DeepSeek API 调用教程：Python 从 0 上手（附完整可运行代码）

为什么要用 API，而不是网页版？

网页版适合随手问问题，但一旦你想批量处理、接入自己的程序、做自动化——比如批量总结 100 篇文档、给自己的网站加个智能客服、写个自动回邮件的脚本——就必须用 API。API 就是让你的代码直接和 DeepSeek 模型对话的通道。

好消息：DeepSeek 的 API 完全兼容 OpenAI 的格式，所以你几乎不用学新东西，网上海量的 OpenAI 教程代码改个地址就能跑。这篇我（dfkai）带你从拿 Key 到流式输出、多轮对话，一步步把 DeepSeek API 跑通。

整体调用流程

DeepSeek API 调用流程

一句话：你的代码带着 API Key 发一个 HTTPS 请求，DeepSeek 返回 JSON 结果，按消耗的 token 计费。

第 1 步：拿到 API Key

打开 DeepSeek 开放平台（platform.deepseek.com），用手机号注册登录。
进入"API Keys"页面，点"创建 API Key"，立刻复制保存（它只显示一次）。
到"充值"页面充一点额度（DeepSeek 很便宜，充 ¥10 够你测很久）。

⚠️ API Key 等于你的钱包密码，绝不要写死在代码里上传到 GitHub，也别发给别人。下面会讲怎么用环境变量安全保存。

第 2 步：发出第一个请求（Python + requests）

先用 pip 安装 requests，然后：

import os
import requests

# 从环境变量读 Key（安全做法，别写死在代码里）
api_key = os.environ["DEEPSEEK_API_KEY"]

resp = requests.post(
    "https://api.deepseek.com/chat/completions",
    headers={"Authorization": "Bearer " + api_key},
    json={
        "model": "deepseek-chat",
        "messages": [
            {"role": "system", "content": "你是一个简洁的助手。"},
            {"role": "user", "content": "用一句话解释什么是 API。"},
        ],
    },
    timeout=60,
)
data = resp.json()
print(data["choices"][0]["message"]["content"])

先把 Key 设进环境变量（终端里执行 export DEEPSEEK_API_KEY=你的key），运行就能看到模型回答。

第 3 步：用 OpenAI SDK 调用（更省心）

因为兼容 OpenAI，直接用 openai 这个库更方便。安装 openai 后：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com",   # 关键：把地址指向 DeepSeek
)

resp = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "user", "content": "写一首关于秋天的两行诗。"},
    ],
)
print(resp.choices[0].message.content)

只要把 base_url 指向 DeepSeek，所有 OpenAI 的示例代码都能直接复用——这是 DeepSeek API 最大的便利。

关键参数怎么选

model：deepseek-chat 是通用对话/写代码的主力（快、便宜）；deepseek-reasoner 是深度推理模型（R1），擅长数学、逻辑、复杂分析，但更慢更贵。简单任务用 chat，难题用 reasoner。
messages：对话历史数组，每条有 role（system / user / assistant）和 content。
temperature：0 到 2，越低越稳定保守，越高越发散有创意。写代码、抽取信息用 0~~0.3，写文案用 0.7~~1。
max_tokens：限制回答长度，防止太长烧钱。
stream：是否流式输出（见下）。

第 4 步：流式输出（打字机效果）

默认要等模型全部生成完才返回，长回答会让用户干等。设 stream=True 就能像 ChatGPT 那样一个字一个字往外蹦：

stream = client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": "讲讲为什么天是蓝的。"}],
    stream=True,
)
for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

做聊天机器人、网页应用时，流式输出体验好很多。

第 5 步：多轮对话（让它记住上文）

模型本身没有记忆，所谓"记住上文"是你每次把完整对话历史都发过去。做法：把模型的回复 append 回 messages，下次一起发：

messages = [{"role": "system", "content": "你是一个耐心的老师。"}]

def ask(question):
    messages.append({"role": "user", "content": question})
    resp = client.chat.completions.create(model="deepseek-chat", messages=messages)
    answer = resp.choices[0].message.content
    messages.append({"role": "assistant", "content": answer})
    return answer

print(ask("什么是向量？"))
print(ask("那它在 AI 里有什么用？"))   # 它能理解"它"指代向量

注意：对话越长，每次发送的 token 越多、越贵，可以定期裁剪最早的几轮。

计费与成本

DeepSeek 按 token（粗略：1 个汉字约 1-2 token）计费，分输入和输出两部分，deepseek-chat 比国外主流模型便宜一个数量级。还有一个杀手锏：上下文缓存——重复的前缀（比如固定的 system 提示）命中缓存后输入价格大幅下降，做知识库、客服这种 system 很长的场景特别省。每次响应的 usage 字段会告诉你这次用了多少 token。

常见坑

401 未授权：Key 错了、过期了、或没充值；检查环境变量是否真的读到了。
Key 泄露：务必用环境变量、别提交进 Git；一旦泄露立刻去平台吊销重建。
超时 / 限流：加 timeout、做重试；并发高了会限流，降速或申请提额。
reasoner 不返回 content：推理模型的思考过程在 reasoning_content 字段，最终答案才在 content，别取错。
回答被截断：max_tokens 设太小了，调大。

小结

DeepSeek API 的核心就三件事：带 Key 发请求 → 选对 model → 维护 messages。因为兼容 OpenAI，你能直接复用整个生态的代码和工具。把这套跑通，你就能给任何应用接上一个又快又便宜的中文大模型。

想系统学会把 AI 接进自己的产品、做出能变现的东西？我把 API、Agent、全栈实战和变现路径都整理进了系统课程，点此了解并立即订阅 →，帮你少走弯路。

相关阅读：Dify 教程：搭一个本地知识库问答机器人

常见问题（FAQ）

Q：DeepSeek API 收费吗？有免费额度吗？

按 token 付费，价格很低；注册后充少量额度即可长期测试，具体价格以平台为准。

Q：一定要用 Python 吗？

不是。API 是标准 HTTP，任何语言（JS、Go 等）都能调；因为兼容 OpenAI，用各语言的 OpenAI SDK 改 base_url 最省事。

Q：deepseek-chat 和 deepseek-reasoner 怎么选？

日常对话、写代码、总结用 chat（快、便宜）；数学、逻辑推理、复杂分析用 reasoner。

Q：怎么保护我的 API Key？

用环境变量读取，不要写进代码或提交到 GitHub；前端项目尤其不能把 Key 放浏览器端，要通过你自己的后端中转。