如何使用 DeepSeek API 进行机器学习开发

要使用 DeepSeek API 进行机器学习开发，您可以按照以下步骤进行：

1. 注册并获取 API 密钥：
   • 访问 DeepSeek 开放平台 并注册账号。
   • 登录后，导航至左侧边栏的“API Keys”选项，创建一个新的 API 密钥。创建完成后，请妥善保存该密钥，因为出于安全考虑，您将无法通过平台界面再次查看该密钥。 citeturn0search3
2. 安装所需的第三方库：
   • 在您的开发环境中，安装 OpenAI SDK。
     • Python： 运行以下命令安装：

       pip install openai
       

     • Node.js： 运行以下命令安装：

       npm install openai
       

3. 配置 API 客户端：
   • Python：

     import openai
     
     openai.api_key = '<Your DeepSeek API Key>'
     openai.api_base = 'https://api.deepseek.com'
     

   • Node.js：

     const OpenAI = require('openai');
     
     const openai = new OpenAI({
       apiKey: '<Your DeepSeek API Key>',
       baseURL: 'https://api.deepseek.com',
     });
     

4. 调用 DeepSeek API：
   • Python：

     response = openai.ChatCompletion.create(
         model="deepseek-chat",
         messages=[
             {"role": "system", "content": "You are a helpful assistant."},
             {"role": "user", "content": "Hello!"}
         ],
         stream=False
     )
     
     print(response['choices'][0]['message']['content'])
     

   • Node.js：

     async function main() {
       const completion = await openai.chat.completions.create({
         model: 'deepseek-chat',
         messages: [
           { role: 'system', content: 'You are a helpful assistant.' },
           { role: 'user', content: 'Hello!' }
         ],
         stream: false
       });
     
       console.log(completion.choices[0].message.content);
     }
     
     main();
     

5. 处理多轮对话：
   • 由于 DeepSeek 的 /chat/completions API 是无状态的，每次请求时需要包含之前的对话历史。
   • Python 示例：

     messages = [{"role": "user", "content": "What's the highest mountain in the world?"}]
     response = openai.ChatCompletion.create(
         model="deepseek-chat",
         messages=messages
     )
     messages.append(response['choices'][0]['message'])
     
     messages.append({"role": "user", "content": "What is the second?"})
     response = openai.ChatCompletion.create(
         model="deepseek-chat",
         messages=messages
     )
     messages.append(response['choices'][0]['message'])
     
     for msg in messages:
         print(f"{msg['role']}: {msg['content']}")
     

   • 在每轮对话后，将模型的回复添加到 messages 列表中，以维护对话上下文。 citeturn0search8
6. 注意事项：
   • 模型选择： 通过指定 model='deepseek-chat' 即可调用 DeepSeek-V3。
   • 流式输出： 如果需要流式输出，将请求参数中的 stream 设置为 true。
   • API 文档： 详细的 API 使用说明和示例代码，请参考 DeepSeek API 文档。

通过以上步骤，您即可将 DeepSeek API 集成到您的机器学习项目中，实现智能对话、文本生成等功能。