DeepSeek初学教程 4 与 FastAPI 快速集成

山海青风

已于 2025-03-20 12:58:29 修改

阅读量765

点赞数 17

分类专栏： # DeepSeek 文章标签： fastapi 人工智能 python

于 2025-03-20 12:44:32 首次发布

本文链接：https://blog.youkuaiyun.com/qq_41611586/article/details/146389392

版权

DeepSeek 专栏收录该内容

8 篇文章

订阅专栏

《DeepSeek 与 FastAPI 快速集成》

本文将带你从零开始，快速掌握如何将 DeepSeek API 与高效的 Python Web 框架 FastAPI 集成，通过简单易懂的实例，一步步完成 API 服务的搭建，轻松实现人工智能交互接口。

一、环境准备

（1）安装必要的库

确保你的 Python 环境已准备好，执行以下命令安装依赖库：

pip install fastapi uvicorn requests

fastapi：高效的 Python API 框架
uvicorn：快速的 ASGI 服务器
requests：用于发送 HTTP 请求

二、创建 FastAPI 项目

新建文件夹 deepseek_fastapi_demo，然后创建名为 main.py 的文件，结构如下：

deepseek_fastapi_demo/
└── main.py

三、编写 FastAPI 服务代码

在 main.py 中，编写以下代码：

from fastapi import FastAPI
from pydantic import BaseModel
import requests

# 创建 FastAPI 实例
app = FastAPI()

# 配置你的DeepSeek API 密钥
API_KEY = "YOUR_DEEPSEEK_API_KEY"
API_URL = "https://api.deepseek.com/v1/chat/completions"

# 定义请求体数据模型
class ChatRequest(BaseModel):
    message: str

# 定义 POST 接口，用户与DeepSeek对话
@app.post("/chat")
def chat_with_deepseek(request: ChatRequest):
    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }

    payload = {
        "model": "deepseek-chat",
        "messages": [{"role": "user", "content": request.message}],
        "temperature": 0.7
    }

    response = requests.post(API_URL, json=payload, headers=headers)

    if response.status_code == 200:
        reply = response.json()["choices"][0]["message"]["content"]
        return {"reply": reply}
    else:
        return {"error": response.text}

代码讲解：

使用了 Pydantic 的 BaseModel 定义请求数据格式。
通过 FastAPI 提供 /chat 接口，接收前端或客户端消息，并调用 DeepSeek API。
成功时返回模型回复，失败则返回错误信息。

四、启动 FastAPI 服务

执行以下命令启动服务：

uvicorn main:app --reload

运行成功后，终端输出如下：

INFO:     Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)
INFO:     Started reloader process [...]

此时 API 服务已启动，并监听在本地的 8000 端口。

五、快速测试接口

使用 curl 或 API 测试工具（如 Postman）测试接口：

curl -X POST "http://127.0.0.1:8000/chat" \
-H "Content-Type: application/json" \
-d '{"message": "DeepSeek API 有哪些模型？"}'

返回示例：

{

    "reply": "DeepSeek 是一个提供多种人工智能模型和服务的平台，具体可用的模型可能会根据平台的更新和用户需求而变化。以下是一些常见的模型类型，DeepSeek 可能提供的模型包括但不限于：\n\n1. **自然语言处理（NLP）模型**：\n   - **文本生成**：如 GPT 系列模型，用于生成连贯的文本。\n   - **文本分类**：用于将文本分类到预定义的类别中。\n   - **情感分析**：分析文本中的情感倾向（正面、负面、中性）。\n..."
}

Postman示例图

六、常见问题与优化建议

（1）如何处理 API 密钥安全性？

在生产环境中，推荐使用环境变量存储API密钥。
```
import os
API_KEY = os.getenv("DEEPSEEK_API_KEY")
```

在启动项目时，使用环境变量：

export DEEPSEEK_API_KEY='你的API密钥'
uvicorn main:app

（2）如何处理错误与异常？

为了保证 API 的健壮性，可以添加异常捕获并记录日志：

from fastapi import HTTPException

try:
    response = requests.post(API_URL, json=payload, headers=headers)
    response.raise_for_status()
    reply = response.json()["choices"][0]["message"]["content"]
    return {"reply": reply}
except requests.exceptions.HTTPError as e:
    raise HTTPException(status_code=response.status_code, detail=str(e))
except Exception as e:
    raise HTTPException(status_code=500, detail="服务器内部错误")