DeepSeek API 接入教程：从注册到 Python 调用实战

随着大模型能力越来越强，将 AI 集成到自己的项目里已经成为许多开发者的日常。DeepSeek 作为目前性价比极高的国产大模型，不仅效果出色，API 调用也极其简单。这篇文章就带你从零开始，完成 DeepSeek API 的注册与 Python 实战接入，让你快速拥有自己的 AI 应用。

## 注册与获取 API Key

首先打开 DeepSeek 开放平台（platform.deepseek.com），使用手机号或邮箱注册账号。登录后进入控制台，在左侧菜单中找到「API Keys」选项，点击「创建 API Key」，给密钥起个名字并复制保存。注意密钥只显示一次，建议立刻存到本地环境变量中。

新注册用户通常会有一定的免费额度，可以在「用量管理」中查看剩余 token 数。如果额度用完，按照官方的按量计费规则充值即可。

## 开发环境准备

DeepSeek 完全兼容 OpenAI SDK，这意味着我们几乎不用学习新的调用方式。在 Python 环境中安装 openai 库：

```bash pip install openai ```

建议 Python 版本 >= 3.8。然后我们在代码中设置 API Key 与 Base URL。DeepSeek 的 API 地址为 `https://api.deepseek.com`。为了方便管理，可以先把密钥写入环境变量：

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

## 同步调用示例

最简单的对话调用只需要几行代码。创建一个 Python 文件，内容如下：

```python import os from openai import OpenAI

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

response = client.chat.completions.create( model="deepseek-chat", messages=[ {"role": "system", "content": "你是一个乐于助人的助手。"}, {"role": "user", "content": "用一句话介绍深度学习。"}, ], temperature=0.7, max_tokens=256, )

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

请求参数中，`model` 可以使用 `deepseek-chat`（对应 V3 模型）或 `deepseek-reasoner`（R1 推理模型）。`temperature` 控制随机性，`max_tokens` 限制回复长度。返回对象里的 `choices` 列表包含模型回复，我们取出第一项的内容即可。

## 流式输出实战

在构建聊天机器人或需要实时显示回复的场景中，流式输出能极大提升用户体验。只需在 `create` 方法中加入 `stream=True`，然后迭代 chunks：

```python stream = client.chat.completions.create( model="deepseek-chat", messages=[ {"role": "user", "content": "写一首关于人工智能的短诗。"} ], stream=True, )

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

每个 chunk 的 `delta` 中包含增量内容，我们逐块打印即可实现打字机效果。记得处理可能出现的空 content 情况。

## 常用参数说明

- **model**：选择模型，`deepseek-chat` 适合大多数通用任务，`deepseek-reasoner` 会输出思维链，擅长复杂推理。 - **messages**：对话列表，包含 system（系统设定）、user（用户消息）、assistant（模型回复）三种角色。多轮对话只需在列表中追加历史记录。 - **temperature**：0 到 2 之间，较低的值让输出更确定，较高的值让回复更多样。 - **max_tokens**：单次回复的最大 token 数，算上输入的总 token 数不能超过模型上下文上限（deepseek-chat 为 64K）。 - **top_p**：核采样参数，与 temperature 二选一微调随机性，一般保持默认即可。

## 错误处理与最佳实践

简单加入 try-except 捕获常见异常：

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

同时建议封装请求函数，统一管理重试、超时和日志。对于高频调用，可以通过 token 缓存和提示词优化降低成本。

## 更灵活的模型选择与支付方式

有时候我们不止需要 DeepSeek，还希望体验 Qwen、Claude、Gemini 等其他顶级模型，又或者希望用 USDT 直接支付、避免复杂的银行卡绑定。这时候可以选择一个稳定的 API 中转服务，比如 [TokenPocket API 中转站](https://tokenpocket.site)。它支持 DeepSeek、Qwen、Claude、Gemini 等多种模型，完全按量计费，无需月付套餐，并可用 USDT 直接充值使用。新用户注册还有免费额度赠送，非常适合开发者和创业者快速接入多模型能力。只需将代码中的 `base_url` 和 `api_key` 换成中转站提供的地址，即可无缝切换，非常方便。