Python 调用 DeepSeek API详细教程，保姆级教程，建议收藏！

本文中，将探讨如何通过调用DeepSeek API来获取高质量的回答，还会讨论请求中的各入参含义，并推荐最优参数值。这两行代码定义了API的基础URL和你的API密钥。url变量存储了DeepSeek API的访问地址，而API_KEY则用于身份验证，确保你有权访问API服务。定义了一个名为api的函数，该函数接受一个参数question，表示用户提出的问题。用于记录问题内容，便于调试和日志管理。

程序汪小陈

1561人浏览 · 2025-04-17 10:08:13

程序汪小陈 · 2025-04-17 10:08:13 发布

本文中，将探讨如何通过调用DeepSeek API来获取高质量的回答，还会讨论请求中的各入参含义，并推荐最优参数值。

1、设置URL和API密钥

url = "https://api.deepseek.com"
API_KEY = 'sk-xx'

这两行代码定义了API的基础URL和你的API密钥。url变量存储了DeepSeek API的访问地址，而API_KEY则用于身份验证，确保你有权访问API服务。如果暂时没有，可以在DeepSeek API平台先创建：

2、设置请求头

headers = {
    'Content-Type': 'application/json',
    'Authorization': f"Bearer {API_KEY}"
}

这里设置了HTTP请求头，其中包含两个关键信息：

Content-Type: 指定请求的内容类型为JSON格式。
Authorization: 使用Bearer Token进行身份验证，将API密钥嵌入到请求头中。

3、定义API调用函数

def api(question):
    log.info(question)

定义了一个名为api的函数，该函数接受一个参数question，表示用户提出的问题。log.info(question)用于记录问题内容，便于调试和日志管理。

4、构建请求体

req = json.dumps({
    "messages": [
        {
            "content": "You are a helpful assistant",
            "role": "system"
        },
        {
            "content": question,
            "role": "user"
        }
    ],
    "model": "deepseek-chat",
    "frequency_penalty": 0,
    "max_tokens": 4096,
    "presence_penalty": 0,
    "response_format": {
        "type": "text"
    },
    "stop": None,
    "stream": False,
    "stream_options": None,
    "temperature": 1,
    "top_p": 1,
    "tools": None,
    "tool_choice": "none",
    "logprobs": False,
    "top_logprobs": None
})

这段代码构建了请求体，并将其转换为JSON格式字符串。请求体包含多个字段，每个字段都有特定的含义：

messages: 包含对话历史和当前用户输入的消息列表。系统消息（如“You are a helpful assistant”）和用户消息（即传入的question）分别有不同的角色标识。
model: 指定使用的模型名称，DeepSeek 提供多个模型，deepseek-chat 是其中一个用于对话的模型。
frequency_penalty：控制重复内容的惩罚力度，值越大，模型越倾向于生成不重复的内容。取值范围为 -2.0 到 2.0。默认值为 0，适用于大多数场景。如果需要减少重复，可以设置为 0.5 到 1.0
presence_penalty: 控制生成内容中新主题的引入。值越大，模型越倾向于引入新主题。取值范围为 -2.0 到 2.0。默认值为 0，适用于大多数场景。如果需要更多新主题，可以设置为 0.5 到 1.0。
max_tokens: 限制生成文本的最大长度，控制生成文本的最大长度（以 token 为单位）。1 个 token 大约等于 1 个英文单词或 2 个中文字符。根据需求调整。如果需要长文本，可以设置为 4096；如果只需要简短回答，可以设置为 100 到 500。
"response_format": {"type": "text"}，指定返回内容的格式。type 可以是 text 或 json，分别表示返回纯文本或 JSON 格式的数据。默认值为 text，适用于大多数场景。如果需要结构化数据，可以设置为 json。
"stop": None：定义停止生成文本的条件。可以是一个字符串或字符串列表。当生成的文本包含这些字符串时，停止生成。默认值为 None，表示不设置停止条件。如果需要控制生成长度，可以设置为 ["\n", "。"]。
"stream": False：是否启用流式传输。如果设置为 True，API 会以流式方式返回数据，适用于需要实时显示生成内容的场景。默认值为 False。如果需要实时显示，可以设置为 True。
"temperature": 1：控制生成内容的随机性。值越大，生成内容越随机；值越小，生成内容越确定。取值范围为 0 到 2。默认值为 1。如果需要更确定的回答，可以设置为 0.7；如果需要更多创意，可以设置为 1.2。
"top_p": 1：控制生成内容的多样性。top_p 是一种采样策略，值越小，生成内容越集中；值越大，生成内容越多样。取值范围为 0 到 1。默认值为 1。如果需要更集中的回答，可以设置为 0.9。
"tools": None：指定使用的工具或插件。DeepSeek 可能支持一些外部工具或插件，可以通过这个字段指定。默认值为 None。如果有特殊需求，可以参考官方文档。
"tool_choice": "none"：指定是否强制使用工具。如果设置为 "auto"，模型会自动选择是否使用工具。默认值为 "none"。
"logprobs": False：是否返回生成内容的概率信息。如果设置为 True，API 会返回每个 token 的概率。默认值为 False。
"top_logprobs": None：返回概率最高的 token 数量。如果 logprobs 为 True，可以通过这个字段指定返回多少个概率最高的 token。默认值为 None。如果需要详细分析，可以设置为 3 到 5。

5、发送请求并处理响应

response = requests.request(
    "POST", f"{url}/chat/completions", headers=headers, data=req)
answer = response.choices[0].message.content
log.info(answer)
return answer

这部分代码发送HTTP POST请求到DeepSeek API，并处理返回的响应：

requests.request("POST", ...): 发送POST请求，目标URL为${url}/chat/completions，请求头为之前定义的headers，请求体为构建好的JSON字符串req。
response.choices[0].message.content: 从响应中提取生成的回答内容。
log.info(answer): 记录生成的回答内容。
return answer: 返回生成的回答。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】