEPSEEK_API_KEY,
    api_base=DEEPSEEK_BASE_URL,
)

response = model.invoke("请用一句话介绍你自己")

print(response)

优化：

bash 复制代码

import os

from dotenv import load_dotenv
from langchain_deepseek import ChatDeepSeek

load_dotenv(override=True)


model = ChatDeepSeek(
    model = "deepseek-flash",

)

response = model.invoke("请用一句话介绍你自己")

print(response)

参数声明在代码中（不推荐）

bash 复制代码

import os

from langchain_deepseek import ChatDeepSeek

model = ChatDeepSeek(
    model = "deepseek-flash",
    api_key="sk-83549db232a342885c9905a7e3",
    api_base="https://api.deepseek.com/v1",
)

response = model.invoke("请用一句话介绍你自己")

print(response)