deepseek api如何调用 硅基流动
时间: 2025-03-17 13:14:33 浏览: 44
### 如何调用 DeepSeek API
#### 准备工作
在正式调用 DeepSeek API 之前,需要完成一些必要的准备工作。这包括注册账户并获取个人专属的 API Key,以及安装所需的依赖库[^1]。
#### 安装依赖库
为了能够顺利调用 DeepSeek API,需确保已安装 `requests` 库。如果尚未安装该库,可以通过以下命令进行安装:
```bash
pip install requests
```
#### 配置 API 密钥
成功注册账号后,在用户的控制面板中可以找到自己的 API Key。此密钥将在后续请求头中作为认证凭证使用[^2]。
#### 请求示例 (Python)
下面是一个完整的 Python 示例代码,展示如何通过非流式接口向 DeepSeek 发送请求:
```python
import os
import requests
api_key = 'your_api_key_here' # 替换为您的实际 API Key
url = "https://api.deepseek.com/v1/completions"
headers = {
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
payload = {
"prompt": "请解释一下什么是人工智能?",
"max_tokens": 50,
"temperature": 0.7,
"stream": False
}
response = requests.post(url, headers=headers, json=payload)
if response.status_code == 200:
result = response.json()
print(f"模型返回的结果: {result['response']}")
else:
print(f"请求失败,状态码:{response.status_code}, 错误信息:{response.text}")
```
上述代码片段展示了如何构建 POST 请求发送给指定 URL 地址,并设置相关参数如提示词 (`prompt`)、最大生成令牌数 (`max_tokens`) 和温度值 (`temperature`) 等属性。
#### 解析响应数据
当服务器接收到有效请求后会返回 JSON 格式的响应消息。一个典型的成功响应可能看起来像这样:
```json
{
"model": "deepseek-chat",
"created_at": "2025-02-15T20:15:30Z",
"response": "快速排序的 Python 实现步骤如下...",
"done": true,
"context": [147, 523, 994],
"total_duration": 54281234
}
```
其中,“response”字段包含了由 AI 模型生成的具体回复内容;而其他元数据则提供了关于此次交互的时间戳、所使用的具体模型版本以及其他技术细节等附加信息[^3]。
#### 使用流式输出
对于某些应用场景而言,实时接收部分结果可能是更优的选择。此时只需简单修改 payload 参数中的 “stream” 属性即可启用流模式。需要注意的是,在这种情况下处理逻辑也需要相应调整以便逐块读取传入的数据流。
---
阅读全文
相关推荐


















