DeepSeek API 接入教程:从注册到 Python 调用实战

从年初 DeepSeek-R1 开源到如今 V3 版本持续迭代,DeepSeek 已经成为很多开发者的主力模型之一。无论你是想为个人项目添加智能对话能力,还是为企业应用接入大模型,DeepSeek 官方 API 都提供了低门槛、高性能的调用方案。这篇教程会从零开始,带你完成从账号注册到 Python 调用的全过程,并提供一个可直接运行的聊天示例。

## 1. 注册并获取 API Key

首先你需要一个 DeepSeek 开放平台账号。访问 [platform.deepseek.com](https://platform.deepseek.com),可以选择手机号或邮箱注册,按提示完成实名认证(个人开发者使用身份证即可,审核很快)。

登录后进入「API Keys」页面,点击「创建新的 API Key」,系统会生成一串以 `sk-` 开头的密钥。**请立即复制并保存**,这个页面关闭后将无法再次查看完整密钥。建议把 Key 存入环境变量或密码管理器,不要硬编码在代码中。

## 2. 理解计费与模型选择

DeepSeek 提供对话模型和代码模型,其中最常用的 `deepseek-chat` 对应 V3 版本,兼顾推理能力与成本。目前官方定价为:

- 输入:每百万 tokens 约 ¥1 元 - 输出:每百万 tokens 约 ¥2 元

新注册用户通常会赠送一定额度的免费 tokens,足够前期测试使用。你可以在平台的 Usage 页面随时查看消耗和余额,充值支持微信和支付宝。

## 3. 安装 Python SDK

DeepSeek 提供了官方的 Python 客户端,安装非常方便:

```bash pip install openai ```

没错,就是 OpenAI 的 Python 库。DeepSeek API 在接口设计上完全兼容 OpenAI 的 Chat Completions 规范,这意味着你甚至不需要额外安装任何第三方库。如果你已经在项目中使用 OpenAI SDK,只需修改 `base_url` 和 `api_key` 即可无缝切换。

## 4. 安全配置 API Key

建议通过环境变量存储密钥,避免直接写在代码中导致泄露。在终端中设置:

```bash export DEEPSEEK_API_KEY="你的sk-开头的密钥" ```

也可以将上面的命令写入 `~/.bashrc` 或 `~/.zshrc` 文件,使其永久生效。

## 5. Python 调用实战

下面是一个完整的聊天对话示例,它会向模型询问一个简单的技术问题,并打印流式返回的结果。

```python import os from openai import OpenAI

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

# 构建对话消息 messages = [ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "请用 Python 实现快速排序算法"} ]

# 发起请求,开启流式输出 response = client.chat.completions.create( model="deepseek-chat", messages=messages, stream=True )

# 逐块接收并打印回复内容 for chunk in response: delta = chunk.choices[0].delta if delta.content: print(delta.content, end="", flush=True) ```

运行这段脚本,终端会像 ChatGPT 一样逐字打印排序算法的代码和解释。如果你想一次性获取完整回复,只需将 `stream=True` 移除,然后通过 `response.choices[0].message.content` 获取完整文本。

## 6. 参数调优与进阶用法

在实际开发中,你可以通过以下参数精细控制生成效果:

- `temperature`:0~2,值越高输出越随机,代码生成建议设为 0。 - `max_tokens`:单次生成的最大 token 数,防止费用失控。 - `top_p`:核采样参数,推荐与 temperature 二选一使用。

除了对话生成,DeepSeek API 也支持 Function Calling、JSON Mode 等高级功能,具体用法与 OpenAI 接口完全一致,参照官方文档即可快速上手。

## 7. 如果你想统一管理多个模型

随着项目迭代,你可能需要同时使用 DeepSeek、Qwen、Claude、Gemini 等不同厂商的模型。此时逐个注册、充值、管理 Key 会变得繁琐。一个不错的方案是使用 API 中转站,一次接入即可调用多款热门模型,按量计费且无需担心额度过期。

这里推荐 [TokenPocket API 中转站](https://tokenpocket.site),它已接入 DeepSeek、千问、Claude、Gemini 等主流模型,接口同样兼容 OpenAI 格式,你只需把 `base_url` 换成中转站地址。支持 USDT 直接支付,充值门槛低,新用户注册还会自动赠送免费额度,方便你在正式使用前进行充分测试。对于需要频繁切换模型、不想维护多个供应商账户的开发者来说,这是一个很省心的选择。

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