DeepSeek 深度求索

简体中文

English

简体中文

English

Appearance

开始使用 ​

欢迎使用 DeepSeek AI 大模型！本指南将帮助您快速上手，开始您的 AI 之旅。

🚀 三种使用方式 ​

1. 在线体验（推荐新手） ​

最简单的方式是直接使用我们的网页版聊天界面：

🌐 立即体验

  • ✅ 无需注册，即开即用
  • ✅ 友好的用户界面
  • ✅ 支持多轮对话
  • ✅ 实时响应

2. API 集成（推荐开发者） ​

通过 API 将 DeepSeek AI 集成到您的应用中：

bash
# 快速测试
curl http://ai.sankotrade.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "deepseek-chat",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

3. SDK 集成（推荐企业） ​

使用官方 SDK 或兼容的第三方库：

python
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="http://ai.sankotrade.com"
)

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": "你好！"}]
)

print(response.choices[0].message.content)
javascript
import OpenAI from 'openai';

const openai = new OpenAI({
  apiKey: 'YOUR_API_KEY',
  baseURL: 'http://ai.sankotrade.com'
});

const completion = await openai.chat.completions.create({
  messages: [{ role: "user", content: "你好！" }],
  model: "deepseek-chat",
});

console.log(completion.choices[0].message.content);
bash
curl http://ai.sankotrade.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "deepseek-chat",
    "messages": [{"role": "user", "content": "你好！"}]
  }'

📋 准备工作 ​

步骤 1：获取 API 密钥 ​

  1. 访问 API 管理页面
  2. 注册或登录您的账户
  3. 创建新的 API 密钥
  4. 安全保存您的密钥

安全提醒

  • 请妥善保管您的 API 密钥
  • 不要在客户端代码中暴露密钥
  • 定期轮换您的密钥

步骤 2：选择模型 ​

模型描述适用场景
deepseek-chat通用对话模型日常对话、内容创作、代码生成
deepseek-reasoner推理增强模型复杂推理、数学问题、逻辑分析

步骤 3：设置开发环境 ​

bash
# 安装依赖
pip install openai

# 设置环境变量
export DEEPSEEK_API_KEY="your-api-key-here"
export DEEPSEEK_BASE_URL="http://ai.sankotrade.com"
bash
# 安装依赖
npm install openai

# 设置环境变量
export DEEPSEEK_API_KEY="your-api-key-here"
export DEEPSEEK_BASE_URL="http://ai.sankotrade.com"

💡 第一个应用 ​

让我们创建一个简单的聊天应用：

python
import openai
import os

# 初始化客户端
client = openai.OpenAI(
    api_key=os.getenv("DEEPSEEK_API_KEY"),
    base_url=os.getenv("DEEPSEEK_BASE_URL")
)

def chat_with_deepseek():
    messages = []
    
    print("🤖 DeepSeek AI 聊天助手")
    print("输入 'quit' 退出\n")
    
    while True:
        user_input = input("👤 您: ")
        
        if user_input.lower() == 'quit':
            break
            
        messages.append({"role": "user", "content": user_input})
        
        try:
            response = client.chat.completions.create(
                model="deepseek-chat",
                messages=messages,
                stream=True
            )
            
            print("🤖 DeepSeek: ", end="")
            assistant_message = ""
            
            for chunk in response:
                if chunk.choices[0].delta.content:
                    content = chunk.choices[0].delta.content
                    print(content, end="", flush=True)
                    assistant_message += content
            
            print("\n")
            messages.append({"role": "assistant", "content": assistant_message})
            
        except Exception as e:
            print(f"❌ 错误: {e}")

if __name__ == "__main__":
    chat_with_deepseek()
javascript
import OpenAI from 'openai';
import readline from 'readline';

const openai = new OpenAI({
  apiKey: process.env.DEEPSEEK_API_KEY,
  baseURL: process.env.DEEPSEEK_BASE_URL
});

