跑通第一个LLM应用：调用DeepSeek模型

---

📖 阅读须知

📌 前置知识

• 电脑上安装了 Python 3.8 以上版本
• 会用终端（CMD/Terminal）执行简单的命令
• 有一个可用的 DeepSeek API Key

🎯 学习目标

• 搞懂 SDK 是什么
• 学会安全配置 API Key
• 掌握不同调用方式，让 DeepSeek 回答你的问题
• 学会调整 temperature 等参数，控制 AI 的回答风格
• 了解框架（如LangChain）对 SDK 的上层封装逻辑（进阶知识点）

👥 适合人群

• 纯新手，第一次接触 LLM 开发
• 会点 Python 基础，但没碰过 AI
• 非开发岗（产品/运营），想亲手试试怎么调用 AI
• 看了一堆复杂教程，始终没跑通第一个 Demo 的人

---

📝 引言

很多新手想入门 LLM 开发，却被网络环境、账号注册等问题劝退。
本文全程保姆级讲解，提供 OpenAI 兼容调用、纯 HTTP 原生调用 以及 DeepSeek 风格封装调用 三种方式，跟着一步步实现，轻松跑通你的第一个 LLM 应用。

---

一、先搞懂：SDK 是什么？

1. SDK 是什么？

SDK（软件开发工具包）就是模型厂商封装好的“工具箱”。不用你手写复杂的网络请求、解析底层返回值，只要调用简单的函数，就能让 AI 干活。

更通俗地说：SDK 是厂商为了让开发者更方便地使用其 API，提前封装好的一套工具集合。不用 SDK 也能调用 API（比如自己写 HTTP 请求），但用 SDK 能省掉大量重复工作（比如处理鉴权、参数格式转换、异常捕获）。

2. 为什么推荐用 OpenAI SDK 调用 DeepSeek模型？

OpenAI SDK 的调用格式太流行了，几乎成了行业标准。DeepSeek 为了让大家更容易上手，做了完美兼容——你用 OpenAI SDK 的代码，只要改一下 API 地址和密钥，就能直接调用 DeepSeek 的模型。

这就好比你有一个万能遥控器（OpenAI SDK），本来是控制 A 品牌电视（OpenAI 模型）的，现在 B 品牌电视（DeepSeek 模型）说“我的接口和 A 一样，你用这个遥控器也能控制我”。

3. 扩展：框架（LangChain）对 SDK 的上层封装（进阶知识点）

如果你后续想开发更复杂的 LLM 应用（比如 AI Agent），还会接触到「框架对 SDK 的二次封装」——比如 LangChain 框架里的 ChatOpenAI 类，本质就是对 OpenAI 官方 SDK 中 openai.OpenAI 客户端的上层封装。

框架做这个封装的核心目的是：

1. 适配自身的开发体系，把厂商 SDK 的底层逻辑包装成更贴合 LLM 应用场景、更易集成的接口；
2. 解耦核心 LLM 应用逻辑和模型厂商：比如你用 LangChain 的 ChatOpenAI 写了 LLM 应用代码，想换成 DeepSeek 模型时，不用重构核心逻辑，只改少量配置即可 —— 毕竟厂商自研 SDK 只会优先适配自家模型的易用性，不会跨厂商做通用兼容。

实用建议：

• 开发时，优先用框架封装的统一接口，不直接写厂商 SDK 代码（框架底层会自动调用厂商 SDK）；
• 仅当需要厂商独家功能 / 极致定制时，才混合使用厂商 SDK；

注意边界，LangGraph/LangChain 提供的 “工程化能力” 本质是LLM 流程内部的轻量级工程适配，只覆盖 “调用模型、编排流程” 这个小闭环里的细节问题（比如重试、流程分支、记忆管理），但解决不了 “服务扛高并发”“全链路监控” 这类系统级工程问题—— 这些核心问题必须靠人为编写业务代码 + 基础设施配置来解决，如异步 + 并发控制 + 连接，埋点 + 监控工具，限流，容灾等。

