背景介绍：DeepSeek R1 和 V3 是什么？
红烁AI 培训，红烁 AI 中转站为您整理：DeepSeek 是深度求索（DeepSeek AI）推出的大语言模型系列，凭借极具竞争力的性价比和开放的 API 接口，迅速成为国内外开发者的热门选择。
目前最常用的两个版本是：
- DeepSeek-R1：专为复杂推理设计，内置”思维链”（Chain-of-Thought）能力，在数学、逻辑推断、代码调试等任务上表现突出。调用时模型会先输出
<think>推理过程，再给出最终答案。 - DeepSeek-V3：通用型旗舰模型，在对话、文本生成、代码补全、摘要等日常任务上速度更快、成本更低，适合高并发生产场景。
两个模型均通过 OpenAI 兼容接口 对外提供服务，这意味着你几乎不需要学习新的 SDK，用已有的 OpenAI Python 库就能直接调用。
准备工作：获取 API Key
在写任何代码之前，先完成以下准备步骤：
- 访问 platform.deepseek.com，注册并登录账号。
- 进入「API Keys」页面，点击「创建 API Key」，复制并妥善保存生成的密钥（页面关闭后不再显示）。
- 确认账户余额充足，新用户通常有免费额度可用。
DeepSeek 的 API Base URL 为：
https://api.deepseek.com建议将 API Key 存入环境变量，而不是硬编码在代码里：
export DEEPSEEK_API_KEY="sk-your-key-here"安装依赖
DeepSeek 官方推荐使用 openai Python SDK，只需切换 base_url 和 api_key 即可。安装命令：
pip install openai如果你更倾向于直接发 HTTP 请求，也可以使用 requests 库，后文会一并演示。
核心内容：Python 调用 DeepSeek API
1. 调用 DeepSeek-V3（通用对话）
下面是最简单的单轮对话示例，使用 OpenAI SDK 调用 DeepSeek-V3：
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ.get("DEEPSEEK_API_KEY"),
base_url="https://api.deepseek.com"
)
response = client.chat.completions.create(
model="deepseek-chat", # 对应 DeepSeek-V3
messages=[
{"role": "system", "content": "你是一个专业的 Python 开发助手。"},
{"role": "user", "content": "用 Python 写一个快速排序算法，并加上注释。"}
],
temperature=0.7,
max_tokens=1024
)
print(response.choices[0].message.content)
其中 model="deepseek-chat" 指向最新版 DeepSeek-V3。temperature 控制输出随机性，0 表示确定性最强，1 表示最具创意。
2. 调用 DeepSeek-R1（推理模型）
调用 R1 只需将 model 参数改为 deepseek-reasoner。R1 会在 reasoning_content 字段中返回推理过程：
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ.get("DEEPSEEK_API_KEY"),
base_url="https://api.deepseek.com"
)
response = client.chat.completions.create(
model="deepseek-reasoner", # 对应 DeepSeek-R1
messages=[
{"role": "user", "content": "一个正整数 n，满足 n! 末尾恰好有 10 个零，求所有可能的 n。"}
]
)
message = response.choices[0].message
# 打印推理过程（R1 特有）
if hasattr(message, "reasoning_content") and message.reasoning_content:
print("=== 推理过程 ===")
print(message.reasoning_content)
print("=== 最终答案 ===")
print(message.content)
R1 的推理过程有助于调试和理解模型决策，在数学证明、逻辑题等场景下尤为有价值。
3. 流式输出（Streaming）
对于需要实时显示回复的场景（如聊天界面），开启流式输出可以大幅提升用户体验：
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ.get("DEEPSEEK_API_KEY"),
base_url="https://api.deepseek.com"
)
stream = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "user", "content": "介绍一下 Python 的异步编程机制。"}
],
stream=True # 开启流式输出
)
for chunk in stream:
delta = chunk.choices[0].delta
if delta.content:
print(delta.content, end="", flush=True)
print() # 换行
4. 多轮对话
多轮对话的关键是维护 messages 列表，将历史消息一并传入：
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ.get("DEEPSEEK_API_KEY"),
base_url="https://api.deepseek.com"
)
messages = [{"role": "system", "content": "你是一个友好的编程助手。"}]
while True:
user_input = input("你：")
if user_input.lower() in ("exit", "quit", "退出"):
break
messages.append({"role": "user", "content": user_input})
response = client.chat.completions.create(
model="deepseek-chat",
messages=messages
)
assistant_reply = response.choices[0].message.content
messages.append({"role": "assistant", "content": assistant_reply})
print(f"助手：{assistant_reply}\n")
实际应用场景
了解了基础调用方式后，来看几个典型的落地场景：
- 代码审查工具：将代码片段发给 DeepSeek-V3，让它指出潜在 Bug 和优化建议，集成到 CI/CD 流水线中。
- 数学/逻辑题求解器：使用 DeepSeek-R1，利用其推理能力逐步拆解复杂问题，适合教育类应用。
- 文档自动生成：传入函数签名和注释，让 V3 生成规范的 API 文档或 README。
- 智能客服后端：结合多轮对话能力，构建具备上下文记忆的客服机器人，降低人工成本。
- 数据分析报告：将结构化数据以文本形式传入，让模型生成自然语言分析摘要。
常见问题 FAQ
Q1：调用时报 AuthenticationError，怎么排查？
首先确认 API Key 是否正确复制，注意不要包含多余的空格。其次检查环境变量是否生效（可用 print(os.environ.get("DEEPSEEK_API_KEY")) 验证）。如果 Key 已过期或余额为零，也会触发此错误，登录控制台确认账户状态即可。
Q2：DeepSeek-R1 和 V3 如何选择？
简单来说：需要推理过程或解决复杂逻辑问题，选 R1；追求速度和成本效率的通用任务，选 V3。 R1 的 Token 消耗通常更高（因为包含推理链），生产环境中建议先用 V3 测试，只在确实需要推理能力时切换到 R1。
Q3：如何控制输出长度和格式？
通过 max_tokens 限制最大输出长度。如果需要 JSON 格式输出，可以在 System Prompt 中明确要求，并设置 response_format={"type": "json_object"}（V3 支持此参数）。
Q4：遇到 RateLimitError 怎么办？
DeepSeek API 有并发和 TPM（每分钟 Token 数）限制。建议在代码中加入指数退避重试逻辑，或使用 tenacity 库自动处理重试。高并发场景可申请提升限额。
Q5：能否在没有网络的环境中使用？
DeepSeek 官方 API 需要联网。如果有离线需求，可以考虑下载 DeepSeek 的开源权重（在 Hugging Face 上公开），通过 ollama 或 vLLM 在本地部署，接口格式与云端 API 基本一致。
总结
在 Python 中调用 DeepSeek R1 和 V3 API 的核心步骤只有三步：安装 openai SDK、配置 base_url 和 api_key、按需选择 deepseek-reasoner 或 deepseek-chat 模型。得益于 OpenAI 兼容接口，迁移成本极低，现有项目几乎可以零改动切换。
建议从单轮对话开始验证连通性，再逐步引入流式输出和多轮上下文管理，最后根据业务场景决定是否需要 R1 的推理能力。DeepSeek 的高性价比使其成为个人项目和商业产品的双优选择，值得深入探索。
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。