DeepSeek API 接入教程:从注册到 Python 调用实战

无论你是想为自己的应用接入大模型,还是希望在工作流中批量调用 AI,直接使用官方 API 都是最灵活、稳定的方式。DeepSeek 提供了与 OpenAI 兼容的接口,几分钟就能跑通第一个程序。下面我会带你从零开始,完成注册、获取密钥,并用 Python 实现一次真实的对话调用。

### 注册并获取 API Key

打开 DeepSeek 官网,进入开发者平台(通常位于顶部导航栏的“开发者”或“API”入口)。使用手机号或邮箱完成注册,登录后进入「API Keys」页面。

点击「创建 API Key」,系统会生成一个以“sk-”开头的密钥,**请立即复制并保存**,离开页面后将无法再次查看。同时建议在设置中完成实名认证并充值少量余额,以便调用商用模型(如 deepseek-chat),新账户通常也会有免费额度用于测试。

### 环境准备

DeepSeek 的 API 完全兼容 OpenAI SDK,你可以直接使用 `openai` 库。在你的 Python 环境中执行:

```bash pip install openai ```

推荐使用 Python 3.8 及以上版本,并在项目内将 API Key 配置为环境变量,避免硬编码:

```bash export DEEPSEEK_API_KEY="你的sk-xxxx" ```

### 编写调用代码

新建 `chat_demo.py`,写入以下内容:

```python import os from openai import OpenAI

# 初始化客户端,指向 DeepSeek 的端点 client = OpenAI( api_key=os.getenv("DEEPSEEK_API_KEY"), base_url="https://api.deepseek.com" )

# 构造对话消息 messages = [ {"role": "system", "content": "你是一个乐于助人的技术博主"}, {"role": "user", "content": "请用 Python 写一个快速排序函数,并添加注释"} ]

# 调用 chat completion response = client.chat.completions.create( model="deepseek-chat", # 或 deepseek-reasoner messages=messages, temperature=0.7, max_tokens=1024 )

# 输出回复 print(response.choices[0].message.content) ```

运行脚本:

```bash python chat_demo.py ```

控制台会打印出 DeepSeek 生成的代码及注释。整个结构和你调用 OpenAI GPT-4 的代码几乎完全一致,迁移成本极低。

### 关键参数说明

- **model**:常用 `deepseek-chat` 处理对话和文本生成,`deepseek-reasoner` 适用于需要深度推理的场景。 - **temperature**:0~1 之间,越低回答越确定,越高越有创造性。代码生成建议 0.3 以下,文案创作可调至 0.8。 - **max_tokens**:限制输出的最大 token 数,防止费用失控。 - **messages**:严格遵循 OpenAI 格式,system 设定角色,user 提出问题,还可以加入 assistant 的历史回复实现多轮对话。

如果需要流式输出,只需在 `create` 中加入参数 `stream=True`,并用 for 循环逐步获取 delta:

```python stream = client.chat.completions.create( model="deepseek-chat", messages=messages, stream=True ) for chunk in stream: delta = chunk.choices[0].delta if delta and delta.content: print(delta.content, end="", flush=True) ```

### 更简单的接入选择

官方 API 需要自行管理 Key 和充值,如果同时使用多个模型,或者在开发阶段想避免繁琐的注册流程,也可以通过 API 中转站统一调用。这里推荐 **TokenPocket API 中转站**([https://tokenpocket.site](https://tokenpocket.site)),它已经接入 DeepSeek、Qwen、Claude、Gemini 等主流模型,全部按量计费,只需一个 Key 即可调用多个厂商。新用户注册就送免费额度,非常适合快速原型验证和轻量级应用,大幅降低多模型集成的复杂度。

Read more

Claude API 接入教程:编程与写作中的实战技巧

Claude API 在编程辅助、写作润色和内容生成场景中表现稳定。本文将用最小可用代码带你完成接入,并分享几个实战技巧。 ## 准备工作:获取 Key 与环境配置 调用 Claude API 需要 API Key。为了便于国内开发者使用,你可以直接从官方申请,也可以通过支持多模型的 API 中转站获取统一 Key。本文以 Python 的 `requests` 库为例,只需要安装: ```bash pip install requests ``` ## 基础调用:发送第一条消息 Claude 使用 `/v1/messages` 接口,核心参数包括 `model`、`max_tokens` 和 `messages`。下面是一个最小可运行示例: ```python import requests API_

By 罗本

ETH vs TRON 转账手续费对比:每年能省多少钱?

很多人在转账 USDT 时,习惯使用以太坊网络,却忽略了手续费这笔“隐形支出”。单看一笔似乎不多,但日积月累,尤其是在高频转账场景下,差距会非常大。今天我们就用 ETH 和 TRON 两个网络,算一笔明白账。 ## 一、单笔手续费差距有多大? 以太坊网络转账 USDT 需要使用 ETH 作为 Gas 费。Gas 费会随网络拥堵程度波动,普通时段一笔 ERC20 USDT 转账大约需要 3~8 美元,高峰期甚至可能超过 10~20 美元。 波场网络转账 USDT 或 USDD 则采用资源模型,主要消耗“能量”和“带宽”,通常用 TRX 来支付或质押获取资源。

By 罗本

AI API 按量计费 vs 包月套餐怎么选

很多开发者在接入大模型 API 时,第一个纠结的问题就是:到底选按量计费还是包月套餐?这并没有绝对答案,关键要看你的调用量是否稳定、可预测。简单结论是:开发测试、流量波动大、或刚上线的产品,优先选按量计费;生产环境流量稳定且量级较大时,再考虑包月套餐。 **先看你的调用曲线** 按量计费的核心优势是“用多少付多少”。假设你的应用每天只有几百次请求,或者某些时段会突然出现峰值,按量计费不会让你为闲置额度买单。包月套餐则适合那些请求量非常稳定、且每月至少消耗固定 token 量的团队。 我们可以用一段简单代码估算单次请求成本: ```python def estimate_cost(tokens_in, tokens_out, price_in, price_out): # 价格单位:美元 / 1M tokens return (tokens_in / 1_000_000) * price_in

By 罗本

自由职业者收款指南:用 USDT 波场网络零费用结算

自由职业者做跨境业务,最头疼的不是找客户,而是收款。传统银行电汇慢、手续费高,PayPal 又有提现损耗和风控问题。越来越多自由职业者开始用 USDT 稳定币结算,其中波场网络 USDT 因为速度快、地址简单、生态成熟,成了很多人的首选。今天就用一篇通俗指南,讲清楚如何用波场网络实现 USDT/USDD 零费用收款。 ## 为什么自由职业者适合用 USDT 结算 USDT 锚定美元,价格稳定,客户容易接受。自由职业者收款最怕两件事:一是币价波动吃掉利润,二是到账慢影响现金流。USDT 能解决波动问题,而波场网络转账通常几秒钟到几分钟就能完成,比传统跨境汇款快得多。 另外,波场网络地址是 T 开头的一串字符,比以太坊地址更短,复制时不容易出错。对于需要频繁向不同客户发收款地址的自由职业者来说,这一点很实用。 ## USDT 和 USDD 怎么选 USDT 是最通用的稳定币,几乎所有交易所和钱包都支持,

By 罗本