摘要：访问 DeepSeek 官网 并注册/登录。进入控制台，创建 API 密钥（API Key），复制保存备用。
以下是使用 Python 调用 DeepSeek API 的详细教程，以调用其自然语言处理模型为例：
步骤 1：获取 API 密钥
访问 DeepSeek 官网 并注册/登录。进入控制台，创建 API 密钥（API Key），复制保存备用。步骤 2：安装依赖库
bash
pip install Requests
步骤 3：编写 Python 代码
python
import requests
import json
def call_deepseek_api(prompt, api_key, model="deepseek-chat", max_tokens=2048, temperature=0.7):
"""
调用 DeepSeek API 生成文本
参数:
prompt (str): 用户输入的提示文本
api_key (str): 你的 API 密钥
model (str): 使用的模型名称
max_tokens (int): 生成的最大 token 数
temperature (float): 控制生成随机性 (0.1~2.0)
"""
# API 端点 (请根据官方文档确认最新地址)
url = "https://api.deepseek.com/v1/chat/completions"
# 请求头
headers = {
"Content-Type": "application/JSON",
"Authorization": f"Bearer {api_key}",
"Accept": "application/json"
}
# 请求体
data = {
"model": model,
"messages": [
{"role": "user", "content": prompt}
],
"temperature": temperature,
"max_tokens": max_tokens
}
try:
response = requests.post(url, headers=headers, data=json.dumps(data))
response.raise_for_status # 检查 HTTP 错误
result = response.json
if 'choices' in result and len(result['choices']) > 0:
return result['choices'][0]['message']['content']
else:
return "Error: No response generated."
except requests.Exceptions.RequestException as e:
return f"Request Error: {e}"
except json.JSONDecodeError as e:
return f"JSON Parse Error: {e}"
# 使用示例
if __name__ == "__main__":
API_KEY = "your_api_key_here" # 替换为你的 API 密钥
prompt = "如何用 Python 实现快速排序？"
response_text = call_deepseek_api(prompt, API_KEY)
print("DeepSeek 响应：\n", response_text)
步骤 4：运行与测试
将代码中的 your_api_key_here 替换为实际 API 密钥。运行代码，观察控制台输出的响应结果。参数说明model模型名称，如 deepseek-chat（根据 API 支持的模型调整）messages对话历史，格式为 [{"role": "user", "content": "你的问题"}]temperature控制生成随机性：值越低输出越确定，值越高越随机max_tokens限制生成内容的长度（1 token ≈ 1个中文汉字或 0.75 个英文单词）常见问题处理
API 密钥无效检查密钥是否复制完整，或在控制台重新生成。速率限制
如果返回 429 Too Many Requests，需降低调用频率或升级套餐。模型不可用
确认 model 参数是否为当前支持的模型名称。响应格式错误
使用 try-except 捕获 JSON 解析错误，检查 API 返回的原始数据。
官方文档参考
详细参数和最新接口请查阅 DeepSeek API 文档通过以上步骤，你可以轻松集成 DeepSeek 的 AI 能力到 Python 应用中！
来源：老客数据一点号