这个知识点不用现在吃透，先记住“框架封装是为了更方便换模型、做复杂应用”即可，等你跑通基础调用后，再回头看会更易理解。

二、前置准备：安装库与 API Key设置

1. 安装必要的库

打开终端（CMD 或 Terminal），输入以下命令：

pip install openai>=1.0.0 requests>=2.31.0 --upgrade

2. 获取 DeepSeek API Key

1. 注册并登录 DeepSeek 开放平台官网：DeepSeek 开放平台
2. 进入 API 管理页面，创建一个新的 API Key，sk-xxxxxx
3. 复制这个 Key（只显示一次，务必保存好）

3. 将API key放入项目级的环境变量

参考：《应用级环境变量配置核心规范》 教程中「二、开发阶段：Windows/Linux 统一的跨平台方案」；

或先不配置，把api-key明文放入代码中硬编码，只可用于临时测试，事后再看规范写法。

三、核心实操：三种调用方式

一般来说可以官方SDK，兼容OpenAI的SDK，原生HTTP这三种实现，但，

DeepSeek 截至目前（2026 年），确实没有推出过独立的、专属的官方 Python SDK（比如命名为 deepseek-official 或官方维护的 deepseek-sdk），最稳妥的方式是使用 OpenAI 兼容模式。

方式一：OpenAI SDK 调用 DeepSeek模型

# -*- coding: utf-8 -*-  # 核心：文件编码声明（必须在第一行）

from openai import OpenAI
import os
from config import (
    DEEPSEEK_API_KEY
)

# ====================== 基础配置 ======================
# 建议把 API Key 放在项目级别的环境变量里，不要直接写在代码里（防止泄露）
# 也可把上述DEEPSEEK_API_KEY的引入注释，把下面这行注释取消，直接填 Key，只可临时测试用
# DEEPSEEK_API_KEY = "你的DeepSeek API Key"
DEEPSEEK_BASE_URL = "https://api.deepseek.com/v1"

# ============ 方式1：OpenAI SDK 兼容调用（官方推荐，最稳定） ===============
# 初始化客户端（这里用的是 OpenAI 的 SDK，但指向 DeepSeek 的地址）
openai_client = OpenAI(
    api_key=DEEPSEEK_API_KEY,
    base_url=DEEPSEEK_BASE_URL,
    default_headers={"Content-Type": "application/json; charset=utf-8"}  # 请求头：指定JSON格式 + UTF-8编码
)

def generate_with_openai_compatible(prompt: str) -> str:
    """OpenAI兼容模式（官方推荐，代码通用、以后换模型也方便）"""
    try:
        # 调用 SDK 核心方法
        response = openai_client.chat.completions.create(
            model="deepseek-chat",  # 选择模型：deepseek-chat（对话）/ deepseek-coder（代码）
            messages=[{"role": "user", "content": prompt}],  # prompt为你的问题
            temperature=0.7,  # 生成随机性：0-1，越小越固定，越大越放飞
            max_tokens=500,  # 最大生成字数
            extra_headers={"Accept-Charset": "utf-8"}
        )
        # 提取并返回模型的回答
        return response.choices[0].message.content
    except Exception as e:
        return f"OpenAI兼容模式失败：{str(e)}"


# ====================== 测试运行 ======================
if __name__ == "__main__":
    test_prompt = "用100字解释什么是AI Agent"

    # 测试：OpenAI 兼容模式（官方推荐）
    print("=== 方式1：OpenAI SDK 兼容模式结果 ===")
    result = generate_with_openai_compatible(test_prompt)
    print(result)
    
输出结果：
=== 方式1：OpenAI SDK 兼容模式结果 ===
AI Agent（智能代理）是一种能够感知环境、自主决策并执行任务的人工智能系统。它通过大模型等核心技术理解信息、规划步骤、使用工具（如搜索、编程），最终达成特定目标。AI Agent能独立或协同完成复杂工作，是迈向通用人工智能（AGI）的关键形态，正应用于客服、科研、办公自动化等领域。

核心代码解释

1. DEEPSEEK_BASE_URL = "https://api.deepseek.com/v1"

并不是具体的 AI 模型，而是代表 DeepSeek 开放平台 API 服务的基础统一资源定位符（URL），可以把它理解成：

• 你要访问 DeepSeek 服务器的「总地址」，所有具体功能（比如文本生成、对话交互）的 API 接口，都是在这个基础地址上拼接出来的。
• 类比生活中的例子：这个基础 URL 就像你家小区的大门地址（比如「XX市XX区XX路88号XX小区」），而不同的模型接口（比如通用对话、代码生成）就像小区里不同的楼栋（大门地址 + 楼栋号 = 完整的访问地址）。

