论坛 › 分布式数据库 › 【AI大模型】使用Python调用DeepSeek的API，原来SDK是调用这个，绝对的一分

怀念夏天 发表于 2025-2-14 06:33:08

【AI大模型】使用Python调用DeepSeek的API，原来SDK是调用这个，绝对的一分

https://i-blog.csdnimg.cn/direct/e6f6666685164f6f965c819ef2e1c854.png


前言

最近DeepSeek非常火，作为一枚对前言技能非常关注的程序员来说，天然都想对接DeepSeek的API来体验一把。
目前DeepSeek对接API是收费的，需要充值获取Tokens，在对话和推理过程会斲丧token。
免费体验

停止2025年2月8日注册都还会赠送10元，一个月有效期，相当于有一个免费体验期，10元够发起很多次对话了。
https://i-blog.csdnimg.cn/direct/ab3c39a759a6414b9e6cfd497c74b97c.png
具体能够发起多少次对话，我们不妨就基于这个题目，让DeepSeek给我们解答下。
根据ds给出得答案，10元大概能够调用1到5千次，那位小伙伴解答下是否精确。
https://i-blog.csdnimg.cn/direct/30c2b5e0237540f4984b75e56e2ad921.png
API-Key申请

申请非常简朴，直接在首页点击进入【API开辟平台】>【API keys】>【创建API key】>【输入一个名称】，创建完成后，还可以修改名称，以及删除。
https://i-blog.csdnimg.cn/direct/6f0561a968bf4ce4b8f1772a0c8cb158.png
首次调用API

拿到API-Key之后，可以点击接口文档，使用首次调用API-Python例子开始尝试调用返回内容。
# Please install OpenAI SDK first: `pip3 install openai`

from openai import OpenAI

client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.deepseek.com")

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
      {"role": "system", "content": "You are a helpful assistant"},
      {"role": "user", "content": "Hello"},
    ],
    stream=False
)

print(response.choices.message.content)
为什么deepseek是安装openAI SDK
这个有点意思，博主搜了下，得到答复是：DeepSeek使用OpenAI的SDK和API主要是因为OpenAI的大模型在业界具有领先地位，其标准和规范被广泛接受和使用。‌
基本概念

最小单位

Token 是模型用来表现天然语言文本的的最小单位，可以是一个词、一个数字或一个标点符号等。
DS将根据模型输入和输出的总 token 数举行计量计费。
推理模型

deepseek-reasoner 是 DeepSeek 推出的推理模型。在输出终极答复之前，模型会先输出一段头脑链内容，以提拔终极答案的准确性。我们的 API 向用户开放 deepseek-reasoner 头脑链的内容，以供用户查看、展示、蒸馏使用。
在每一轮对话过程中，模型会输出头脑链内容（reasoning_content）和终极答复（content）。在下一轮对话中，之前轮输出的头脑链内容不会被拼接到上下文中，如下图所示：https://i-blog.csdnimg.cn/direct/0332d7f85cf0400a91e5419867f13909.png
智能体

创建过AI应用和智能体的小伙伴都知道，都是基于界面可视化页面举行创建和使用。
对于API，现实上在代码层面举行智能体创建，底子的元素包罗chat的人设（提示词Prompt）和用户提问两部分。
代码层对话

下面就创建一个《李白》智能体举行对话。
脚色设定
先给智能体举行脚色定位，就是给智能体加上提示词Prompt。
当然你也可以根据创建智能体一样举行具体设定，这里博主就简朴一句话给智能体举行绑定。
一样平常脚色设定的提示词是不会变的，只会在调优或者未能达到自己满意情况下举行提示词调整。
   你是一位唐朝大诗人李白，你只能答复李白相关的题目，超出李白范围的友好提示。
用户对话
这里就是界面输入框用户输入的内容。
https://i-blog.csdnimg.cn/direct/f5f6a0e55c264eb69292963a8a0ddd74.png
自定义界面

基于上面两个关键参数，就能够定制属于自己的一个智能体对话界面。
前提需要封装好一个api接口方法，传递用户提问的参数，末了返回DeepSeek响应的内容。
后端API
将上面代码设置成路由，可举行Get请求的API接口。
温馨提示：输出内容记得Unicode转义，同时记得设置可跨域-flask_cors。https://i-blog.csdnimg.cn/direct/125859bcaa99452cabdaf8f8338ca445.png
主要依靠Flask举行路由设置，需要先安装。
from flask import Flask, request, jsonify
from flask_cors import CORS
from openai import OpenAI
import json

app = Flask(__name__)
cors = CORS(app)# 这将允许所有域的跨域请求

# 配置OpenAI客户端
openai_client = OpenAI(api_key="你的deepseek的key", base_url="https://api.deepseek.com")

# 系统提示（用于OpenAI API交互）
system_prompt = "你是一位唐朝大诗人李白，你只能回答李白相关的问题，超出李白范围的友好提示。"

# 用户内容（这里可以固定，也可以从GET请求的参数中获取，但为了简化，我们固定它）
# 注意：在实际应用中，用户内容应该从请求参数中安全地获取和处理
# user_content = "输出一首关于月亮的李白风格的诗"

@app.route('/generate_text/<user_content>', methods=['GET'])
def generate_text(user_content):
    try:
      # 与OpenAI API交互，生成文本
      response = openai_client.chat.completions.create(
            model="deepseek-chat",
            messages=[
                {"role": "system", "content": system_prompt},
                {"role": "user", "content": user_content},
            ],
            stream=False
      )
      
