DeepSeek API

蓝黑2020

1359人浏览 · 2025-05-27 15:26:34

蓝黑2020 · 2025-05-27 15:26:34 发布

文章目录

环境
DeepSeek API
参考

环境

CentOS 7.9
Windows 11 专业版

DeepSeek API

注册登录

登录DeepSeek开放平台 https://platform.deepseek.com 。如果尚未注册，要先注册一下。

在这里插入图片描述

创建API key

点击左侧的 API keys ，在这里创建一个API key：

在这里插入图片描述

在稍后与DeepSeek通过API交互时，需要带上该API key。

充值

大部分API是需要收费的，网站上有详细的价格细节，总之不算太贵，可以先买10块钱的试试。

点击左侧的 充值 ，通过微信或者支付宝充值：

在这里插入图片描述

API接口文档

点击左侧的 接口文档 ，可以查看接口文档。

DeepSeek API 使用与 OpenAI 兼容的 API 格式，其base URL是 https://api.deepseek.com 或 https://api.deepseek.com/v1 。

页面上已经提供了很多的API示例。

比如：“查询余额”的例子（ https://api-docs.deepseek.com/zh-cn/api/get-user-balance ）。

这个API貌似是免费的。在右侧输入API key，点击 SEND API REQUEST 按钮，即可查询到余额：

在这里插入图片描述

注：可以用curl、python、go等多种方式向DeepSeek发送API请求，上图中使用的是php方式。

curl调用API

下面我们用 curl 方式，手工向DeepSeek发送API请求试一下（我是在Linux下使用 curl 命令）：

 $ curl -L -X GET 'https://api.deepseek.com/user/balance' -H 'Accept: application/json' -H "Authorization: Bearer $token" | jq .
  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100   133  100   133    0     0     78      0  0:00:01  0:00:01 --:--:--    78
{
  "is_available": true,
  "balance_infos": [
    {
      "currency": "CNY",
      "total_balance": "9.58",
      "granted_balance": "0.00",
      "topped_up_balance": "9.58"
    }
  ]
}

注意： $token 是变量，所以外面要用双引号。

注：

如果想显示HTTP code，则可以加上 -w "%{http_code}\n"
如果不想显示时间等细节，可以加上 --silent ：

 $ curl -w "%{http_code}\n" --silent -L -X GET 'https://api.deepseek.com/user/balance' -H 'Accept: application/json' -H "Authorization: Bearer $token" | jq .
{
  "is_available": true,
  "balance_infos": [
    {
      "currency": "CNY",
      "total_balance": "9.58",
      "granted_balance": "0.00",
      "topped_up_balance": "9.58"
    }
  ]
}
200

查询余额使用的是 /user/balance 接口。

如果是聊天，则需要用 /chat/completions 接口，这也是DeepSeek最常用的API接口，其常用参数如下：

messages ：消息，是一个对象数组，对象可以是：
- System message
- User message
- Assistant message
- Tool message

每种message又包含 role 、 content 等内容。

model ：模型，可选项为：
- deepseek-chat ：DeepSeek-V3
- deepseek-reasoner ：DeepSeek-R1
frequency_penalty 和 presence_penalty ：介于 -2.0 和 2.0 之间的数字，值越大越容易受到惩罚。前者是根据token出现频率受到惩罚，后者是根据token是否出现受到惩罚。总之都是值越大，越不容易出现重复的token。
max_tokens ：介于 1 到 8192 间的整数（默认值4096），限制一次请求中模型生成 completion 的最大 token 数。输入 token 和输出 token 的总长度受模型的上下文长度的限制。
response_format ：输出的格式，例如 { "type": "json_object" } 。
注意: 使用 JSON 模式时，你还必须通过系统或用户消息指示模型生成 JSON。
stop ：一个 string 或最多包含 16 个 string 的 list，在遇到这些词时，API 将停止生成更多的 token。
stream ：True或False，表示是否以流式发送消息增量。
temperature ：介于0和2之间（默认值1）。该值越大，输出越随机。
top_p ：小于等于1（默认值1）。模型只会输出前 top_p 概率的 token 的结果。注：不建议同时更改 temperature 和 top_p 。
stop ：一个 string 或最多包含 16 个 string 的 list，在遇到这些词时，API 将停止生成更多的 token。
logprobs ：是否返回所输出 token 的对数概率。
top_logprobs ：一个介于 0 到 20 之间的整数 N，指定每个输出位置返回输出概率 top N 的 token，且返回这些 token 的对数概率。指定此参数时，logprobs 必须为 true。

