DeepSeek API如何用Python实现自动化脚本
本文详细讲解了如何在Python中调用DeepSeek API构建自动化脚本,涵盖从环境配置、身份认证、标准请求构造(兼容OpenAI格式)、响应解析到流式输出封装及定时任务集成的完整链路,手把手带你实现文本生成、代码补全等智能能力的无缝嵌入,助你轻松将大模型能力融入日常开发与运维场景。

如果您希望在Python项目中调用DeepSeek API以实现文本生成、代码补全等自动化任务,则需要完成身份认证、请求构造与响应解析等关键环节。以下是具体实施步骤:
一、安装必要依赖并配置API密钥
DeepSeek API通过HTTP请求调用,需使用requests库发送POST请求,并将API密钥置于请求头中进行身份验证。密钥需从DeepSeek官方平台获取并安全存储。
1、在终端执行命令安装requests库:pip install requests。
2、访问DeepSeek Platform登录账户,在API Keys页面点击“Create New Key”生成密钥。
3、将生成的密钥保存至环境变量,例如在Linux/macOS中执行:export DEEPSEEK_API_KEY="sk-xxx";Windows用户可使用set命令或系统环境变量设置。
二、构造标准请求体并调用chat/completions接口
DeepSeek API遵循OpenAI兼容格式,需按指定JSON结构组织messages字段,模型名称固定为deepseek-chat,temperature控制输出随机性。
1、在Python脚本中导入requests模块并定义API基础URL:BASE_URL = "https://api.deepseek.com/v1/chat/completions"。
2、构建headers字典,包含Authorization与Content-Type字段:{"Authorization": f"Bearer {os.getenv('DEEPSEEK_API_KEY')}", "Content-Type": "application/json"}。
3、构造data字典,包含model、messages、temperature三项,其中messages为包含role和content的字典列表,例如[{"role": "user", "content": "写一个Python函数计算阶乘"}]。
三、处理响应并提取生成文本
API返回为JSON格式,需检查response.status_code是否为200,并从嵌套结构response.json()["choices"][0]["message"]["content"]中提取模型输出内容。
1、使用response = requests.post(BASE_URL, headers=headers, json=data)发起请求。
2、添加异常处理逻辑:若status_code不为200,则打印response.status_code与response.text。
3、成功响应后执行result = response.json()["choices"][0]["message"]["content"].strip(),确保去除首尾空白字符。
四、封装为可复用函数并支持流式响应
为提升脚本复用性,可将请求逻辑封装为函数,并通过stream参数控制是否启用逐字节流式输出,适用于长文本生成场景。
1、定义函数def deepseek_call(prompt: str, stream: bool = False) -> str:,内部构造完整请求参数。
2、当stream=True时,在headers中添加{"Accept": "text/event-stream"},并使用response.iter_lines()逐行解析SSE格式数据。
3、对每行数据解码后匹配data:前缀,用json.loads()提取delta.content字段并拼接为完整响应字符串。
五、集成至自动化任务脚本示例
将API调用嵌入周期性任务中,如每日自动生成周报摘要,需结合datetime与schedule库实现定时触发,同时避免高频调用触发限流。
1、使用schedule.every().monday.at("09:00").do(deepseek_call, prompt="生成上周工作摘要")设定执行时间。
2、在请求前加入随机延迟(如time.sleep(random.uniform(0.5, 2))),防止因请求过于集中被服务端拒绝。
3、将生成结果写入本地Markdown文件,路径使用datetime.now().strftime("%Y-%m-%d-summary.md")动态生成。
以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于科技周边的相关知识,也可关注golang学习网公众号。
晋江app全本订阅优惠有哪些
- 上一篇
- 晋江app全本订阅优惠有哪些
- 下一篇
- Java Stream流水线怎么用
-
- 科技周边 · 人工智能 | 2小时前 | 人工智能 · 向量检索 · Sentence Transformers truncate_dim 嵌入维度 Matryoshka 向量存储
- Sentence Transformers 怎么截断嵌入维度减少存储
- 165浏览 收藏
-
- 科技周边 · 人工智能 | 4小时前 |
- PEFT 多个 adapter 怎么按权重组合推理
- 454浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 |
- Accelerate 大模型推理怎么自动分配到多块设备
- 358浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 人工智能 · Tokenizers offset_mapping 原始文本
- Tokenizers offset mapping 怎么映射回原始文本位置
- 328浏览 收藏
-
- 科技周边 · 人工智能 | 10小时前 | python · 人工智能 · shuffle Hugging Face Datasets streaming IterableDataset buffer_size
- Datasets streaming 怎么在不下载全集时打乱样本
- 470浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 |
- Diffusers 单文件模型怎么转换成组件目录格式
- 308浏览 收藏
-
- 科技周边 · 人工智能 | 22小时前 | 人工智能 ·
- Diffusers 怎么临时禁用 LoRA 但保留已加载权重
- 309浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · diffusers ModularPipeline update_components ComponentSpec 模型组件
- Diffusers ModularPipeline 怎么替换单个模型组件
- 175浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Transformers bitsandbytes 量化后怎么保留部分模块精度
- 359浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · Transformers 大模型推理 KV Cache 显存不足 缓存卸载
- Transformers KV cache 怎么在显存不足时启用卸载
- 499浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Transformers chat template 怎么生成 assistant token 掩码
- 164浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Diffusers LoRA 权重融合后怎么恢复基础模型
- 291浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 354次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 414次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 421次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 377次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 199次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

