DeepSeek API 接入教程:从注册到 Python 调用实战

随着 DeepSeek 系列模型在推理能力和成本控制上的出色表现,越来越多的开发者开始将其接入自己的应用中。本教程将带你从零开始,完成 DeepSeek API 的注册、密钥获取,并编写 Python 脚本进行实际调用。

## 第一步:注册并获取 API Key

访问 DeepSeek 开放平台(platform.deepseek.com),使用手机号或邮箱完成注册。登录后进入控制台,在左侧导航栏选择“API Keys”,点击“创建新的 API Key”,为密钥取一个便于管理的名称,创建后请立即复制并妥善保存。该密钥仅在创建时显示一次,离开页面后将无法再次查看。

注意:新注册用户通常会获得一定额度的免费赠金,有效期内可用于测试和开发。可调用模型包括 deepseek-chat(对应 V3)和 deepseek-reasoner(对应 R1)等。

## 第二步:环境准备

在本地或服务器上安装 Python 3.8 以上版本,并安装 OpenAI 兼容的 Python SDK。DeepSeek API 与 OpenAI 接口格式高度兼容,可直接使用 `openai` 库进行调用:

```bash pip install openai ```

此外,我们需要将 API Key 以安全的方式传入代码,推荐使用环境变量:

```bash export DEEPSEEK_API_KEY="你的API密钥" ```

在 Python 中通过 `os.getenv` 读取。

## 第三步:基本对话调用

以下是一个最简单的对话示例,使用 `deepseek-chat` 模型完成一次问答:

```python import os from openai import OpenAI

client = OpenAI( api_key=os.getenv("DEEPSEEK_API_KEY"), base_url="https://api.deepseek.com" )

response = client.chat.completions.create( model="deepseek-chat", messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "用一句话解释什么是大语言模型。"} ], temperature=0.7, max_tokens=256 )

print(response.choices[0].message.content) ```

如果一切正常,你将看到 DeepSeek 返回的简洁回答。你可以通过调整 `temperature` 控制随机性,通过 `max_tokens` 限制输出长度。

## 第四步:流式输出与推理模型

对于需要实时展示回复的场景,可以开启流式输出:

```python stream = client.chat.completions.create( model="deepseek-chat", messages=[{"role": "user", "content": "讲一个关于AI的冷笑话"}], stream=True )

for chunk in stream: if chunk.choices[0].delta.content: print(chunk.choices[0].delta.content, end="") ```

若要使用擅长复杂推理的 deepseek-reasoner 模型,只需将 `model` 参数改为 `"deepseek-reasoner"`,并根据需要读取其思考过程字段。

## 第五步:错误处理与计费

在实际生产环境中,建议对 API 调用添加异常捕获,常见错误包括网络超时、配额不足、速率限制等:

```python try: response = client.chat.completions.create(...) except Exception as e: print(f"请求失败: {e}") ```

DeepSeek API 按 token 计费,每次调用可在返回对象的 `usage` 字段中查看输入和输出 token 消耗,方便控制成本。

## 更灵活的接入选择

虽然直接使用官方 API 已足够方便,但在国内使用或需要同时调用多个模型时,TokenPocket API 中转站(https://tokenpocket.site)提供了一个实用的聚合方案。它支持 DeepSeek、Qwen、Claude、Gemini 等主流模型的按量计费,使用 USDT 直接支付,免去繁琐的银行卡绑定流程。对开发者最友好的是,所有模型均兼容 OpenAI 接口格式,只需修改 `base_url` 和 API Key 即可无缝切换。目前新用户注册还会赠送免费额度,非常适合在项目初期进行快速验证和多模型效果对比。

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