【AI模型开发】DeepSeek API对接开发

本文收录于 《人工智能学习入门》专栏。从零基础开始,分享一些人工智能、机器学习、深度学习相关的知识,包括基本概念、技术原理、应用场景以及如何开发实战等等。

相信完整学习后会有很多收获。欢迎关注,谢谢!

一、前言

DeepSeek 2023年7月成立于杭州,是幻方量化旗下的子公司,全称是杭州深度求索人工智能基础技术研究有限公司。

最近关于DeepSeek的一些新闻热点信息,大家估计都有所了解,比如"成立时间才一年多"、“最近推出的V3已经能和OpenAI的4o媲美”、“训练成本不到600W美元”、“API定价仅是国内其他头部厂商几十分之一”、"APP已经在中美APP store登上免费应用榜首"等等。

DeepSeek模型已经对标国内Qwen、海外Llama、GPT 4o,从公布的榜单评测上看:DeepSeek-V3 在开源模型中位列榜首,与世界上最先进的闭源模型不分伯仲。

既然DeepSeek这么火,所以,本文介绍一下如何开发对接DeepSeek API,实现AI问答功能。

官网地址:https://www.deepseek.com/
在这里插入图片描述

二、准备工作

首先‌,注册一个DeepSeek开放平台账号,并登录。

https://platform.deepseek.com/sign_in

在这里插入图片描述

之后,创建自己的key,复制保存下来。
在这里插入图片描述

三、简单调用API

首先,安装依赖包openai。

可以在命令行窗口执行命令安装。

pip3 install openai

也可以使用anaconda包管理工具安装。

在这里插入图片描述

之后,编写代码调用DeepSeek API,比如问题“中国最大的湖泊是什么”

from openai import OpenAI


client = OpenAI(api_key="填写自己的key", base_url="https://api.deepseek.com")

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "You are a helpful assistant"},
        {"role": "user", "content": "中国最大的湖泊是什么"},
    ],
    stream=False
)

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

控制台输出的结果如下:

在这里插入图片描述

四、更多

关于DeepSeek API调用价格如下:
在这里插入图片描述
备注:token 是模型用来表示自然语言文本的基本单位,也是我们的计费单元,可以直观的理解为“字”或“词”;通常 1 个中文词语、1 个英文单词、1 个数字或 1 个符号计为 1 个 token。

更多的内容,见官方API文档:https://api-docs.deepseek.com/zh-cn/

五、总结

以上介绍了如何编程调用DeepSeek API接口,实现AI问答功能。希望通过这篇博文,让大家对DeepSeek 有初步的认识和了解,谢谢。

如果您对文章中内容有疑问,欢迎在评论区进行留言,我会尽量抽时间给您回复。如果文章对您有帮助,欢迎点赞、收藏。您的点赞,是对我最大的支持和鼓励,谢谢 :-)

### 集成 DeepSeek模型到全栈开发中的方法 为了实现 AI 网站在全栈环境中与 DeepSeek模型的有效集成,需考虑前后端架构设计以及 API 接口的构建。以下是具体实施过程: #### 后端服务搭建 后端主要负责处理来自前端用户的请求并将这些请求转发给 DeepSeek 模型服务器。 1. 创建 Flask 或 FastAPI 应用来接收 HTTP 请求。 2. 对接 DeepSeek 提供的服务接口,通常为 RESTful API 形式。 3. 解析返回的结果并将其发送回客户端应用。 ```python from fastapi import FastAPI, Request import requests app = FastAPI() @app.post("/predict") async def predict(request: Request): data = await request.json() # 发送 POST 请求至 DeepSeek 服务地址 response = requests.post('https://deepseek.example.com/api/v1/predict', json=data) result = response.json() return {"prediction": result['output']} ``` 此部分代码展示了如何利用 Python 中流行的异步 Web 框架 FastAPI 来创建一个简单的预测接口[^2]。 #### 前端页面制作 前端则侧重于用户体验的设计,包括但不限于输入框、按钮等交互组件;同时也要确保能够正确发起 AJAX 请求并与后台通信。 采用现代 JavaScript 框架如 React.js 构建动态网页界面,通过 Axios 实现跨域资源加载及 JSON 数据交换。 ```javascript // src/components/PredictionForm.jsx import axios from 'axios'; const PredictionForm = () => { const handleSubmit = async (event) => { event.preventDefault(); try { let res = await axios({ method: "POST", url: "/predict", // 这里的 URL 是相对路径指向本地部署的后端服务 headers: {'Content-Type': 'application/json'}, data: {input_text: document.getElementById("text").value} }); console.log(res.data.prediction); } catch(error){ console.error("Error:", error); } }; return ( <form onSubmit={handleSubmit}> <textarea id="text"></textarea> <button type="submit">Submit</button> </form> ); }; export default PredictionForm; ``` 上述代码片段说明了怎样借助 React 组件化编程方式快速建立表单提交逻辑,并向后端传递待分析文本内容。 #### 安全部署考量 当涉及到实际生产环境下的部署时,安全性和性能优化变得至关重要。应采取措施保护敏感信息传输的安全性,比如启用 HTTPS 加密连接;另外还需注意对并发量较大的情况做适当限流控制以保障服务质量。 对于大规模应用场景来说,可能还需要引入负载均衡器分发流量,配置 CDN 缓存静态资源等方式提高访问速度和稳定性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

姑苏老陈

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值