我要评论前言
最近deepseek非常火，作为一枚对前言技术非常关注的程序员来说，自然都想对接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消耗token。
免费体验
截至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。
具体能够发起多少次对话，我们不妨就基于这个问题，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正确。
api-key申请
申请非常简单，直接在首页点击进入【api开发平台】>【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。
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[0].message.content)
为什么deepseek是安装openai sdk
这个有点意思，博主搜了下，得到回答是：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
最小单元
token 是模型用来表示自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 数进行计量计费。
推理模型
deepseek-reasoner 是 deepseek 推出的推理模型。在输出最终回答之前，模型会先输出一段思维链内容，以提升最终答案的准确性。我们的 api 向用户开放 deepseek-reasoner 思维链的内容，以供用户查看、展示、蒸馏使用。
在每一轮对话过程中，模型会输出思维链内容（reasoning_content）和最终回答（content）。在下一轮对话中，之前轮输出的思维链内容不会被拼接到上下文中，如下图所示：
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进行创建和使用。
对于api，实际上在代码层面进行智能体创建，基础的元素包括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》智能体进行对话。
角色设定
先给智能体进行角色定位，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进行详细设定，这里博主就简单一句话给智能体进行绑定。
一般角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进行提示词调整。
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。
用户对话
这里就是界面输入框用户输入的内容。
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，最后返回deepseek响应的内容。
后端api
将上面代码设置成路由，可进行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。
主要依赖flask进行路由设置，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[0].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)
前端代码
同样是使用deepseek进行代码生成，直接生成一个对话vue3前端界面，需要进行多轮对话进行调整满意的vue代码。
然后进行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>
总结
deepseek的api对接，绝对是博主目前对接最快的一个，非常简洁清晰，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。
到此这篇关于一分钟带你上手python调用deepseek的api的文章就介绍到这了,更多相关python调用deepseek api内容请搜索代码网以前的文章或继续浏览下面的相关文章希望大家以后多多支持代码网！
发表评论