Python 程序如何用 DeepSeek API?
与 AI 模型对话,不一定要通过浏览器。程序可以通过互联网向 DeepSeek 发出消息,然后收到一段文字回复,随即可打印、保存,或交给更大程序的下一步处理。 程序就是这样获取 AI 答案,而无需人工从聊天窗口复制粘贴。
本文的程序向 DeepSeek 提出 “What is the traditional Chinese for Hong Kong?”这个问题,并打印回复,全程只用 21 行。
先获取密钥
DeepSeek 需要知道谁在提问,所以程序要出示一个 API 密钥:一串像密码 一样的保密字符。API 是 Application Programming Interface(应用 程序接口)的缩写,即程序之间通过互联网沟通的方式。要获取密钥,请到 https://platform.deepseek.com/ 注册;少量余额已足够试用,密钥可在 API keys 页面创建。
密钥绝不能直接写进程序里,否则任何读到代码的人都能拿走它。密钥应放在同一文件夹内
一个名为 .env 的小文件中,里面只有一行:
DEEPSEEK_API_KEY=paste-your-key-here
下载示例程序后,请自行创建这个文件;zip 内并不包括它,因为密钥属于个人。
逐段拆解程序
import os
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv()
这里引入了三个库。os 是 operating system(操作系统)
的缩写;在这里用来读取环境变量,即存放在代码以外的设置。load_dotenv
读取 .env 文件,把每一行复制到那些环境变量之中。
OpenAI 是 openai 软件包的连接器。它以另一家
AI 公司命名,但 DeepSeek 特意采用相同的消息格式,所以同一个连接器两者都适用:你只需
更改它连接的地址。
client = OpenAI(
api_key=os.environ.get("DEEPSEEK_API_KEY"),
base_url="https://api.deepseek.com",
)
这里创建连接器。os.environ.get("DEEPSEEK_API_KEY") 读取
load_dotenv() 刚才从 .env 加载的密钥,而
base_url 是 DeepSeek 服务的互联网地址。从此连接器发出的每个请求
都会发送到该地址并带着密钥,DeepSeek 便知道请求来自哪个账户。
response = client.chat.completions.create(
model="deepseek-flash",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "What is the traditional Chinese for Hong Kong?"},
],
stream=False,
)
这里发送问题并等待回复。model="deepseek-flash" 选定由哪个 DeepSeek
模型作答;DeepSeek 的文档会列出最新的模型名称,它们会随时间改变。
messages 列表是迄今为止的对话:system 消息设定模型的
行为方式,user 消息则是实际的问题。stream=False
要求一次性获取整段回复,而不是逐字看着它到来。
print(response.choices[0].message.content)
回复藏在响应包的几层之下。choices 是候选回复的列表——几乎总是只有
一个——所以 [0] 取出第一个,而 message.content 就是
它的文字。打印出来的正是这段文字。
完整程序
import os
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv()
client = OpenAI(
api_key=os.environ.get("DEEPSEEK_API_KEY"),
base_url="https://api.deepseek.com",
)
response = client.chat.completions.create(
model="deepseek-flash",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "What is the traditional Chinese for Hong Kong?"},
],
stream=False,
)
print(response.choices[0].message.content)
在自己的电脑上运行
下载 zip 文件并
解压到一个文件夹。这个 zip 包含程序和一个 pyproject.toml 项目文件。
请如上所示,加入你自己的 .env 密钥文件。然后在 Visual Studio Code 中
打开文件夹,在终端逐行输入以下三行:
uv python pin 3.12.10
uv sync
uv run deepseek_chat.py
第一行记录这个文件夹使用哪个 Python 版本。第二行设置项目,并安装程序需要的两个软件包
openai 和 python-dotenv。第三行运行程序。几秒之后,
回复便会出现:
The traditional Chinese for “Hong Kong” is **香港** — the same characters are used in both traditional and simplified Chinese.
- Cantonese: **Hoeng1 Gong2**
- Mandarin: **Xiānggǎng**
你运行时的措辞很可能不同,因为模型每次都会即时写出新的回复。
如果你还没有设置 uv,请先从 如何安装 Visual Studio Code?开始,然后看 uv 笔记: Windows 或 Mac。
局限
- 它需要密钥和互联网。
.env里没有有效的密钥,或者 没有连接,程序都会因错误而终止。 - 回复要花少许费用。DeepSeek 按处理的文字量收费。像这样的一条 问题只需一分钱的几分之一,但程序若提问数千条问题,累积起来也可观。
- 回复不保证正确。模型写的是看似合理的文字,而非核实过的事实, 所以重要的答案仍需人工过目。给模型提供参考资料会有帮助;见下方的 RAG 笔记。
- 模型名称会改变。
deepseek-flash是写作时的通用 名称;旧名称可能失效,有疑问时请查阅文档。
延伸阅读
- DeepSeek API 文档列出最新的模型名称,以及聊天调用可以调整的一切。
- https://platform.deepseek.com/ 是注册和复制 API 密钥的地方。
- Python 程序如何用 Tavily API 搜索互联网?展示同一个模式——密钥放
.env、连接器、一次调用——只是换上搜索服务而非聊天模型。 - 如何提供网页,用检索增强生成(RAG)减少 AI 幻觉?正是建立在这个调用之上,先把参考文字交给模型。