Python 程式如何用 DeepSeek API?
與 AI 模型對話,不一定要透過瀏覽器。程式可以透過互聯網向 DeepSeek 發出訊息,然後收到一段文字回覆,隨即可印出、儲存,或交給更大程式的下一步處理。 程式就是這樣取得 AI 答案,而無需人手從聊天視窗複製貼上。
本文的程式向 DeepSeek 提出 「What is the traditional Chinese for Hong Kong?」這個問題,並印出回覆,全程只用 21 行。
先取得金鑰
DeepSeek 需要知道誰在發問,所以程式要出示一條 API 金鑰:一串像密碼 一樣的保密字元。API 是 Application Programming Interface(應用 程式介面)的縮寫,即程式之間透過互聯網溝通的方式。要取得金鑰,請到 https://platform.deepseek.com/ 註冊;少量餘額已足夠試用,金鑰可在 API keys 頁面建立。
金鑰絕不能直接寫進程式裡,否則任何讀到代碼的人都能拿走它。金鑰應放在同一資料夾內
一個名為 .env 的小檔案中,裡面只有一行:
DEEPSEEK_API_KEY=paste-your-key-here
下載示範程式後,請自行建立這個檔案;zip 內並不包括它,因為金鑰是個人的。
逐段拆解程式
import os
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv()
這裡引入了三個函式庫。os 是 operating system(作業
系統)的縮寫;在這裡用來讀取環境變數,即存放在代碼以外的設定。
load_dotenv 讀取 .env 檔案,把每一行複製到那些環境變數
之中。OpenAI 是 openai 套件的連接器。它以另一間
AI 公司命名,但 DeepSeek 特意採用相同的訊息格式,所以同一個連接器兩者皆宜:你只需
更改它連接的地址。
client = OpenAI(
api_key=os.environ.get("DEEPSEEK_API_KEY"),
base_url="https://api.deepseek.com",
)
這裡建立連接器。os.environ.get("DEEPSEEK_API_KEY") 讀取
load_dotenv() 剛才從 .env 載入的金鑰,而
base_url 是 DeepSeek 服務的互聯網地址。從此連接器發出的每個請求
都會送往該地址並帶著金鑰,DeepSeek 便知道請求來自哪個帳戶。
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,
)
這裡送出問題並等候回覆。model="deepseek-flash" 選定由哪個 DeepSeek
模型作答;DeepSeek 的文件會列出最新的模型名稱,它們會隨時間改變。
messages 清單是迄今的對話:system 訊息設定模型的
行事方式,user 訊息則是實際的問題。stream=False
要求一次過取得整段回覆,而不是逐字逐字地看著它到來。
print(response.choices[0].message.content)
回覆藏在回應包裹的幾層之下。choices 是候選回覆的清單——幾乎總是只有
一個——所以 [0] 取出第一個,而 message.content 就是
它的文字。印出來的正是這段文字。
完整程式
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)
在自己的電腦上執行
下載 zip 檔案並
解壓到一個資料夾。這個 zip 包含程式和一個 pyproject.toml 專案檔案。
請如上所示,加入你自己的 .env 金鑰檔案。然後在 Visual Studio Code 中
開啟資料夾,在終端機逐行輸入以下三行:
uv python pin 3.12.10
uv sync
uv run deepseek_chat.py
第一行記錄這個資料夾使用哪個 Python 版本。第二行設定專案,並安裝程式需要的兩個套件
openai 和 python-dotenv。第三行執行程式。幾秒之後,
回覆便會出現:
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**
你執行時的措辭很可能不同,因為模型每次都會即場寫出新的回覆。
如果你還未設定 uv,請先從 如何安裝 Visual Studio Code?開始,然後看 uv 筆記: Windows 或 Mac。
限制
- 它需要金鑰和互聯網。
.env裡沒有有效的金鑰,或者 沒有連線,程式都會以錯誤終止。 - 回覆要花少許費用。DeepSeek 按處理的文字量收費。像這樣的一條 問題只需一仙的零頭,但程式若發問數千條問題,累積起來也可觀。
- 回覆不保證正確。模型寫的是看似合理的文字,而非核實過的事實, 所以重要的答案仍需人看一眼。給模型提供參考資料會有幫助;見下方的 RAG 筆記。
- 模型名稱會改變。
deepseek-flash是執筆時的通用 名稱;舊名稱可能失效,有疑問時請查閱文件。
延伸閱讀
- DeepSeek API 文件列出最新的模型名稱,以及聊天呼叫可以調校的一切。
- https://platform.deepseek.com/ 是註冊和複製 API 金鑰的地方。
- Python 程式如何用 Tavily API 搜尋互聯網?展示同一個模式——金鑰放
.env、連接器、一次呼叫——只是換上搜尋服務而非聊天模型。 - 如何提供網頁,用檢索增強生成(RAG)減少 AI 幻覺?正是建基於這個呼叫之上,先把參考文字交給模型。