用 Python 调用 DeepSeek API：从入门到实战

作为 AI 和 Python 爱好者，调用大模型 API 是实现智能应用的关键技能。DeepSeek（深度求索）是国内领先的大模型服务商，其 API 兼容 OpenAI 格式，使用 Python 的 openai 库即可快速接入。本文将手把手教你如何通过代码调用 DeepSeek 模型，并实现流式对话和多轮交互功能。

1. 环境准备与 API 密钥获取

1.1 安装 openai 库

首先确保安装最新版 openai 库：

1

pip install openai

1.2 获取 DeepSeek API Key

访问 DeepSeek 开放平台，注册账号并登录。
在控制台创建 API Key，务必首次生成时保存密钥（后续无法查看）。

1.3 配置密钥（安全推荐）

为避免代码泄露密钥，建议通过环境变量管理：

1
2


# 终端中临时设置（仅当前会话有效）
export DEEPSEEK_API_KEY="your-api-key"

或在 Python 代码中加载 .env 文件：

1
2
3
4


# 安装 python-dotenv: pip install python-dotenv
from dotenv import load_dotenv
load_dotenv()
api_key = os.getenv("DEEPSEEK_API_KEY")

2. 基础调用：实现单轮对话

2.1 初始化客户端

DeepSeek 的 base_url 需指定为 https://api.deepseek.com，模型名称使用 deepseek-chat：

1
2
3
4
5
6


from openai import OpenAI

client = OpenAI(
    api_key=api_key,
    base_url="https://api.deepseek.com"  # 官方接口地址
)

2.2 发送请求并获取回复

1
2
3
4
5
6
7
8
9


response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "你是一个幽默的助手"},
        {"role": "user", "content": "讲一个冷笑话"}
    ],
    stream=False  # 非流式输出
)
print(response.choices[0].message.content)

输出示例：

为什么程序员总分不清万圣节和圣诞节？因为 Oct 31 == Dec 25！（八进制和十进制梗）
编者注:
在进制转换中，“Oct"代表八进制，而"Dec"代表十进制
而八进制下的"31"代表十进制下的"25”
正巧，在英语中，万圣节所在的八月缩写就是"Oct."，而圣诞节所在的十二月缩写则刚好是"Dec."
而万圣节刚好在八月31日（英文:“Oct. 31st”），圣诞节则是十二月25日（英文:“Dec. 25th”）
此处的编者指本文著作权人（Shanziyi）

3. 进阶功能：流式输出与多轮对话

3.1 流式输出（逐字显示）

启用 stream=True 可实现类似 ChatGPT 的实时响应效果：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


response = client.chat.completions.create(
    model="deepseek-chat",
    messages=messages,
    stream=True
)

full_response = []
print("Assistant: ", end="", flush=True)
for chunk in response:
    if content := chunk.choices[0].delta.content:
        print(content, end="", flush=True)  # 逐字打印
        full_response.append(content)
ai_reply = "".join(full_response)

3.2 多轮对话实现

通过维护 messages 列表记录历史对话：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16


messages = [{"role": "system", "content": "你是一个百科全书助手"}]

while True:
    user_input = input("\nYou: ")
    if user_input.lower() == "exit":
        break
    
    messages.append({"role": "user", "content": user_input})
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=messages,
        stream=True
    )
    
    # 处理流式响应（代码同上）
    messages.append({"role": "assistant", "content": ai_reply})

4. 错误处理与调试

4.1 异常捕获

API 调用可能因网络或密钥问题失败，需添加异常处理：

1
2
3
4
5
6


try:
    response = client.chat.completions.create(...)
except openai.APIError as e:
    print(f"API 错误: {e.status_code} - {e.message}")
except Exception as e:
    print(f"其他错误: {str(e)}")

4.2 常见问题

无响应：检查 API Key 是否正确，或尝试 base_url="https://api.deepseek.com/v1"。
模型切换：若需调用推理模型，可替换为 model="deepseek-reasoner"。

5. 扩展应用：图形界面开发

参考网页2的 Tkinter 示例，可快速搭建带实时流式输出的 GUI 应用。核心逻辑包括：

使用 threading 处理异步请求
通过 ScrolledText 组件显示彩色对话历史
维护消息队列实现流畅交互

结语

通过 openai 库调用 DeepSeek API，仅需数行代码即可实现智能对话功能。无论是命令行工具还是 GUI 应用，均可基于本文代码扩展。更多高级功能（如调整温度参数 temperature、设置最大生成长度 max_tokens）可参考 DeepSeek 官方文档。

完整代码示例及环境配置细节，可访问参考链接：CSDN 教程、脚本之家案例。

完

作者：Shanziyi
本文属自己撰稿，禁止转载，引用时请标明出处！
© Shanziyi 2025
本文由Shanziyi撰写，deepseek协助了撰稿
本文中所有“编者注”都由Shanziyi撰写

总访问量: