什么是 DeepSeek API？为什么值得学习
红烁AI 培训，红烁 AI 中转站为您整理：DeepSeek 是由深度求索公司推出的大语言模型系列，其 API 服务让开发者可以通过标准 HTTP 请求调用 DeepSeek-V3、DeepSeek-R1 等顶级模型的能力。与 OpenAI 相比，DeepSeek API 的价格低至同类产品的 1/10 到 1/20，同时在代码生成、数学推理、中文理解等任务上表现出色。
对于想要构建 AI 应用的开发者来说，这是一个极具性价比的切入点。本篇 DeepSeek API 新手入门从零开始教程将覆盖从注册到实战的完整路径，不需要任何 AI 背景知识。
第一步：注册账号并获取 API Key
1.1 注册 DeepSeek 开放平台账号
- 访问 platform.deepseek.com，点击右上角「注册」
- 支持手机号或邮箱注册，国内外用户均可使用
- 完成邮箱验证后登录控制台
1.2 创建 API Key
- 登录后进入「API Keys」页面，点击「创建 API Key」
- 为 Key 起一个便于识别的名称，例如
my-first-project - 重要：Key 只显示一次，请立即复制并保存到安全位置，例如系统环境变量或密码管理器
1.3 充值与免费额度
新用户注册后通常可获得一定免费 Token 额度，足够完成本教程的所有练习。正式使用时按 Token 计费，DeepSeek-V3 的输入价格约为每百万 Token 1 元人民币，成本极低。
第二步：配置开发环境
2.1 安装 Python 与依赖库
本教程以 Python 为例，推荐使用 Python 3.8 及以上版本。DeepSeek API 完全兼容 OpenAI SDK，因此直接安装 openai 库即可：
pip install openai2.2 安全配置 API Key
切勿将 API Key 硬编码在代码中。推荐通过环境变量传入：
# macOS / Linux
export DEEPSEEK_API_KEY="your_api_key_here"
# Windows PowerShell
$env:DEEPSEEK_API_KEY="your_api_key_here"在代码中通过 os.environ.get() 读取，避免密钥泄露到代码仓库。
第三步：发送第一个 API 请求
3.1 最简单的对话示例
下面是一个完整的最小可运行示例，展示如何调用 DeepSeek 完成一次对话：
import os
from openai import OpenAI
# 初始化客户端，指向 DeepSeek 的 base_url
client = OpenAI(
api_key=os.environ.get("DEEPSEEK_API_KEY"),
base_url="https://api.deepseek.com"
)
# 发送对话请求
response = client.chat.completions.create(
model="deepseek-chat", # 对应 DeepSeek-V3
messages=[
{"role": "system", "content": "你是一个友好的 AI 助手。"},
{"role": "user", "content": "用一句话解释什么是机器学习。"}
],
temperature=0.7, # 控制输出随机性，0~1
max_tokens=200
)
print(response.choices[0].message.content)运行后你将看到模型返回的回答。恭喜，你已经完成了第一次 DeepSeek API 调用！
3.2 启用流式输出（Streaming）
流式输出让回答像打字机一样逐字显示，适合构建聊天界面：
stream = client.chat.completions.create(
model="deepseek-chat",
messages=[{"role": "user", "content": "写一首关于秋天的短诗"}],
stream=True
)
for chunk in stream:
delta = chunk.choices[0].delta.content
if delta:
print(delta, end="", flush=True)
print() # 换行第四步：核心进阶用法
4.1 实现多轮对话
多轮对话的关键是维护 messages 列表的历史记录，每次请求都把完整历史传入：
messages = [{"role": "system", "content": "你是一个编程助手。"}]
while True:
user_input = input("你：")
if user_input.lower() == "quit":
break
messages.append({"role": "user", "content": user_input})
response = client.chat.completions.create(
model="deepseek-chat",
messages=messages
)
reply = response.choices[0].message.content
messages.append({"role": "assistant", "content": reply})
print(f"AI：{reply}\n")4.2 使用推理模型 DeepSeek-R1
对于需要深度推理的任务（数学、逻辑、代码调试），可以切换到 R1 模型：
response = client.chat.completions.create(
model="deepseek-reasoner", # 对应 DeepSeek-R1
messages=[
{"role": "user", "content": "证明根号2是无理数"}
]
)
# R1 模型会返回思维链过程
print(response.choices[0].message.reasoning_content) # 推理过程
print(response.choices[0].message.content) # 最终答案4.3 关键参数说明
- temperature：取值 0~1，越低输出越确定，适合代码生成；越高越有创意，适合写作
- max_tokens：限制单次回复的最大长度，控制成本
- top_p：与 temperature 配合使用，一般二选一调整即可
- system 消息：设定 AI 的角色和行为规范，是提示词工程的核心
实际应用场景举例
掌握基础调用后，你可以快速构建以下实用工具：
- 智能客服机器人：结合业务知识库，自动回答用户问题
- 代码审查助手：将代码片段发送给模型，获取优化建议
- 文档摘要工具：批量处理长文档，提取关键信息
- 多语言翻译服务：利用 DeepSeek 强大的中英文能力构建翻译 API
- 个人学习助手：结合 RAG 技术，让 AI 基于你的笔记回答问题
常见问题 FAQ
Q1：调用时报 401 错误怎么办？
401 表示认证失败。请检查：API Key 是否正确复制（无多余空格）、环境变量是否已在当前终端会话中生效、Key 是否已被删除或禁用。
Q2：返回结果被截断，没有输出完整内容？
这是 max_tokens 设置过小导致的。适当增大该值，或检查 finish_reason 字段，若值为 length 则说明触发了长度限制。
Q3：如何估算 API 调用费用？
可以使用 response.usage 查看本次请求消耗的 Token 数量，包括 prompt_tokens（输入）和 completion_tokens（输出），再对照官网价格表计算。
Q4：DeepSeek API 和 OpenAI API 可以无缝切换吗？
基本兼容。只需修改 base_url 和 model 参数即可。部分 OpenAI 专有功能（如 Assistants API、DALL-E）在 DeepSeek 侧不可用，但核心的 Chat Completions 接口完全兼容。
Q5：如何保护 API Key 不被泄露？
使用环境变量或 .env 文件存储密钥，并将 .env 加入 .gitignore。在生产环境中使用密钥管理服务（如 AWS Secrets Manager）。定期轮换 Key，并在控制台监控异常用量。
总结
通过这篇 DeepSeek API 新手入门从零开始教程，你已经掌握了从注册账号、获取 API Key、配置环境，到实现单轮对话、流式输出、多轮对话的完整流程。DeepSeek 的 OpenAI 兼容接口大幅降低了学习成本，让你可以用已有的知识快速上手。
下一步建议：尝试将 API 集成到一个真实的小项目中，比如用 Flask 搭建一个简单的 Web 聊天界面，或者用 DeepSeek-R1 解决一道你感兴趣的数学题。动手实践是掌握 API 开发最快的路径。
想了解更多AI工具和技巧？欢迎访问红烁AI 培训，红烁 AI 中转站，获取最新AI资讯和实用教程。