【Python】OpenAI：调用深度求索（DeepSeek）API

本教程将资助你快速入门 DeepSeek API 的文本生成和多轮对话功能。以下是最简便且实用的步调，资助你通过 DeepSeek 实现智能对话。
快速入门

安装 OpenAI SDK

起首需要安装 openai SDK，这是与 DeepSeek API 进行交互的关键库。运行以下命令来安装：

1. pip3 install openai

复制代码

设置 API 密钥和 Base URL

通过以下代码设置你的 DeepSeek API 密钥和 Base URL（请替换为你的实际 API 密钥）。

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

复制代码

简单文本生成

使用以下代码生成简单的文本：

1. response = client.chat.completions.create(
2.     model="deepseek-chat",
3.     messages=[
4.         {"role": "system", "content": "You are a helpful assistant."},
5.         {"role": "user", "content": "Hello"},
6.     ],
7.     stream=False
8. )
10. print(response.choices[0].message.content)

复制代码

这段代码将生成基于用户输入 “Hello” 的模型回应，并输出效果。
多轮对话示例

你可以通过生存汗青对话来实现多轮对话。以下是一个简单的两轮对话示例：

1. # Round 1
2. messages = [{"role": "user", "content": "What's the highest mountain in the world?"}]
3. response = client.chat.completions.create(
4.     model="deepseek-chat",
5.     messages=messages
6. )
8. messages.append(response.choices[0].message)
9. print(f"Messages Round 1: {messages}")
11. # Round 2
12. messages.append({"role": "user", "content": "What is the second?"})
13. response = client.chat.completions.create(
14.     model="deepseek-chat",
15.     messages=messages
16. )
18. messages.append(response.choices[0].message)
19. print(f"Messages Round 2: {messages}")

复制代码

输出对话内容

在每一轮对话后，模型会根据汗青上下文生成新的响应，并附加到 messages 中。终极，你可以打印出每轮对话的内容。
面向对象封装

下面是使用面向对象思想计划的一个 Chatter 类，包含简单文本生成、支持多轮对话（自动生存和发送汗青对话）以及清空记忆功能。这个类使用 DeepSeek 的 API 完成这些功能：
Chatter 类计划

1. from openai import OpenAI
3. class Chatter:
4.     def __init__(self, api_key, base_url="https://api.deepseek.com"):
5.         """初始化 Chatter 类，配置 DeepSeek API。"""
6.         self.client = OpenAI(api_key=api_key, base_url=base_url)
7.         self.messages = []  # 用于存储多轮对话的历史消息
9.     def generate_text(self, prompt):
10.         """进行简单文本生成，根据给定的提示生成文本。"""
11.         response = self.client.chat.completions.create(
12.             model="deepseek-chat",
13.             messages=[{"role": "user", "content": prompt}],
14.             stream=False
15.         )
16.         return response.choices[0].message.content
18.     def chat(self, user_input):
19.         """进行多轮对话。将用户输入与历史对话一起发送。"""
20.         # 添加用户输入到历史对话
21.         self.messages.append({"role": "user", "content": user_input})
23.         # 发送整个对话历史给 DeepSeek，获取模型回应
24.         response = self.client.chat.completions.create(
25.             model="deepseek-chat",
26.             messages=self.messages,
27.             stream=False
28.         )
30.         # 获取模型的回应
31.         assistant_message = response.choices[0].message.content
33.         # 将模型回应添加到历史对话
34.         self.messages.append({"role": "assistant", "content": assistant_message})
36.         return assistant_message
38.     def clear_memory(self):
39.         """清空历史对话记忆。"""
40.         self.messages = []

复制代码

类功能说明

1. generate_text(prompt):

这个方法接收一个提示 prompt，并返回生成的文本。它用于进行简单的文本生成。
2. chat(user_input):

这个方法实现了多轮对话。它会将用户输入的对话与汗青对话一起发送给模型，然后返回模型的回答。汗青对话会生存在类的实例中，因此每次调用 chat 时，模型都能基于之前的对话生成合理的响应。
3. clear_memory():

这个方法会清空生存的汗青对话，使模型在下次对话时不再记得之前的内容。可以用来重置对话的记忆状态。
示例用法

以下是如何使用 Chatter 类进行文本生成和多轮对话的示例：

1. if __name__ == '__main__':
2.     # 初始化 Chatter 类
3.     chatter = Chatter(api_key="<你的 DeepSeek API Key>")
5.     # 生成简单文本
6.     response = chatter.generate_text("给我讲一个关于编程的笑话。")
7.     print("生成的文本:", response)
9.     # 多轮对话
10.     response1 = chatter.chat("世界上最高的山是哪座？")
11.     print("助手:", response1)
13.     response2 = chatter.chat("它有多高？")
14.     print("助手:", response2)
16.     # 清空记忆
17.     chatter.clear_memory()
19.     # 新的一轮对话，记忆已清空
20.     response3 = chatter.chat("美国的第一任总统是谁？")
21.     print("助手:", response3)

复制代码

功能总结

• 简单文本生成：通过 generate_text() 方法输入一个提示，返回生成的文本。
  
• 多轮对话：通过 chat() 方法自动生存对话汗青，并根据上下文生成复兴。
  
• 清空记忆：通过 clear_memory() 方法清空汗青对话记忆，适用于需要重置对话状态的环境。
  

如许计划的 Chatter 类简便且功能完备，可以轻松管理生成文本和多轮对话，同时也能清除记忆以顺应不同场景的需求。

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。