DeepSeek API 接入完整指南:从注册到第一个调用,5 个常见坑

0. 这篇教程的范围
   本文是 DeepSeek API 直接接入的官方教程。

如果您用第三方聚合平台(API2D/OpenRouter/聚合服务),流程类似但有差异,具体看平台文档。
目标读者: - ✅ 想直接用 DeepSeek 官方 - ✅ 有 Python 或 Node.js 基础 - ❌ 不想用第三方聚合

1. 5 分钟接入流程
   Step 1:注册 DeepSeek 开放平台(1 分钟)

打开浏览器

https://platform.deepseek.com

点击"注册"

输入邮箱 + 密码 + 手机号 + 实名认证

点击"创建 API Key"

复制 key(类似 sk-xxx)

注意:DeepSeek 官方需要手机号和实名认证。

Step 2:安装 OpenAI SDK(30 秒)

Python

pip install openai

Node.js

npm install openai
DeepSeek 兼容 OpenAI 协议,所以直接用 OpenAI SDK 即可。

Step 3:第一个调用(1 分钟)
from openai import OpenAI

client = OpenAI(
api_key=“sk-xxx”, # 您刚才复制的
base_url=“https://api.deepseek.com/v1” # DeepSeek 官方
)

response = client.chat.completions.create(
model=“deepseek-chat”, # DeepSeek V3
messages=[
{“role”: “user”, “content”: “你好,你是谁?”}
]
)

print(response.choices[0].message.content)
输出:

我是 DeepSeek,由中国深度求索公司开发的 AI 助手…

✅ 通了。

Step 4:流式响应(1 分钟)
response = client.chat.completions.create(
model=“deepseek-chat”,
messages=[{“role”: “user”, “content”: “写一首关于 AI 的诗”}],
stream=True
)

for chunk in response:
if chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end=“”)
输出:

硅基流动之间 / 神经与代码交织 / 我在思考…

✅ 流式响应也通了。

Step 5:多轮对话(1 分钟)
messages = [
{“role”: “system”, “content”: “你是一个助手”},
{“role”: “user”, “content”: “你好”},
{“role”: “assistant”, “content”: “你好!有什么可以帮您?”},
{“role”: “user”, “content”: “写首诗”} # 自动包含上文
]

response = client.chat.completions.create(
model=“deepseek-chat”,
messages=messages
)
✅ 多轮对话也通了。

2. 实战踩坑(避免 5 个常见错误)
   踩坑 1:忘记改 base_url

❌ 错误:用 OpenAI 默认 URL

client = OpenAI(api_key=“sk-xxx”)

报错:Invalid API Key

✅ 正确:改成 DeepSeek URL

client = OpenAI(
api_key=“sk-xxx”,
base_url=“https://api.deepseek.com/v1”
)
踩坑 2:model 名写错

❌ 错误

model=“deepseek” # 没有这个

✅ 正确

model=“deepseek-chat” # DeepSeek V3

或

model=“deepseek-coder” # 编程专用

或

model=“deepseek-reasoner” # 推理专用(R1)
完整 model 列表:https://platform.deepseek.com/api-docs/

踩坑 3:API Key 泄露到 GitHub

❌ 危险:硬编码

client = OpenAI(api_key=“sk-xxx”)

✅ 安全:用环境变量

import os
client = OpenAI(api_key=os.getenv(“DEEPSEEK_API_KEY”))
设环境变量:

~/.zshrc 或 ~/.bashrc

export DEEPSEEK_API_KEY=“sk-xxx”

然后

source ~/.zshrc
踩坑 4:没设 max_tokens

❌ 错误:不限制,可能超长

response = client.chat.completions.create(
model=“deepseek-chat”,
messages=[…]
)

费用可能爆

✅ 正确:限制输出

response = client.chat.completions.create(
model=“deepseek-chat”,
messages=[…],
max_tokens=2000
)
踩坑 5:没处理余额不足

❌ 错误:直接调用

response = client.chat.completions.create(…)

✅ 正确:加余额检查

try:
response = client.chat.completions.create(
model=“deepseek-chat”,
messages=[…]
)
except Exception as e:
if “balance” in str(e).lower():
print(“余额不足,请充值”)
# 提醒用户
3. 性能优化

优化 1:流式

stream=True

优化 2:温度

temperature=0.7

优化 3:限制输出

max_tokens=2000
实测:首字延迟从 1.5s 降到 300-500ms。

4. 完整代码(可直接复制)
   import os
   from openai import OpenAI

client = OpenAI(
api_key=os.getenv(“DEEPSEEK_API_KEY”),
base_url=“https://api.deepseek.com/v1”
)

def chat(message: str, model: str = “deepseek-chat”) -> str:
response = client.chat.completions.create(
model=model,
messages=[{“role”: “user”, “content”: message}],
temperature=0.7,
max_tokens=2000
)
return response.choices[0].message.content

if name == “main”:
print(chat(“你好”))
20 行代码,5 分钟跑通。

5. 总结
   步骤 时间 难度
   注册 DeepSeek 1 分钟 ⭐
   安装 SDK 30 秒 ⭐
   第一个调用 1 分钟 ⭐
   流式响应 1 分钟 ⭐
   多轮对话 1 分钟 ⭐
   总 5 分钟 很简单
   DeepSeek V3 是国产最强之一,直接接 API 也很简单。