当你调用 DeepSeek 的 API 时，完整的请求地址需要由「基础 URL + 具体接口路径」组成，比如：

• 调用对话接口的完整地址：https://api.deepseek.com/v1/chat/completions（基础 URL + /chat/completions 接口路径）
• 调用文本补全接口的完整地址：https://api.deepseek.com/v1/completions（基础 URL + /completions 接口路径）

而这个地址拼接，不用你手动拼接，SDK以类和实例方法名的形式拼接，从而达到接口分类管理、语义化调用的效果 (你今后也可借鉴该思路写自己的设计)，如下：

openai_client = OpenAI(api_key=DEEPSEEK_API_KEY) 和 openai_client.chat.completions

1）当你调用 openai_client.chat.completions.create() 这类方法时，客户端知道要访问的接口路径是 /chat/completions；

2）客户端会自动把 base_url（https://api.deepseek.com/v1）和接口路径（/chat/completions）拼接成完整地址：https://api.deepseek.com/v1/chat/completions；

3）整个拼接过程是客户端库（比如 openai 官方 SDK）内置的逻辑，你完全不用手动拼接，只需要正确配置 base_url 即可。

2. openai_client = OpenAI(api_key=DEEPSEEK_API_KEY)

参数拆解：

• api_key：API 密钥，用于验证身份，没有这个会调用失败；
• base_url：把请求导向 DeepSeek 的服务器，而非 OpenAI 官方服务器；
• default_headers：全局默认请求头，指定内容格式和编码，避免中文乱码。

3. response = openai_client.chat.completions.create()

作用：调用 DeepSeek 的对话接口，发送请求并获取响应。

核心参数拆解：

• model：指定使用的模型，deepseek-chat 是通用对话模型，deepseek-coder 是代码生成模型；
• messages：对话消息列表，role="user" 表示是用户的提问，content 是提问内容；
• temperature：生成随机性，0 是完全固定回答，1 是最大随机性；
• max_tokens：限制模型生成的最大字符数（避免回答过长）；
• extra_headers：额外请求头，补充指定接收编码为 UTF-8，进一步避免中文乱码。

4. response.choices[0].message.content

作用：从 API 响应中提取模型的回答。

响应结构解析：

• response：是 API 返回的完整对象；
• choices：是一个列表（因为可指定多轮候选回答），[0] 取第一个（也是最主要的）回答；
• message.content：取回答的文本内容。

5. # -*- coding: utf-8 -*-

声明当前 Python 文件的编码格式为 UTF-8，

Python 2 中是必填（否则中文会乱码），Python 3 虽默认 UTF-8，但显式声明能保证跨平台 / 跨编辑器的兼容性，避免中文注释、字符串出现编码错误。

• 注意：必须放在文件第一行 / 第二行（第一行如果是 #! /usr/bin/env python3 的话）。

方式二：DeepSeek 纯 HTTP 原生调用（无 SDK 依赖）

仅作为了解请求底层过程来使用，因缺少成熟的工程化能力（自动重试、参数校验、连接池管理、标准化错误处理等） , 工程中不建议用。

# -*- coding: utf-8 -*-  # 核心：文件编码声明（必须在第一行）

import requests
import json
from config import (
    DEEPSEEK_API_KEY
)

# ====================== 基础配置 ======================
# 建议把 API Key 放在项目级别的环境变量里，不要直接写在代码里（防止泄露）
# 也可把上述DEEPSEEK_API_KEY的引入注释，把下面这行注释取消，直接填 Key，只可临时测试用
# DEEPSEEK_API_KEY = "你的DeepSeek API Key"
DEEPSEEK_BASE_URL = "https://api.deepseek.com/v1"


