当前位置：首页 > news >正文

deepseek实战教程-第四篇开放平台接口文档使用

news 来源：原创 2025/5/9 4:31:14

第二篇讲解了如何本地安装大模型，然后编写一个基于js+springboot的项目，通过页面实现对话的功能。实际上，上面的demo用到是deepseek提供的接口，那么deepseek共提供了多少接口呢？这就要讨论到deepseek的接口库了，即api。本文介绍deepseek的官网api，以及提供了哪些接口可以供我们调用，能完成哪些功能。

一.api的官方地址

首先进入官方地址：https://www.deepseek.com/ 找到入口：

进入api开放平台

用手机号登录之后，进入页面：

右侧点击接口文档

进入api文档界面

右侧主要关注这三部分：快速开始、API 文档、API 指南

快速开始：通过该章，可以快速进入demo编写的阶段（调用的如果是官网开放的模型，需要配置官方的base_url和api_key，如果使用的是本地自己部署的，则只需要地址，不需要密码）

接下来我们分别来介绍这三部分

二.开放接口的详细内容

1.快速开始

1.1 这章节告诉我们通过什么网址，端口和方式来访问模型提供的开放功能。

提供了curl方式，python语言和nodejs的调用示例。

本文一nodejs为例：

// Please install OpenAI SDK first: `npm install openai`

import OpenAI from "openai";

const openai = new OpenAI({
        baseURL: 'https://api.deepseek.com',
        apiKey: '<DeepSeek API Key>'
});

async function main() {
  const completion = await openai.chat.completions.create({
    messages: [{ role: "system", content: "You are a helpful assistant." }],
    model: "deepseek-chat",
  });

  console.log(completion.choices[0].message.content);
}

main();

上篇文章是以java编写的，当然本质上都是http协议的接口，通过java的http客户端代码也可以很方便的调用，这里参考上文，不再赘述。

1.2 Temperature

Temperature 属性是大模型很重要的一个配置项，通俗理解是用来表示模型的“想象力”的，这个值越大，其发散能力越强，聚集能力也相应变弱。

不同的配置适合不同的场合，就好像左右脑，有的逻辑思维强，需要用大脑左半球，感性的知识需要用大脑右半球，这里的代码生成/数学解题等配置成0 最合适，不适合发散，创意类写作/诗歌创作类的需要发散思维的，需要配置更高一些，例如官网给的示例1.5.这里需要根据自己的业务场合进行配置。默认1.0，适合数据分析和数据抽取的业务场景，特别提到通用对话最好也也配置一下，改为1.3

1.3 token用量

token用量也是大模型自然语言的非常重要的一个概念，直观的理解为“字”或“词”；通常 1 个中文词语、1 个英文单词、1 个数字或 1 个符号计为 1 个 token。

一般情况下模型中 token 和字数的换算比例大致如下：

1 个英文字符 ≈ 0.3 个 token。
1 个中文字符 ≈ 0.6 个 token。

这个值一般也是我们量化计算机算力的一个指标。

2.API 文档

2.1 基本信息

这里定义了http接口的

HTTP Authorization Scheme为bearer

2.2 对话补全接口

详细解释了一个接口：

https://api.deepseek.com/chat/completions

这个接口是用来做对话补全的，包括接口的入参和返回结构。也是http接口，post的，

调用接口的示例如下：

OkHttpClient client = new OkHttpClient().newBuilder()
  .build();
MediaType mediaType = MediaType.parse("application/json");
RequestBody body = RequestBody.create(mediaType, "{\n  \"messages\": [\n    {\n      \"content\": \"You are a helpful assistant\",\n      \"role\": \"system\"\n    },\n    {\n      \"content\": \"Hi\",\n      \"role\": \"user\"\n    }\n  ],\n  \"model\": \"deepseek-chat\",\n  \"frequency_penalty\": 0,\n  \"max_tokens\": 2048,\n  \"presence_penalty\": 0,\n  \"response_format\": {\n    \"type\": \"text\"\n  },\n  \"stop\": null,\n  \"stream\": false,\n  \"stream_options\": null,\n  \"temperature\": 1,\n  \"top_p\": 1,\n  \"tools\": null,\n  \"tool_choice\": \"none\",\n  \"logprobs\": false,\n  \"top_logprobs\": null\n}");
Request request = new Request.Builder()
  .url("https://api.deepseek.com/chat/completions")
  .method("POST", body)
  .addHeader("Content-Type", "application/json")
  .addHeader("Accept", "application/json")
  .addHeader("Authorization", "Bearer <TOKEN>")
  .build();
Response response = client.newCall(request).execute();

这个接口其实跟我们通过网页对话是类似的参数，采样温度的设置，token长度的设置

可以选择返回是流式输出还是json模式

2.3FIM 补全（Beta）

接口地址：https://api.deepseek.com/beta/completions

特别注意：

用户需要设置 base_url="https://api.deepseek.com/beta" 来使用此功能。

同样是一个http接口，具体不详细赘述

2.4 模型（Model）列出模型

接口地址：

https://api.deepseek.com/models

get方式接口

列出可用的模型列表，并提供相关模型的基本信息。

代码示例：

OkHttpClient client = new OkHttpClient().newBuilder()
  .build();
MediaType mediaType = MediaType.parse("text/plain");
RequestBody body = RequestBody.create(mediaType, "");
Request request = new Request.Builder()
  .url("https://api.deepseek.com/models")
  .method("GET", body)
  .addHeader("Accept", "application/json")
  .addHeader("Authorization", "Bearer <TOKEN>")
  .build();
Response response = client.newCall(request).execute();

3.API 指南

https://api-docs.deepseek.com/zh-cn/guides/reasoning_model

本章是做了几个概念的解释

3.1推理模型 (deepseek-reasoner)

3.2多轮对话

本指南将介绍如何使用 DeepSeek /chat/completions API 进行多轮对话。

3.3对话前缀续写（Beta）

3.4FIM 补全（Beta）

在 FIM (Fill In the Middle) 补全中，用户可以提供前缀和后缀（可选），模型来补全中间的内容。FIM 常用于内容续写、代码补全等场景。

3.5JSON Output

在很多场景下，用户需要让模型严格按照 JSON 格式来输出，以实现输出的结构化，便于后续逻辑进行解析。

DeepSeek 提供了 JSON Output 功能，来确保模型输出合法的 JSON 字符串。

3.6Function Calling

Function Calling 让模型能够调用外部工具，来增强自身能力。

3.7上下文硬盘缓存

DeepSeek API 上下文硬盘缓存技术对所有用户默认开启，用户无需修改代码即可享用。

用户的每一个请求都会触发硬盘缓存的构建。若后续请求与之前的请求在前缀上存在重复，则重复部分只需要从缓存中拉取，计入“缓存命中”。

3.8提示库

各种提示样例，学习demo

三.总结

通过上面的介绍，我们就基本掌握了deepseek提供的基础的开发api功能，我们可以通过学习掌握这些api接口，来在自己的项目中调用所需接口，完成我们自己的业务功能，实现和我们的项目的嵌入。当然这是程序员的工作，并不是没有编程基础的人做的事情，希望我们能够尽快掌握并进入大模型的业务开发中，实现工作效率和业务效率的双重提升

通过本章我们已经可以完成deepseek的应用开发了。但是这一步还不够，我们下一步需要了解大模型本身更多原理性的知识，下一章我会讲解如何获取并下载开源的deepseek源码，并通过源码来分析deepseek的架构，以及怎样学习deepseek更核心和模型本身的知识