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。
[code]# 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)
[/code]
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。
[code]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)
[/code]
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。
[code]<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>
[/code]
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。
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，清爽简洁，输出内容质量高，清晰明了得思考过程，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：本内容来源于网络，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！ | 
