DeepSeek 聊天完成 API 的应用与使用

在当今的人工智能技术中DeepSeek 是一个非常强大的对话系统。通过输入提示DeepSeek 能在几秒钟内生成流畅自然的回复。DeepSeek-V3 凭借其卓越的语言理解和生成能力在各个行业和领域中都有着广泛的应用其影响力日益显著。无论是日常对话、创意写作还是专业咨询和编程DeepSeek-V3 都能提供令人惊叹的智能助手极大地提升人类的工作效率和创造力。本文将详细介绍 DeepSeek 聊天完成 API 的使用过程帮助我们轻松利用 DeepSeek 对话功能。环境准备/前置条件访问 DeepSeek Chat Completion API 页面。注册并登录账户获取 API 请求所需的凭据。一旦申请首次使用将会提供一个免费的配额允许您免费使用该 API。详细步骤申请过程在访问 DeepSeek API 页面后点击“获取”按钮以获取请求凭据如果您尚未登录或注册将自动重定向到登录页面。完成登录或注册后将返回到当前页面。基本使用在页面界面中填写相应内容如下图所示首次使用时需填写至少三项内容authorization从下拉列表中直接选择。model选择要使用的 DeepSeek 官方模型。主要有四种类型的模型具体详情请查看提供的模型。messages一个数组包含我们的输入问题每个问题包含role和content。role表示提问者的身份提供三种身份user、assistant和system。content是我们问题的具体内容。右侧有代码生成可以直接复制运行或点击“试用”按钮进行测试。常用可选参数max_tokens限制单个回复的最大 token 数量。temperature生成随机性范围为 0-2值越大生成的内容越发散。n一次生成多少个候选回复。response_format设置返回格式。调用后返回的结果如下{ id: chatcmpl-050bf20a-ebcd-498a-bf6e-63ee0738013b, object: chat.completion, created: 1764846609, model: deepseek-v3.2-exp, usage: { prompt_tokens: 8, completion_tokens: 11, total_tokens: 19 }, choices: [ { index: 0, message: { content: Hello! How can I help you today?, role: assistant }, refs: null, logprobs: null, finish_reason: stop, service_tier: null } ] }返回结果中的各字段含义如下id该对话任务生成的 ID用于唯一标识该对话任务。created该对话任务的创建时间信息。model选择的 DeepSeek 官方模型。choicesDeepSeek 对问题提供的响应信息。usage该问答对的 token 统计信息。可以看到choices中的content字段包含 DeepSeek 的具体回复内容。流式响应此接口还支持流式响应非常适合网页集成允许网页实现逐字显示效果。若希望以流式方式返回响应可以将请求头中的stream参数更改为true。如图所示修改但调用代码需要进行相应的更改以支持流式响应。修改stream为true后API 将逐行返回相应的 JSON 数据代码层面需要做相应的修改以获取逐行结果。Python 示例调用代码import requests url https://api.acedata.cloud/deepseek/chat/completions headers { accept: application/json, authorization: Bearer {token}, content-type: application/json } payload { model: deepseek-v3, messages: [{role:user,content:hello}], stream: True } response requests.post(url, jsonpayload, headersheaders) print(response.text)输出效果如下data: {id: o7X27b1-2kFHot-97098d957dd1d39a-PDX, object: chat.completion.chunk, created: 1755437709, model: deepseek-v3, choices: [{delta: {content: Hello, role: assistant}, logprobs: null, finish_reason: null, index: 0}], usage: null} ... data: [DONE]可以看到响应中有多个datachoices中是最新的响应内容[DONE]表示流式响应已完全结束。多轮对话如果想要集成多轮对话功能需要在messages字段中上传多个问题。多轮问题的具体示例如下Python 示例调用代码import requests url https://api.acedata.cloud/deepseek/chat/completions headers { accept: application/json, authorization: Bearer {token}, content-type: application/json } payload { model: deepseek-v3, messages: [{role:user,content:Hello},{role:assistant,content:Hi! How can I assist you today?},{role:user,content:What I say just now?}] } response requests.post(url, jsonpayload, headersheaders) print(response.text)通过上传多个问题您可以轻松实现多轮对话并收到如下响应{ id: as-8g3qzbsw2b, object: chat.completion, created: 1755437895, model: deepseek-v3, choices: [ { index: 0, message: { role: assistant, content: You just said: \n\n**\Hello\** \n\nAnd I responded with: \n\n**\Hi! How can I assist you today?\** \n\nThen you followed up with: \n\n**\What I say just now?\** \n\nLet me know how I can help! }, finish_reason: stop, flag: 0 } ], usage: { prompt_tokens: 22, completion_tokens: 57, total_tokens: 79 } }可以看到choices中的信息与基本用法内容一致包括 DeepSeek 对多轮对话的具体回复。错误处理调用 API 时如果发生错误API 将返回相应的错误代码和消息。例如400 token_mismatched错误请求可能由于缺少或无效参数。401 invalid_token未授权无效或缺失授权 token。429 too_many_requests请求过多超出速率限制。500 api_error服务器内部错误服务器出现问题。错误响应示例{ success: false, error: { code: api_error, message: fetch failed }, trace_id: 2cf86e86-22a4-46e1-ac2f-032c0f2a4e89 }总结通过本文您了解了如何使用 DeepSeek 聊天完成 API 简便地实现对话功能。希望本文能帮助您更好地集成和使用该 API。如有任何问题请随时联系技术支持团队。平台背景 - 名称Ace Data