PyCharm对接DeepSeek大模型的操作流程_Pycharm

步骤 1：pycharm 环境准备

1.创建新项目

打开 pycharm → new project → 选择纯 python 项目 → 指定项目路径 → 创建虚拟环境（建议选 virtualenv）。

2.安装依赖库

打开终端（terminal）执行以下命令：

pip install requests python-dotenv

requests：用于发送 http 请求到 deepseek api。
python-dotenv：管理环境变量（保护 api key）。

步骤 2：配置 api key 与环境变量

1.获取 deepseek api key

2.创建 .env 文件

在项目根目录右键 → new → file → 输入 .env → 添加内容：

deepseek_api_key=你的api_key
deepseek_api_endpoint=https://api.deepseek.com/v1/chat/completions  # 根据实际api文档调整

3.将 .env 添加到 .gitignore

避免将敏感信息提交到版本库。

步骤 3：编写 api 请求代码

新建 python 文件

如 deepseek_client.py，编写以下代码：

import os
import requests
from dotenv import load_dotenv

# 加载环境变量
load_dotenv()

class deepseekclient:
    def __init__(self):
        self.api_key = os.getenv("deepseek_api_key")
        self.endpoint = os.getenv("deepseek_api_endpoint")
        self.headers = {
            "authorization": f"bearer {self.api_key}",
            "content-type": "application/json"
        }

    def generate_response(self, prompt, model="deepseek-chat", max_tokens=500):
        payload = {
            "model": model,
            "messages": [{"role": "user", "content": prompt}],
            "max_tokens": max_tokens,
            "temperature": 0.7
        }
        
        try:
            response = requests.post(self.endpoint, json=payload, headers=self.headers)
            response.raise_for_status()  # 检查http错误
            return response.json()["choices"][0]["message"]["content"]
        except requests.exceptions.requestexception as e:
            return f"api请求失败: {str(e)}"
        except keyerror:
            return "解析响应时发生错误"

# 示例用法
if __name__ == "__main__":
    client = deepseekclient()
    prompt = "用python写一个快速排序算法"
    response = client.generate_response(prompt)
    print("deepseek 响应：\n", response)

步骤 4：调试与测试

运行代码

右键点击代码编辑器 → run ‘deepseek_client.py’ → 观察控制台输出。

常见问题排查

401 未授权：检查 api key 是否正确，环境变量是否加载。

429 请求过多：确认 api 的速率限制，适当增加延迟。

响应格式错误：根据实际 api 文档调整 response.json() 的解析逻辑

步骤 5：集成到实际项目

1.封装为模块

将 deepseekclient 类移动到独立模块（如 utils/deepseek.py），通过 from utils.deepseek import deepseekclient 调用。

2.异步请求优化

如需高性能，改用 aiohttp 库实现异步请求

pip install aiohttp

import aiohttp
import asyncio

async def async_generate_response(self, prompt):
    async with aiohttp.clientsession() as session:
        async with session.post(
            self.endpoint, 
            json=payload, 
            headers=self.headers
        ) as response:
            return await response.json()

3.日志记录

添加日志功能追踪 api 调用情况：

import logging
logging.basicconfig(level=logging.info)

步骤 6：高级功能扩展

1.流式传输（streaming）

若 api 支持流式响应，修改代码逐块接收数据：

def stream_response(self, prompt):
    payload["stream"] = true
    response = requests.post(self.endpoint, json=payload, headers=self.headers, stream=true)
    for chunk in response.iter_lines():
        if chunk:
            print(chunk.decode("utf-8"))

2.文件交互

实现文件上传/下载（如文档问答场景）需参照 api 文档处理 multipart/form-data。

pycharm 调试技巧

1.环境变量配置

若未使用 .env，可在 pycharm 中手动设置：
run → edit configurations → environment variables → 添加 deepseek_api_key=你的key。

2.http 客户端测试

使用 pycharm 内置的 http client（.http 文件）直接测试 api：

post {{deepseek_api_endpoint}}
content-type: application/json
authorization: bearer {{deepseek_api_key}}

{
  "model": "deepseek-chat",
  "messages": [{"role": "user", "content": "你好"}]
}

注意事项

1.成本控制

监控 api 调用次数和 token 消耗，避免超额费用（部分平台提供免费额度）。

2.错误重试机制

添加重试逻辑（如 tenacity 库）应对临时性网络问题：

pip install tenacity

from tenacity import retry, stop_after_attempt, wait_exponential

@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=2, max=10))
def generate_response(self, prompt):
    # 原有代码

3.合规性

遵守 deepseek 的使用条款，避免生成有害内容。

—通过以上步骤，你可以在 pycharm 中高效对接 deepseek 大模型，并根据需求扩展功能。

以上就是pycharm对接deepseek大模型的操作流程的详细内容，更多关于pycharm对接deepseek的资料请关注代码网其它相关文章！