DeepSeek初学教程 3 与 Python 工程集成

DeepSeek 与其他系统集成（一）：DeepSeek 与 Python 工程集成

本系列文章将逐步介绍如何将 DeepSeek API 集成到不同的技术框架和开发环境中，帮助你快速掌握如何将 DeepSeek 的强大功能应用到实际项目中。

本篇文章，我们首先介绍最基础、也是最常用的——如何在 Python 工程中调用并封装 DeepSeek API。

一、环境准备

在开始之前，确保你已经满足以下环境要求：

• Python 版本 ≥ 3.7
• 安装 Python 请求库 requests

可以使用以下命令快速安装：

pip install requests

---

二、在 Python 应用中调用 DeepSeek API

DeepSeek API 提供了 RESTful 风格的接口，非常适合通过 Python 的 requests 库调用。

1. 快速开始示例代码：

创建一个名为 deepseek_demo.py 的文件：

import requests

# 你的DeepSeek API密钥
API_KEY = "YOUR_DEEPSEEK_API_KEY"

# DeepSeek API的地址
API_URL = "https://api.deepseek.com/v1/chat/completions"

# 请求头设置
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}",
}

# 请求内容
data = {
    "model": "deepseek-chat",
    "messages": [
        {"role": "system", "content": "你是一个智能助手。"},
        {"role": "user", "content": "请简单介绍一下DeepSeek是什么？"}
    ],
    "temperature": 0.7,
}

# 调用API
response = requests.post(API_URL, json=data, headers=headers)

# 处理响应
if response.status_code == 200:
    result = response.json()
    reply = result["choices"][0]["message"]["content"]
    print("DeepSeek回复:", reply)
else:
    print("调用失败:", response.status_code, response.text)

2. 运行代码：

在终端中运行代码：

python deepseek_demo.py

运行后你会看到 DeepSeek 模型返回的内容，例如：

DeepSeek回复: DeepSeek是一个基于大语言模型（LLM）的AI平台，提供聊天、代码生成等多个强大的功能...

---

三、封装 DeepSeek API 为 Python SDK 或库

实际项目中，我们建议封装 API 为 Python 库或 SDK，以方便复用和维护。

下面演示如何封装：

创建一个名为 deepseek_sdk.py 的 Python 库文件：

import requests

class DeepSeekAPI:
    def __init__(self, api_key, model="deepseek-chat"):
        self.api_key = api_key
        self.model = model
        self.api_url = "https://api.deepseek.com/v1/chat/completions"

    def chat(self, messages, temperature=0.7):
        headers = {
            "Authorization": f"Bearer {self.api_key}",
            "Content-Type": "application/json"
        }

        payload = {
            "model": self.model,
            "messages": messages,
            "temperature": temperature
        }

        response = requests.post(self.api_url, json=payload, headers=headers)

        if response.status_code == 200:
            return response.json()["choices"][0]["message"]["content"]
        else:
            raise Exception(f"DeepSeek API Error: {response.status_code} {response.text}")

# 测试示例（可以单独运行）
if __name__ == "__main__":
    api = DeepSeekAPI("YOUR_DEEPSEEK_API_KEY")
    messages = [{"role": "user", "content": "介绍一下微调（fine-tuning）是什么意思？"}]
    reply = api.chat(messages)
    print("DeepSeek回复:", reply)

使用封装好的库：

其他项目调用时，只需导入该库即可：

from deepseek_sdk import DeepSeekAPI

api = DeepSeekAPI("YOUR_DEEPSEEK_API_KEY")
reply = api.chat([{"role": "user", "content": "如何使用DeepSeek生成代码？"}])
print(reply)

这种封装的好处：

• 易于管理API配置和变更
• 重复代码更少，更易于维护和拓展

---

四、异常处理及常见问题说明

在实际应用中，还需要对网络异常和API错误进行处理。以下给出推荐的异常处理方式：

try:
    reply = api.chat(messages)
    print(reply)
except Exception as e:
    print("调用DeepSeek API出错：", str(e))

同时，常见可能遇到的 API 错误包括：

HTTP状态码	含义	处理建议
400	参数错误（如请求格式错误）	检查参数格式和API文档
401	API密钥错误或权限不足	检查密钥是否正确或申请权限
429	请求频率超限	调整调用频率或申请更高权限
500/502	服务器内部错误或网关错误	稍后重试或联系DeepSeek支持

---

五、小结与实践练习

本篇文章介绍了如何通过 Python 快速调用 DeepSeek API，以及如何封装为一个易用的 Python 库。这是未来集成到其他更复杂框架（如FastAPI、Flask、Django）的基础。

推荐练习：

• 尝试创建一个终端交互式聊天机器人，持续对话。
• 封装一个更全面的异常处理机制到SDK中。

---

相关文章

• 上一篇：DeepSeek初学教程 2 API 基础用法
• 下一篇：DeepSeek初学教程 4 与 FastAPI 快速集成

---

通过上述内容，读者能够快速掌握DeepSeek API在Python环境中的调用和封装技巧，为后续项目开发奠定良好基础。