const rl = readline.createInterface({
  input: process.stdin,
  output: process.stdout
});

async function chatWithDeepSeek() {
  const messages = [];
  
  console.log("🤖 DeepSeek AI 聊天助手");
  console.log("输入 'quit' 退出\n");
  
  const askQuestion = () => {
    rl.question("👤 您: ", async (input) => {
      if (input.toLowerCase() === 'quit') {
        rl.close();
        return;
      }
      
      messages.push({ role: "user", content: input });
      
      try {
        const stream = await openai.chat.completions.create({
          model: "deepseek-chat",
          messages: messages,
          stream: true
        });
        
        process.stdout.write("🤖 DeepSeek: ");
        let assistantMessage = "";
        
        for await (const chunk of stream) {
          if (chunk.choices[0]?.delta?.content) {
            const content = chunk.choices[0].delta.content;
            process.stdout.write(content);
            assistantMessage += content;
          }
        }
        
        console.log("\n");
        messages.push({ role: "assistant", content: assistantMessage });
        
      } catch (error) {
        console.log(`❌ 错误: ${error.message}`);
      }
      
      askQuestion();
    });
  };
  
  askQuestion();
}

chatWithDeepSeek();

🎯 常见使用场景 ​

1. 智能问答 ​

python
def ask_question(question):
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {"role": "system", "content": "你是一个知识渊博的助手，请提供准确、有用的回答。"},
            {"role": "user", "content": question}
        ]
    )
    return response.choices[0].message.content

# 示例
answer = ask_question("什么是机器学习？")
print(answer)

2. 代码生成 ​

python
def generate_code(description):
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {"role": "system", "content": "你是一个专业的程序员，请生成高质量的代码。"},
            {"role": "user", "content": f"请写一个 Python 函数：{description}"}
        ]
    )
    return response.choices[0].message.content

# 示例
code = generate_code("计算两个数的最大公约数")
print(code)

3. 文本总结 ​

python
def summarize_text(text):
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {"role": "system", "content": "请对以下文本进行简洁的总结。"},
            {"role": "user", "content": text}
        ]
    )
    return response.choices[0].message.content

# 示例
long_text = "这里是一段很长的文本..."
summary = summarize_text(long_text)
print(summary)

4. 语言翻译 ​

python
def translate_text(text, target_language="英文"):
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {"role": "system", "content": f"请将以下文本翻译成{target_language}。"},
            {"role": "user", "content": text}
        ]
    )
    return response.choices[0].message.content

# 示例
translation = translate_text("你好，世界！", "英文")
print(translation)

⚡ 性能优化技巧 ​

1. 使用流式输出 ​

python
# 流式输出可以提供更好的用户体验
stream = client.chat.completions.create(
    model="deepseek-chat",
    messages=messages,
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

2. 优化 Prompt ​

python
# 好的 prompt 示例
system_prompt = """
你是一个专业的 Python 编程助手。请遵循以下原则：
1. 提供清晰、可执行的代码
2. 包含必要的注释
3. 考虑边界情况
4. 使用最佳实践
"""

3. 控制输出长度 ​

python
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=messages,
    max_tokens=500,  # 限制输出长度
    temperature=0.7  # 控制创造性
)

🔧 故障排除 ​

常见错误及解决方案 ​

错误原因解决方案
401 UnauthorizedAPI 密钥无效检查密钥是否正确设置
429 Rate Limit请求过于频繁增加请求间隔或升级套餐
500 Server Error服务器错误稍后重试或联系支持

调试技巧 ​

python
import logging

# 启用调试日志
logging.basicConfig(level=logging.DEBUG)

try:
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=messages
    )
except Exception as e:
    logging.error(f"API 调用失败: {e}")
    # 处理错误

📚 下一步 ​

🎉 恭喜！ 您已经掌握了 DeepSeek AI 的基本使用方法。现在可以开始构建您的 AI 应用了！

基于 DeepSeek AI 大模型技术

Copyright © 2025 DeepSeek | sitemap