5分钟学会使用DeepSeek API搭建简易AI问答应用

在当今的人工智能领域，大型语言模型如DeepSeek正逐渐成为实现高效问答系统的关键工具。然而，对于初学者或希望快速上手的使用者来说，配置和使用这些模型可能会显得复杂且令人困惑。为此，本教程将详细指导您如何一步步配置DeepSeek大模型以实现简易AI问答功能。无论您是希望构建自己的智能助手，还是仅仅对大型语言模型的工作原理感到好奇，本文都将为您提供实用的指南和清晰的步骤，帮助您轻松掌握DeepSeek大模型的配置与使用技巧。

        deepseek-v3是截止博文撰写之日，无论是国内还是国际上发布的大模型中表现十分亮眼的模型，这里以deepseek为例，讲解如何获取api_key、base_url、chat_model。

1、获取api

       首先打开deepseek接口的官网:DeepSeek

         点右上角“开放平台”

         新号一般会送10元的余额，左上方会显示你当前余额按照当前的价格所拥有的tokens数量（tokens可以简单的理解为你输入给大模型的提示词+大模型输出的内容之和所占用的字符数，这个后续博客中会细讲分词原理），这个tokens数量可能会随着模型价格变化而变化，不过deepseek的api价格比较便宜，如图上所展示的送给新人的500万tokens数也够个人使用很久了。

        接着，点击左侧的API keys,然后点击创建API key

         一般需要给API key命名用来区分不同的API，比如下图命名为“test”

        这里需要注意的是，系统生成的API key只有第一次创建时能看到并且复制，此后都无法再次看到，只能看到名字，所以需要大家第一次就将其复制下来，保存到你的文件中，当然如果忘记了也影响不大，重新创建一个就行。

2、获取base_url和chat_model

         同样以deepseek为例，点击2.1.1页面左下角的接口文档，或者直接进入DeepSeek API文档

         进入文档后，在“快速开始”的“首次调用API”中，可以找到base_url和chat_model，如下：

base_url = https://api.deepseek.com/v1

chat_model='deepseek-chat'

 其他平台与deepseek的获取方式差不多

3、配置模型参数

        base_url和chat_model直接定义即可，但api key是关乎着模型是否能够使用的，所以尽量不要把其暴露在模型定理里面，而是把他添加到环境变量里，这里介绍两种方法添加环境变量。

方法一：终端中临时将加入

        在终端中临时将token加入变量，此时该环境变量只在当前终端内有效 ！！！所以该种方法需要我们在该终端中运行我们的py脚本。

export api_key="填入你的api token"

        若是想永久加入环境变量，可以对 ~/.bashrc 文件中添加以下内容并保存。

export api_key="填入你的api token"

        此时在代码中获取api 只需要在Python脚本中添加以下代码即可

import os
api_key = os.getenv('api_key')
base_url = "https://api.deepseek.com/v1"
chat_model = "deepseek-chat"

方法二：创建.env文件

        终端输入命令临时创建也比较麻烦，而且只在当前终端内有效，而创建.env文件存储api_key则不存在这种问题。

        首先创建.env文件，然后输入以下内容，记得替换成你的token

api_key="your api_key"

同一路径下创建脚本文件，然后在代码中添加以下内容

import os
from dotenv import load_dotenv


# 加载.env文件中的环境变量
load_dotenv()

# 获取特定的环境变量
api_key = os.getenv('api_key')

base_url = "https://api.deepseek.com/v1"
chat_model = "deepseek-chat"

4、 配置client

         有了前面的三个参数，我们就可以构造一个client，构造client只需要两个东西：api_key和base_url。

from openai import OpenAI
client = OpenAI(
    api_key = api_key,
    base_url = base_url
)

5、利用deepseek大模型实现简易AI问答

我们这里使用第二种方式定义api_key，创建.env文件存储api_key后，在.env同一目录下创建脚本文件，填入以下代码：

import os
from dotenv import load_dotenv
from openai import OpenAI
# 加载环境变量
load_dotenv()
# 从环境变量中读取api_key
api_key = os.getenv('api_key')
base_url = "https://api.deepseek.com/v1"
chat_model = "deepseek-chat"


client = OpenAI(
    api_key = api_key,
    base_url = base_url
)

        有了这个client，我们就可以去实现各种能力了。

举个简单例子测试一下模型是否配置成功，配置好api的token后，输入以下代码

import os
from dotenv import load_dotenv
from openai import OpenAI

# 加载环境变量
load_dotenv()

# 从环境变量中读取api_key
api_key = os.getenv('api_key')
base_url = "https://api.deepseek.com/v1"
chat_model = "deepseek-chat"

client = OpenAI(
    api_key=api_key,
    base_url=base_url
)

try:
    # 发送一个简单的消息到模型
    response = client.chat.completions.create(
        model=chat_model,
        messages=[
            {"role": "system", "content": "你是一个乐于助人的AI助手，能够帮助用户解决各种专业问题."},
            {"role": "user", "content": "你好，介绍下你自己"}
        ]
    )
    
    # 打印模型的回复
    print("Model response:")
    print(response.choices[0].message.content)
except Exception as e:
    print(f"An error occurred: {e}")

结果如下：

         证明配置成功，如果没有回应，检查API key是否配置对了，如果对了可能是平台服务器的原因，等服务器恢复正常就好了

总结：

通过本教程，我们详细探讨了如何配置DeepSeek大模型以实现简易问答功能。从获取API密钥和模型参数，到配置环境变量和客户端，再到实际的问答测试，我们一步步地引导您完成了整个配置过程。希望本文能够为您在使用DeepSeek大模型时提供有力的支持，让您能够轻松构建出功能强大的问答系统。无论是学术研究、商业应用还是个人兴趣，掌握这一技能都将为您带来无尽的可能性。随着人工智能技术的不断发展，我们相信DeepSeek大模型将在更多领域展现出其巨大的潜力和价值。