# =============== 方式2：DeepSeek 纯 HTTP 原生调用（无 SDK 依赖） ==========
def generate_with_deepseek_native(prompt: str) -> str:
    """DeepSeek原生HTTP调用（仅用requests，不依赖任何第三方SDK）"""
    global response
    try:
        # 构造请求地址和请求头
        url = f"{DEEPSEEK_BASE_URL}/chat/completions"
        headers = {
            "Authorization": f"Bearer {DEEPSEEK_API_KEY}",
            "Content-Type": "application/json; charset=utf-8",
            "Accept": "application/json; charset=utf-8"
        }
        # 构造请求体（和 OpenAI 格式完全一样）
        request_body = {
            "model": "deepseek-chat",
            "messages": [{"role": "user", "content": prompt}],
            "temperature": 0.7,
            "max_tokens": 500
        }
        # 发送请求
        json_body = json.dumps(request_body, ensure_ascii=False).encode("utf-8")
        response = requests.post(url=url, headers=headers, data=json_body, timeout=30)
        response.raise_for_status()

        # 解析并返回结果
        response_data = response.content.decode("utf-8")
        result = json.loads(response_data)
        return result["choices"][0]["message"]["content"]

    except requests.exceptions.HTTPError as e:
        return f"原生模式HTTP错误：{e} | 响应内容：{response.content.decode('utf-8') if 'response' in locals() else '无'}"
    except Exception as e:
        return f"原生模式其他错误：{str(e)}"

# ====================== 测试运行 ======================
if __name__ == "__main__":
    test_prompt = "用100字解释什么是AI Agent"

    # 测试 2：纯 HTTP 原生调用
    print("\n=== 方式2：DeepSeek 纯 HTTP 原生模式结果 ===")
    result = generate_with_deepseek_native(test_prompt)
    print(result)

    
输出结果：
=== 方式2：DeepSeek 纯 HTTP 原生模式结果 ===
AI Agent（智能体）是能感知环境、自主决策并执行任务的人工智能系统。它通过传感器或数据输入感知信息，基于内部模型或学习能力进行分析决策，最终驱动执行器或输出接口完成特定目标。不同于简单工具，AI Agent具备自主性、反应性和目标导向性，可独立或协同处理复杂任务，如虚拟助手、自动驾驶程序等，正成为AI技术落地的重要形态。

四、做个小实验：调整参数玩一玩

代码里有两个参数很有意思，你可以试着改一改，看看 AI 的回答有什么变化：

1. temperature（温度）

• 改成 0：AI 的回答会非常严谨、固定，几乎每次都一样
• 改成 1.5：AI 的回答会很放飞、有创意，但可能会胡言乱语
• 新手推荐 0.7，平衡在严谨和创意之间

2. max_tokens（最大字数）

• 改成 100：AI 最多说 100 个字就会停下
• 改成 1000：AI 可以说更长的内容

五、新手避坑指南：我报错了怎么办？

1. AuthenticationError（认证错误）

• 原因：API Key 没填对，或者没填
• 解决：检查 Key 是不是复制完整了，有没有多余的空格

2. APIConnectionError（连不上）

• 原因：网络问题，或者 base_url 填错了
• 解决：检查 DEEPSEEK_BASE_URL 是不是 https://api.deepseek.com/v1

3. RateLimitError（额度不够）

• 原因：账号里的免费额度用完了
• 解决：去 DeepSeek 开放平台充值，或者检查是不是调用太频繁了
  
  

🤔 思考一下

1. temperature参数底层是怎么控制模型回答的随机性的？
   
   

---

💡 结束语

本篇内容就到这里啦~
技术学习重在理解与积累，循序渐进地吃透每一个知识点，才能稳步提升。
如果内容对你有帮助，欢迎点赞、收藏方便后续随时复习。
学习过程中遇到任何疑问，欢迎评论区交流讨论，或是私信提问，我会尽量为你解答。

👉 订阅专栏・持续进阶

本专栏不做零散知识点堆砌，也不只做静态知识罗列。
内容严格遵循人类自然认知顺序，带你走通完整动态思考链路。
从为什么、怎么想到、如何推导、如何落地，
让你在学习中自然沉淀出自己的静态知识体系。
全程循序渐进、逻辑闭环、可复现、可落地。
订阅即可第一时间获取更新，跟着体系真正学懂、学透、会用。