deepseek api python访问的第二种格式：也是意外通过人工智能回馈实现的

分享两点：1.人工智能的编程能力真的非常突出 2.个人的追问能力和兴趣探索在泛智能问答这块是相当需要的，意味着我们人人都可以更聪明更睿智。直接呈现代码，api key到官网付费获取就好针对国内用户可以说报价十分满分友好：

这段代码还结合了超长段落文本分割+question提问的思路，api key的一个tokens限制在65000-70000左右，之前专门调用脚本测试过，大概这个限制是针对于咱们个人用户设置，企业会有额外定制版。可以说这个限制也是相当宽泛了。

想要快速读懂这段代码，可以直接copy到通义千问的网页版进行提问：“解释这段代码”。希望大家都越来越来智能自主，变强。

import os
import requests
import time

# 忽略SSL证书验证警告（如果适用）
# 注意：在生产环境中应避免忽略SSL证书验证，这里仅为示例目的
# import ssl
# ssl._create_default_https_context = ssl._create_unverified_context

class DeepSeekClient:
    def __init__(self, api_key):
        self.api_key = api_key
        self.base_url = 'https://api.deepseek.com/v1'

    def chat_completion(self, messages, model='deepseek-reasoner', stream=False):
        headers = {
            'Authorization': f'Bearer {self.api_key}',
            'Content-Type': 'application/json'
        }

        try:
            response = requests.post(
                url=f'{self.base_url}/chat/completions',
                headers=headers,
                json={'model': model, 'messages': messages, 'stream': stream}
            )
            response.raise_for_status()
            return response.json()['choices'][0]['message']['content']
        except requests.exceptions.RequestException as e:
            print(f"请求失败: {str(e)}")
            if hasattr(e, 'response') and e.response is not None:
                print("响应内容:", e.response.text)
            raise


def split_content(content, max_tokens=64000):
    chunks = []
    while len(content) > max_tokens:
        chunks.append(content[:max_tokens])
        content = content[max_tokens:]
    if content:
        chunks.append(content)
    return chunks


def read_files_and_ask_questions(folder_path, output_file):
    try:
        # 获取文件夹下所有 .txt 文件
        txt_files = [f for f in os.listdir(folder_path) if f.endswith('.txt')]

        # 初始化 DeepSeek 客户端
        client = DeepSeekClient(api_key='sk-？？？？')

        # 打开输出文件以追加模式写入
        with open(output_file, 'w', encoding='utf-8') as output_f:
            for file_name in txt_files:
                file_path = os.path.join(folder_path, file_name)

                # 读取文件内容
                with open(file_path, 'r', encoding='utf-8') as file:
                    full_content = file.read()

                # 分割内容
                content_chunks = split_content(full_content, max_tokens=3000)  # 假设每个块不超过3000字符

                # 定义问题列表
                questions = [
                    "回答如下：1.什么行业 2.增量还是缩量 3.有什么创新。如果不符合，可以只返回none"
                ]

                print(f"开始分析文件：{file_name}\n")

                # 遍历问题并提问
                for question in questions:
                    for i, chunk in enumerate(content_chunks):
                        combined_content = (
                            f"{chunk}\n\n{question}\n\n"
                            "请参考历史投喂的信息，做出回答的更新迭代，并确保回答不超过300字。"
                        )
                        messages = [{"role": "user", "content": combined_content}]

                        # 调用 DeepSeek API 获取回答
                        response = client.chat_completion(messages)

                        # 标记第几次回答
                        response_mark = f"文件：{file_name} - 第 {i + 1} 片段 - 问题：{question}\n"

                        # 将回答追加到输出文件
                        output_f.write(response_mark)
                        output_f.write(f"回答：{response}\n{'-' * 50}\n")

                        print(f"{response_mark}回答：{response}\n{'-' * 50}")

                        # 等待 5 秒后再发起下一次请求
                        if i < len(content_chunks) - 1 or question != questions[-1]:
                            print("等待 5 秒后继续...\n")
                            time.sleep(5)

    except FileNotFoundError:
        print(f"错误：未找到文件夹 {folder_path}")
    except Exception as e:
        print(f"未知错误：{str(e)}")


if __name__ == "__main__":
    # 设置文件夹路径和输出文件路径
    folder_path = os.path.join(os.getcwd(), "财经新闻")
    output_file = os.path.join(os.getcwd(), "国产新闻联播总结.txt")

    # 调用函数读取文件并提问
    read_files_and_ask_questions(folder_path, output_file)