使用Python调用DeepSeek API的全面教程

在当今人工智能快速发展的时代，API(应用程序编程接口)成为连接各种智能服务的重要桥梁。DeepSeek，作为一款由中国的深度求索公司开发的智能助手，其强大的自然语言处理能力和广泛的应用场景，吸引了众多开发者的关注。为了充分利用DeepSeek的潜力，掌握如何使用Python调用其API显得尤为重要。本教程将详细介绍如何使用Python语言，通过一系列步骤，实现从环境准备到API调用的全过程，帮助开发者轻松集成DeepSeek功能到自己的项目中。无论是初学者还是有经验的开发者，都能通过本教程快速上手，开启与DeepSeek的智能交互之旅。

简介

本文将详细介绍如何使用 Python 调用 DeepSeek API，实现流式对话并保存对话记录。相比 Go 版本，Python 实现更加简洁优雅，适合快速开发和原型验证。https://cloud.siliconflow.cn/i/vnCCfVaQ

1. 环境准备

1.1 依赖安装

pip install requests

1.2 项目结构

deepseek-project/
├── main.py           # 主程序
└── conversation.txt  # 对话记录文件

2. 完整代码实现

import os
import json
import time
import requests
from datetime import datetime

def save_to_file(file, content, is_question=False):
    """保存对话内容到文件"""
    timestamp = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
    if is_question:
        file.write(f"\n[{timestamp}] Question:\n{content}\n\n[{timestamp}] Answer:\n")
    else:
        file.write(content)

def main():
    # 配置
    url = "https://api.siliconflow.cn/v1/chat/completions"
    headers = {
        "Content-Type": "application/json",
        "Authorization": "Bearer YOUR_API_KEY"  # 替换为你的 API Key
    }

    # 打开文件用于保存对话
    with open("conversation.txt", "a", encoding="utf-8") as file:
        while True:
            # 获取用户输入
            question = input("\n请输入您的问题 (输入 q 退出): ").strip()
            
            if question.lower() == 'q':
                print("程序已退出")
                break

            # 保存问题
            save_to_file(file, question, is_question=True)

            # 准备请求数据
            data = {
                "model": "deepseek-ai/DeepSeek-V3",
                "messages": [
                    {
                        "role": "user",
                        "content": question
                    }
                ],
                "stream": True,
                "max_tokens": 2048,
                "temperature": 0.7,
                "top_p": 0.7,
                "top_k": 50,
                "frequency_penalty": 0.5,
                "n": 1,
                "response_format": {
                    "type": "text"
                }
            }

            try:
                # 发送流式请求
                response = requests.post(url, json=data, headers=headers, stream=True)
                response.raise_for_status()  # 检查响应状态

                # 处理流式响应
                for line in response.iter_lines():
                    if line:
                        line = line.decode('utf-8')
                        if line.startswith('data: '):
                            if line == 'data: [DONE]':
                                continue
                            
                            try:
                                content = json.loads(line[6:])  # 去掉 'data: ' 前缀
                                if content['choices'][0]['delta'].get('content'):
                                    chunk = content['choices'][0]['delta']['content']
                                    print(chunk, end='', flush=True)
                                    file.write(chunk)
                                    file.flush()
                            except json.JSONDecodeError:
                                continue

                # 添加分隔符
                print("\n----------------------------------------")
                file.write("\n----------------------------------------\n")
                file.flush()

            except requests.RequestException as e:
                error_msg = f"请求错误: {str(e)}\n"
                print(error_msg)
                file.write(error_msg)
                file.flush()

if __name__ == "__main__":
    main()

3. 代码详解

3.1 核心功能

文件记录功能

save_to_file 函数负责：

• 生成时间戳

• 格式化保存问题和答案

• 自动刷新文件缓冲区

API 配置

headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer YOUR_API_KEY"  # 替换为你的 API Key
}

流式请求处理

程序使用 requests 库的流式处理功能：

• 使用 stream=True 启用流式传输

• 逐行处理响应数据

• 实时显示和保存内容

3.2 配置参数说明

API 请求参数：

• model: 使用的模型名称

• stream: 启用流式输出

• max_tokens: 最大输出长度 (2048)

• temperature: 控制随机性 (0.7)

• top_p, top_k: 采样参数

• frequency_penalty: 重复惩罚系数

4. 错误处理

代码包含完整的错误处理机制：

• 检查 HTTP 响应状态

• 捕获网络异常

• 处理 JSON 解析错误

• 文件操作错误处理

5. 使用方法

5.1 修改配置

在代码中替换 YOUR_API_KEY 为你的实际 API Key。

5.2 运行程序

python main.py

5.3 交互方式

• 输入问题进行对话

• 输入 ‘q’ 退出程序

• 查看 conversation.txt 获取对话记录

6. 性能优化建议

1. 文件操作

• 使用适当的缓冲区大小

• 定期刷新文件缓冲

• 正确关闭文件句柄

2. 网络请求

• 设置适当的超时

• 使用会话（Session）复用连接

• 处理网络异常

3. 内存管理

• 及时释放资源

• 避免大量数据积累

• 使用生成器处理流式数据

总结

通过本教程的学习，我们详细了解了如何使用Python调用DeepSeek API。从准备API Key、安装必要的Python库，到构建请求数据、发送请求并处理响应，每一个步骤都进行了详细的说明和示例。此外，我们还探讨了如何开启流式传输模式以实时获取答复，以及如何保存对话记录到文件中。通过本教程的实践，开发者可以轻松地将DeepSeek的强大功能集成到自己的项目中，实现更加智能和高效的应用。希望本教程能为你的开发之路提供有力支持，让你在人工智能的浪潮中乘风破浪，勇往直前。