# DeepSeek API 配置 DEEPSEEK_API = { "base_url": "https://api.deepseek.com/v1/chat/completions", "api_key": "sk-d5623076734d4d1bb6fe246938931ab1", # 替换为你的实际key "default_model": "deepseek-chat", "max_history": 10 }写一个程序使用上面的api实现多轮对话

### 使用 DeepSeek API 实现多轮对话 为了实现基于 DeepSeek API 的多轮对话程序，可以结合 LangChain 工具库的功能。以下是详细的说明以及示例代码。 #### 1. 准备工作 在开始之前，需要完成以下准备工作： - 安装必要的依赖项 `langchain` 和 `deepseek`。 - 获取并配置 DeepSeek API 密钥。 - 设置环境变量以便于访问 API[^1]。 安装所需包可以通过以下命令完成： ```bash pip install langchain deepseek openai ``` #### 2. 多轮对话的核心逻辑 多轮对话的关键在于维护会话历史记录，并将其作为上下文传递给模型。LangChain 提供了专门用于管理聊天消息历史的类 `ChatMessageHistory`，这使得我们可以轻松地存储和检索用户的输入与模型的回答[^2]。 #### 3. 示例代码 下面是一个完整的 Python 脚本，展示了如何利用 DeepSeek-R1 模型构建一个多轮对话系统： ```python import os from langchain_community.chat_message_histories import ChatMessageHistory from langchain_core.messages import HumanMessage, AIMessage from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder from langchain_core.runnables import RunnableWithMessageHistory from langchain_openai import ChatOpenAI # 配置 DeepSeek API 参数 os.environ["DEEPSEEK_API_KEY"] = "your-deepseek-api-key" model = ChatOpenAI( model='deepseek-reasoner', temperature=0.7, max_tokens=256, base_url="https://api.deepseek.com/v1" ) # 初始化消息历史对象 history = ChatMessageHistory() def get_response(user_input): """获取模型响应""" history.add_user_message(user_input) # 添加用户的消息到历史中 prompt_template = ChatPromptTemplate.from_messages([ ("system", "You are a helpful assistant."), ("human", "{user_message}"), ("ai", "{response}") ]) runnable_model = RunnableWithMessageHistory(model=model, message_history=history) response = runnable_model.invoke(HumanMessage(content=user_input)) # 发送请求至模型 ai_message = AIMessage(content=str(response)) history.add_ai_message(ai_message.content) # 将 AI 响应加入历史记录 return ai_message.content if __name__ == "__main__": while True: user_input = input("User: ") if user_input.lower() in ["exit", "quit"]: break response = get_response(user_input) print(f"Assistant: {response}") ``` 上述脚本实现了基本的循环交互机制，在每次迭代过程中都会更新会话历史并将最新一轮的内容发送给 DeepSeek 模型进行推理[^2]。 --- ###