用C++调用DeepSeek API？保姆级教程来了（附完整代码）

在AI大模型API调用的主流示例中，curl、Python、Node.js是最常见的三种方式。但对于习惯用C++开发的同学来说，如何快速对接大模型API呢？

今天就以DeepSeek API为例，完整走一遍C++调用大模型的全过程——从核心接口认知，到依赖环境搭建，再到完整代码实现与运行！

一、先明确核心前提：3个必备信息

无论用哪种语言调用DeepSeek API，首先要确认3个关键信息，这是对接成功的基础：

• api_key：需到DeepSeek官网注册账号后获取，是身份认证的核心凭证；

• base_url：访问大模型的基础URL地址，DeepSeek默认是 https://api.deepseek.com；

• model：要调用的模型类型，比如对话模型 deepseek-chat。

先放一张DeepSeek官网文档的示例截图，大家可以清晰看到官方支持的三种调用方式：

二、前置知识：OpenAI接口核心逻辑

DeepSeek API兼容OpenAI协议，所以先搞懂OpenAI接口的核心设计，后续C++实现会更顺畅。OpenAI API基于HTTP/HTTPS协议，核心逻辑可总结为“身份认证+接口参数”两部分。

2.1 身份认证：两种方式，推荐前者

所有请求必须携带api_key验证身份，两种传递方式对比：

• 推荐方式：通过HTTP请求头传递，格式为 Authorization: Bearer <你的API Key>，安全性更高；

• 备选方式：在请求参数中直接传递api_key，不推荐！容易导致密钥泄露。

2.2 核心接口详解（重点看这3个）

日常开发中最常用的是对话接口、嵌入接口和函数调用接口，下面逐一说明关键参数（必选参数标红）：

2.2.1 对话接口（核心！最常用）

用于和大模型进行多轮对话，核心是构造符合格式的JSON请求参数，具体说明如下：

参数名	参数类型	是否必选	简介
model	string	是	模型名称，如 deepseek-chat
messages	list[dict]	是	对话历史，每个dict包含 role（角色）和 content（内容）
role	string	否	可选值：system（系统指令）、user（用户）、assistant（助手）、function（函数）
temperature	float	否	随机性，0~2，0最确定，2最随机（默认1）
max_tokens	int	否	生成的最大tokens数（模型总tokens有限，如GPT-3.5上限4096）
top_p	float	否	核采样，0~1，替代temperature的随机性控制（二选一即可）
stream	bool	否	是否流式返回（实时输出，而非一次性返回）
tools	list[dict]	否	函数调用配置，定义模型可调用的工具/函数
response_format	dict	否	指定响应格式，如 {"type": "json_object"}（强制JSON输出）
响应方式由 stream 参数决定：

• 非流式响应：返回完整JSON，包含核心对话内容；

• 流式响应：返回SSE（Server-Sent Events）流，逐段输出（适合实时对话场景）。

2.2.2 嵌入接口（Embeddings）

用于将文本转换为向量（Embedding），适用于文本检索、相似度计算等场景，核心参数如下：

参数名	参数类型	是否必选	简介
model	string	是	模型名称，如 deepseek-embed
input	string/list	是	待嵌入的文本（单文本或文本列表）
encoding_format	string	否	输出格式：float（默认）、base64

2.2.3 函数调用接口

属于对话接口的扩展，通过 tools 参数定义函数，让模型自主判断是否需要调用工具（比如查天气、调用数据库）。举个获取城市天气的示例：

model="gpt-3.5-turbo",
messages=[{"role": "user", "content": "北京今天气温多少？"}],
tools=[  // 定义可调用的函数
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取指定城市的实时气温",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {"type": "string", "description": "城市名"}
                },
                "required": ["city"]
            }
        }
    }
],
tool_choice="auto"  // 让模型自动决定是否调用函数
}

三、C++实现步骤：环境搭建+完整代码

接下来进入核心环节，用C++实现DeepSeek API的调用。我们需要两个核心依赖：处理HTTP请求的 libcurl 和处理JSON的 nlohmann-json。

3.1 依赖环境安装（Ubuntu系统）

直接执行以下两条命令即可完成安装：

sudo apt install nlohmann-json3-dev  # 安装JSON处理库
sudo apt install libcurl4-openssl-dev  # 安装HTTP请求库

3.2 完整实现代码

下面是完整的C++代码，实现了“持续对话”功能，包含类封装、请求构造、响应解析等逻辑，关键步骤已加注释：

#include <iostream>
#include <string>
#include <vector>
#include <nlohmann/json.hpp>
#include <curl/curl.h>

using json = nlohmann::json;

// 回调函数：接收HTTP响应数据
static size_t WriteCallback(void* contents, size_t size, size_t nmemb, void* userp) {
    ((std::string*)userp)->append((char*)contents, size * nmemb);
    return size * nmemb;
}

// OpenAI客户端类封装
class OpenAIClient {
private:
    std::string api_key;   // 核心密钥
    std::string base_url;  // 基础URL
    CURL* curl;            // curl句柄

public:
    // 构造函数：初始化密钥、URL和curl
    OpenAIClient(const std::string& api_key, const std::string& base_url = "https://api.deepseek.com")
        : api_key(api_key), base_url(base_url) {
        curl = curl_easy_init();
        if (!curl) {
            throw std::runtime_error("Failed to initialize curl");
        }
    }

    // 析构函数：释放资源
    ~OpenAIClient() {
        if (curl) {
            curl_easy_cleanup(curl);
        }
        curl_global_cleanup();
    }

    // 核心方法：发送对话请求并获取响应
    // 参数：model-模型名；messages-对话历史（角色+内容）
    std::string chat_completion(const std::string& model, const std::vector<std::pair<std::string, std::string>>& messages) {
        if (!curl) {
            throw std::runtime_error("Curl not initialized");
        }