      # 从响应中提取生成的文本（这里假设响应结构是已知的）
      generated_text = response.choices.message.content

      # 默认输出的是编码值：\u300a\u6708\u4e0b\u72ec\u914c\u300b
      
      # 返回生成的文本作为API的响应
      #return jsonify(json.loads(json.dumps({"generated_text": generated_text})))
      return jsonify({"generated_text": generated_text})
    except Exception as e:
      # 在出现异常时返回错误信息
      return jsonify({"error": str(e)}), 500

if __name__ == '__main__':
    app.run(debug=True)
https://i-blog.csdnimg.cn/direct/5cce917134434f48b846f2010ec62ee1.png
前端代码
同样是使用DeepSeek举行代码生成，直接生成一个对话vue3前端界面，需要举行多轮对话举行调整满意的vue代码。
然后举行api接口调用测试效果。
<template>
        <div class="chat-interface">
                <el-card shadow="hover">
                <div class="chat-history">
                        <div v-for="(message, index) in messages" :key="index" class="chat-message">
                        <div :class="{'message-user': message.type === 'user', 'message-bot': message.type === 'bot'}">
                                <span class="avatar" :style="{ backgroundColor: message.type === 'user' ? '#409EFF' : '#F56C6C' }">
                                        {{ message.type === 'user' ? '我' : '李白' }}
                                </span>
                                <div class="content">
                                {{ message.content }}
                                </div>
                        </div>
                        </div>
                </div>
                <div class="input-area">
                        <el-input v-model="userInput" placeholder="输入你的问题" class="input-box" clearable></el-input>
                        <el-button type="primary" @click="sendMessage" :loading="loadingFlag">发送</el-button>
                </div>
                </el-card>
        </div>
</template>

<script setup lang="ts" name="batchPortfolio">
import { ref } from 'vue';
import axios from 'axios';

const loadingFlag=ref(false)
const userInput = ref('');
const messages: { type: 'user' | 'bot'; content: string }[]= ref([]);

const sendMessage = async () => {
        if (userInput.value.trim()) {
                messages.value.push({ type: 'user', content: `${userInput.value}` });

                loadingFlag.value=true;
                const response = await axios.get(`http://127.0.0.1:5000/generate_text/${userInput.value}`);
                loadingFlag.value=false;
                // 机器人回复
                setTimeout(() => {
                        messages.value.push({ type: 'bot', content: `${response.data.generated_text}` });
                }, 100);
               
                // // 模拟机器人回复
                // setTimeout(() => {
                //         messages.value.push({ type: 'bot', content: `机器人回复: ${userInput.value.split(' ').join(' ')} 的回复` });
                // }, 1000);

                userInput.value = '';
        }
};

</script>

<style scoped lang="scss">
.chat-interface {
max-width: 600px;
margin: 0 auto;
padding: 20px;
box-shadow: 0 2px 12px rgba(0, 0, 0, 0.1);
border-radius: 8px;
background-color: #fff;
}

.chat-history {
padding: 16px;
overflow-y: auto;
max-height: 400px;
border-bottom: 1px solid #ebeef5;
}

.chat-message {
margin-bottom: 16px;
align-items: center;
}

.message-user {
display: flex;
align-items: center;
justify-content: flex-end;

        line-height: 40px;
        text-align: center;
        color: #fff;
}
.message-bot {
display: flex;
align-items: center;

        line-height: 40px;
        text-align: center;
        color: #fff;
}

.avatar {
width: 40px;
height: 40px;
border-radius: 50%;
margin-right: 12px;
}

.message-user .avatar {
background-color: #409EFF;
}

.message-bot .avatar {
background-color: #F56C6C;
}

.content {
max-width: calc(100% - 52px); /* 40px avatar + 12px margin */
padding: 8px 16px;
border-radius: 4px;
background-color: #f0f0f0;
color: #333;
}

.message-bot .content {
background-color: #fff3e0;
justify-content: flex-start;
}

.message-user .content {
background-color: #e6f7ff;
}

.input-area {
display: flex;
padding: 16px;
border-top: 1px solid #ebeef5;
}

.input-box {
flex: 1;
border-radius: 4px;
}

.el-button {
margin-left: 12px;
}


</style>

https://i-blog.csdnimg.cn/direct/23646cd640e2498a99e27faaefa458c0.png
总结

DeepSeek的API对接，绝对是博主目前对接最快的一个，非常轻巧清晰，没有那么多花里胡哨的东西和文档，从创建api-key到直接调用api和返回数据不到一分钟就搞定。
当然，后续生成vue对话界面肯定需要自己花点时间多轮对话生成，以及python封装成路由访问的api。同样也是可以使用DS完成。
推荐文章

【AI大模型】使用Python调用DeepSeek的API，原来SDK是调用这个，绝对的一分钟上手和使用
【AI大模型】为什么说更倾向于使用DeepSeek，清爽轻巧，输出内容质量高，清晰明白得思考过程，真的值得拥有
【大模型】DeepSeek与chatGPT的区别以及自身的优势

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

查看完整版本: 【AI大模型】使用Python调用DeepSeek的API，原来SDK是调用这个，绝对的一分