下面是一个聊天的API示例：

curl -w "%{http_code}\n" --silent -L -X POST 'https://api.deepseek.com/chat/completions' \
-H 'Content-Type: application/json' \
-H 'Accept: application/json' \
-H "Authorization: Bearer $token" \
--data '{
  "messages": [
    {
      "content": "You are a helpful assistant",
      "role": "system"
    },
    {
      "content": "Hi",
      "role": "user"
    }
  ],
  "model": "deepseek-chat",
  "frequency_penalty": 0,
  "max_tokens": 2048,
  "presence_penalty": 0,
  "response_format": {
    "type": "text"
  },
  "stop": null,
  "stream": false,
  "stream_options": null,
  "temperature": 1,
  "top_p": 1,
  "tools": null,
  "tool_choice": "none",
  "logprobs": false,
  "top_logprobs": null
}' | jq .

完整的示例如下：

$ curl -w "%{http_code}\n" --silent -L -X POST 'https://api.deepseek.com/chat/completions' \
> -H 'Content-Type: application/json' \
> -H 'Accept: application/json' \
> -H "Authorization: Bearer $token" \
> --data '{
>   "messages": [
>     {
>       "content": "You are a helpful assistant",
>       "role": "system"
>     },
>     {
>       "content": "Hi",
>       "role": "user"
>     }
>   ],
>   "model": "deepseek-chat",
>   "frequency_penalty": 0,
>   "max_tokens": 2048,
>   "presence_penalty": 0,
>   "response_format": {
>     "type": "text"
>   },
>   "stop": null,
>   "stream": false,
>   "stream_options": null,
>   "temperature": 1,
>   "top_p": 1,
>   "tools": null,
>   "tool_choice": "none",
>   "logprobs": false,
>   "top_logprobs": null
> }' | jq .
{
  "id": "25f72ebe-e6b5-4bec-8d1e-58485f3650da",
  "object": "chat.completion",
  "created": 1748314200,
  "model": "deepseek-chat",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello! How can I assist you today? 😊"
      },
      "logprobs": null,
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 9,
    "completion_tokens": 11,
    "total_tokens": 20,
    "prompt_tokens_details": {
      "cached_tokens": 0
    },
    "prompt_cache_hit_tokens": 0,
    "prompt_cache_miss_tokens": 9
  },
  "system_fingerprint": "fp_8802369eaa_prod0425fp8"
}
200

本例中，通过system message给AI定义了一个角色： You are a helpful assistant ，然后user向AI打招呼 Hi ，AI返回了响应： Hello! How can I assist you today? 😊

多轮对话

DeepSeek /chat/completions API 是一个“无状态” API，即服务端不记录用户请求的上下文，用户在每次请求时，需将之前所有对话历史拼接好后，传递给对话 API。

前面提到， messages 参数是一个数组。在对轮对话时，需要把前面所有的message（包括用户请求和AI响应）都包含在内。例如：

在第一轮请求时，message如下：

[
    {"role": "user", "content": "What's the highest mountain in the world?"}
]

在获取AI响应之后，发起第二轮请求，message如下：

[
    {"role": "user", "content": "What's the highest mountain in the world?"},
    {"role": "assistant", "content": "The highest mountain in the world is Mount Everest."},
    {"role": "user", "content": "What is the second?"}
]

Function Calling

即函数调用。也就是说，模型能够调用外部工具，来增强自身能力。注意这里的函数是用户自定义的函数。

在与AI模型交互时，用户需要先告知AI有哪些函数，包含函数名、函数描述、参数等信息。然后用户在相关聊天时，AI可能会返回一个函数调用的请求。用户在调用函数之后，把返回结果告诉AI，然后继续聊天。

一个例子是算术四则运算，假设AI理解四则运算的优先级规则，但是不会真正的算术，这时就可以利用Function Calling来辅助AI完成任务。

比如：要计算 (1 + 2) * (3 + 4) ，先告诉AI有 add() 和 multiply() 函数，然后让AI计算该算式，AI就会返回 add(1, 2) 、 add(3, 4) 、 multiply(3, 7) （注意 3 和 7 是用户告诉AI的）这些函数调用请求，由用户负责计算结果并告诉AI，最后AI给出最终计算结果。