        // 1. 构造JSON请求体
        json request_data;
        request_data["model"] = model;  // 指定模型
        
        // 构造对话历史数组
        json messages_json = json::array();
        for (const auto& msg : messages) {
            json msg_obj;
            msg_obj["role"] = msg.first;    // 角色（system/user/assistant）
            msg_obj["content"] = msg.second; // 内容
            messages_json.push_back(msg_obj);
        }
        request_data["messages"] = messages_json;
        request_data["temperature"] = 0.7;  // 中等随机性
        request_data["max_tokens"] = 1000;  // 最大生成 tokens 数

        std::string request_body = request_data.dump();  // JSON转字符串
        std::string response_string;  // 存储响应数据

        // 2. 设置curl选项
        curl_easy_setopt(curl, CURLOPT_URL, (base_url + "/v1/chat/completions").c_str());  // 完整请求URL
        curl_easy_setopt(curl, CURLOPT_POST, 1L);  // POST请求
        curl_easy_setopt(curl, CURLOPT_POSTFIELDS, request_body.c_str());  // 请求体
        curl_easy_setopt(curl, CURLOPT_POSTFIELDSIZE, request_body.length());  // 请求体长度
        curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, WriteCallback);  // 响应回调函数
        curl_easy_setopt(curl, CURLOPT_WRITEDATA, &response_string);  // 响应数据存储地址

        // 3. 设置请求头（身份认证+JSON格式）
        struct curl_slist* headers = NULL;
        headers = curl_slist_append(headers, "Content-Type: application/json");
        headers = curl_slist_append(headers, ("Authorization: Bearer " + api_key).c_str());
        curl_easy_setopt(curl, CURLOPT_HTTPHEADER, headers);

        // 4. 执行请求
        CURLcode res = curl_easy_perform(curl);
        curl_slist_free_all(headers);  // 释放请求头资源

        // 错误处理
        if (res != CURLE_OK) {
            throw std::runtime_error(std::string("curl_easy_perform() failed: ") + curl_easy_strerror(res));
        }

        // 5. 解析响应JSON
        json response_data = json::parse(response_string);
        if (response_data.contains("error")) {
            throw std::runtime_error("API Error: " + response_data["error"]["message"].get<std::string>());
        }

        // 返回核心对话内容
        return response_data["choices"][0]["message"]["content"].get<std::string>();
    }
};

// 主函数：测试持续对话
int main() {
    try {
        // 初始化curl全局环境
        curl_global_init(CURL_GLOBAL_DEFAULT);

        // 替换为你的DeepSeek API密钥（官网注册获取）
        std::string api_key = "填写你的API密钥（官网注册账号获取）";
        OpenAIClient client(api_key);

        // 定义模型和初始系统指令
        std::string model = "deepseek-chat";
        std::vector<std::pair<std::string, std::string>> messages = {
            {"system", "You are a helpful assistant."}
        };

        // 打印欢迎信息
        std::cout << "========================================" << std::endl;
        std::cout << "DeepSeek AI 对话系统（C++版）" << std::endl;
        std::cout << "输入 'exit' 或 'quit' 结束对话" << std::endl;
        std::cout << "========================================" << std::endl;

        // 持续对话循环
        while (true) {
            // 获取用户输入
            std::string user_input;
            std::cout << "\n用户: ";
            std::getline(std::cin, user_input);

            // 退出条件判断
            if (user_input == "exit" || user_input == "quit") {
                std::cout << "\n感谢使用，对话结束！" << std::endl;
                break;
            }

            // 添加用户消息到对话历史
            messages.emplace_back("user", user_input);

            try {
                // 调用API获取响应
                std::string response = client.chat_completion(model, messages);

                // 打印响应内容
                std::cout << "\nDeepSeek: " << std::endl;
                std::cout << response << std::endl;

                // 添加模型响应到对话历史（支持多轮对话）
                messages.emplace_back("assistant", response);

            } catch (const std::exception& e) {
                // 异常处理：打印错误信息并回滚对话历史
                std::cerr << "\n错误: " << e.what() << std::endl;
                messages.pop_back();  // 移除失败的用户消息
                std::cout << "请重试或输入 'exit' 结束对话" << std::endl;
            }
        }

    } catch (const std::exception& e) {
        // 全局异常处理
        std::cerr << "程序错误: " << e.what() << std::endl;
        return 1;
    }

    return 0;
}

3.3 代码编译与运行

将代码保存为 deepseek_chat.cpp，然后执行以下编译命令（需链接curl库）：

g++ deepseek_chat.cpp -o deepseek_chat -lcurl -std=c++11

编译成功后，运行生成的可执行文件：

./deepseek_chat

四、运行效果演示

运行程序后，输入问题即可和DeepSeek进行对话，输入 exit 或 quit 可结束对话。实际运行效果如下：

五、小结与拓展

“C++通过OpenAI协议调用DeepSeek API”，本质是封装HTTPS请求+JSON数据交互：

• 依赖：libcurl（处理HTTP请求）+ nlohmann-json（处理JSON序列化/反序列化）；

• 步骤：构造符合协议的JSON请求体 → 设置HTTP请求头（携带api_key） → 执行请求 → 解析JSON响应。

拓展方向：

• 实现流式响应（设置stream=true），适配实时对话场景；

• 集成函数调用，让大模型能调用本地工具/接口；

• 替换为其他兼容OpenAI协议的模型（如GPT、通义千问等），只需修改base_url和model、apikey参数。

我是小C 欢迎大家讨论交流～ 觉得有用的话，记得点赞+在看+转发哦！