下面分两种场景：用 DeepSeek 官方 API（langchain-deepseek）、本地 Ollama 跑 DeepSeek（推荐新手）

一、方式A：用官方 API（langchain-deepseek）

1. 安装包

pip install -U langchain-deepseek
# 顺带装常用依赖
pip install langchain langchain-community python-dotenv

2. 配置 API Key

1）注册登录：https://www.deepseek.com/
2）在控制台生成 API Key（格式：sk-xxx）

3）项目根目录新建 .env：

DEEPSEEK_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

3. 最简调用测试（可直接运行）

from dotenv import load_dotenv
from langchain_deepseek import ChatDeepSeek
import os

load_dotenv()  # 读 .env

llm = ChatDeepSeek(
    model="deepseek-chat",  # 通用对话
    # model="deepseek-coder", # 代码专用
    # model="deepseek-reasoner", # R1 推理模型
    api_key=os.getenv("DEEPSEEK_API_KEY"),
    temperature=0.7
)

resp = llm.invoke("你好，介绍一下自己")
print(resp.content)

二、方式B：本地部署 DeepSeek（Ollama + LangChain，免费）

1. 安装 Ollama

• 官网：https://ollama.com/ 下载安装（Windows/macOS/Linux）
• 验证：

ollama --version

2. 拉取 DeepSeek 模型（选一个）

# 7B 轻量（推荐，显存≥6GB）
ollama pull deepseek-r1:7b

# 14B 效果更好（显存≥10GB）
ollama pull deepseek-r1:14b

3. 安装 LangChain 依赖

pip install langchain langchain-community python-dotenv

4. LangChain 调用本地 DeepSeek

from langchain_community.chat_models import ChatOllama

llm = ChatOllama(
    model="deepseek-r1:7b",  # 和你 pull 的版本一致
    temperature=0.7
)

resp = llm.invoke("用Python写个快速排序")
print(resp.content)

三、常见问题

1. ImportError: cannot import name 'ChatDeepSeek'

   • 重装：pip install -U langchain-deepseek

2. API key not found

   • .env 文件放在代码同目录
   • 变量名必须是 DEEPSEEK_API_KEY

3. 本地 Ollama 调用超时/慢

   • 优先用 7B 模型；关闭其他占用显存程序