一篇文章让你实现前端JS 、 Golang 、 Python如何接入DeepSeek大模型实现自己的AI

本文将通过三种技术栈实现与DeepSeek大模型的对话交互，提供可直接运行的代码示例及详细注释。

一只理智恩

1742人浏览 · 2025-02-23 18:23:57

一只理智恩 · 2025-02-23 18:23:57 发布

本文将通过三种技术栈实现与DeepSeek大模型的对话交互，提供可直接运行的代码示例及详细注释。

一、通用准备步骤

1. 获取API密钥

登录DeepSeek开发者平台
创建应用获取DEEPSEEK_API_KEY

2. 创建测试环境

# 项目结构
deepseek-demo/
├── frontend/       # 前端代码
│   └── index.html
├── go-backend/     # Golang后端
│   └── main.go
├── py-backend/     # Python后端
│   └── app.py
└── node-backend/   # Node.js后端
    └── server.js

二、前端JavaScript实现

1. 前端页面（所有后端通用）

<!-- frontend/index.html -->
<!DOCTYPE html>
<html>
<body>
  <input id="input" placeholder="输入消息..." style="width:300px">
  <button onclick="sendMessage()">发送</button>
  <div id="response" style="margin-top:20px"></div>

<script>
async function sendMessage() {
  const input = document.getElementById('input').value;
  const responseDiv = document.getElementById('response');
  
  try {
    const response = await fetch('http://localhost:3000/chat', {
      method: 'POST',
      headers: { 'Content-Type': 'application/json' },
      body: JSON.stringify({ message: input })
    });
    
    const data = await response.json();
    responseDiv.innerHTML = `AI回复：${data.reply}`;
  } catch (error) {
    responseDiv.innerHTML = `错误：${error.message}`;
  }
}
</script>
</body>
</html>

三、后端实现

1. Node.js后端（Express）

// node-backend/server.js
const express = require('express');
const axios = require('axios');
require('dotenv').config();

const app = express();
app.use(express.json());

// 代理接口
app.post('/chat', async (req, res) => {
  try {
    const response = await axios.post(
      'https://api.deepseek.com/v1/chat/completions',
      {
        model: "deepseek-chat",
        messages: [{ role: "user", content: req.body.message }]
      },
      {
        headers: {
          'Authorization': `Bearer ${process.env.DEEPSEEK_API_KEY}`,
          'Content-Type': 'application/json'
        }
      }
    );
    
    res.json({ 
      reply: response.data.choices[0].message.content 
    });
  } catch (error) {
    res.status(500).json({ error: error.message });
  }
});

app.listen(3000, () => {
  console.log('Node服务运行在 http://localhost:3000');
});

运行命令：

npm install express axios dotenv
echo "DEEPSEEK_API_KEY=your_api_key" > .env
node server.js

2. Golang后端

// go-backend/main.go
package main

import (
	"bytes"
	"encoding/json"
	"fmt"
	"io"
	"log"
	"net/http"
	"os"
)

type Request struct {
	Message string `json:"message"`
}

type DeepSeekRequest struct {
	Model    string `json:"model"`
	Messages []struct {
		Role    string `json:"role"`
		Content string `json:"content"`
	} `json:"messages"`
}

type DeepSeekResponse struct {
	Choices []struct {
		Message struct {
			Content string `json:"content"`
		} `json:"message"`
	} `json:"choices"`
}

func chatHandler(w http.ResponseWriter, r *http.Request) {
	// 解析前端请求
	var req Request
	if err := json.NewDecoder(r.Body).Decode(&req); err != nil {
		http.Error(w, err.Error(), http.StatusBadRequest)
		return
	}

	// 构造DeepSeek请求
	deepSeekReq := DeepSeekRequest{
		Model: "deepseek-chat",
		Messages: []struct {
			Role    string `json:"role"`
			Content string `json:"content"`
		}{
			{Role: "user", Content: req.Message},
		},
	}

	reqBody, _ := json.Marshal(deepSeekReq)
	
	// 创建HTTP客户端
	client := &http.Client{}
	apiReq, _ := http.NewRequest(
		"POST", 
		"https://api.deepseek.com/v1/chat/completions",
		bytes.NewBuffer(reqBody),
	)

	apiReq.Header.Set("Authorization", "Bearer "+os.Getenv("DEEPSEEK_API_KEY"))
	apiReq.Header.Set("Content-Type", "application/json")

	// 发送请求
	resp, err := client.Do(apiReq)
	if err != nil {
		http.Error(w, err.Error(), http.StatusInternalServerError)
		return
	}
	defer resp.Body.Close()

	// 处理响应
	body, _ := io.ReadAll(resp.Body)
	var deepSeekResp DeepSeekResponse
	json.Unmarshal(body, &deepSeekResp)

	response := map[string]string{
		"reply": deepSeekResp.Choices[0].Message.Content,
	}
	json.NewEncoder(w).Encode(response)
}

func main() {
	http.HandleFunc("/chat", chatHandler)
	fmt.Println("Golang服务运行在 :3000")
	log.Fatal(http.ListenAndServe(":3000", nil))
}

运行命令：

export DEEPSEEK_API_KEY=your_api_key
go run main.go

3. Python后端（Flask）

# py-backend/app.py
from flask import Flask, request, jsonify
import requests
import os
from dotenv import load_dotenv

load_dotenv()
app = Flask(__name__)

@app.route('/chat', methods=['POST'])
def chat():
    data = request.get_json()
    user_message = data.get('message', '')
    
    headers = {
        "Authorization": f"Bearer {os.getenv('DEEPSEEK_API_KEY')}",
        "Content-Type": "application/json"
    }
    
    payload = {
        "model": "deepseek-chat",
        "messages": [{"role": "user", "content": user_message}]
    }
    
    try:
        response = requests.post(
            "https://api.deepseek.com/v1/chat/completions",
            headers=headers,
            json=payload
        )
        response.raise_for_status()
        reply = response.json()['choices'][0]['message']['content']
        return jsonify({"reply": reply})
    except Exception as e:
        return jsonify({"error": str(e)}), 500

if __name__ == '__main__':
    app.run(port=3000)

运行命令：

pip install flask requests python-dotenv
echo "DEEPSEEK_API_KEY=your_api_key" > .env
python app.py

注：your_api_key自己去deepseek开发者平台申请

四、技术栈对比

五、测试流程

启动任意后端服务
浏览器打开frontend/index.html
输入消息并点击发送

六、后续增强功能

流式响应：使用Server-Sent Events(SSE)实现逐字输出
对话历史：在后端维护session存储对话上下文
速率限制：使用中间件限制每分钟请求次数
错误重试：对API调用添加指数退避重试机制

以上代码均已通过基础功能验证，实际使用时请将API端点替换为DeepSeek官方提供的真实地址，并根据最新API文档调整请求参数。

DeepSeek技术社区

欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。

更多推荐

百度文心4.5 Turbo与DeepSeek、豆包、元宝对比：技术路径与市场格局分析

DeepSeek技术社区

基于Deepseek-LLM与腾讯云HAI的高效爬虫开发实战指南

本方案已在实际业务中实现日均千万级数据采集，相比传统方案提升3倍效率的同时降低40%的运维成本。未来可扩展方向包括：结合LLM实时生成反爬对抗策略利用HAI弹性扩缩容应对突发流量构建自动化验证码破解工作流通过持续融合AI与云原生技术，智能爬虫系统将突破传统数据采集的边界，为企业打造真正的数据智能基础设施。更多AI学习资料请添加学习助手领取资料礼包视频学习资料：从0开始开发超级AI智能体，干掉所有重