DeepSeekAPI申请与调用教程
本文手把手教你如何快速申请并调用DeepSeek大模型API:从注册开放平台、安全创建并保存唯一API Key,到精准获取base_url和model参数,再到用Python编写简洁可靠的调用代码——涵盖请求头配置、JSON请求体构造及响应解析全流程,助你零门槛将DeepSeek强大的对话与代码能力集成进自己的项目,无论你是初学者还是开发者,都能轻松上手实战。

如果您希望在自己的应用程序或项目中集成DeepSeek的大模型能力,获取并配置API Key是首要步骤。这通常涉及到在DeepSeek平台完成注册、创建密钥以及了解如何在代码中正确调用接口。
本文运行环境:MacBook Pro,macOS Sonoma
一、注册并登录DeepSeek开放平台
要使用DeepSeek的API服务,您必须先拥有一个有效的账户。这是访问所有开发者资源的基础。
1、访问DeepSeek官方网站,在页面右上角找到并点击“开放平台”链接。
2、点击页面上的“注册”按钮,输入您的电子邮箱和设置密码来创建新账户请确保使用一个可以正常接收邮件的邮箱,以便完成验证。
3、按照提示完成邮箱验证码的输入,以激活您的新账号。
4、注册成功后,使用您的邮箱和密码登录DeepSeek开放平台。
二、创建并获取您的API Key
API Key是您调用DeepSeek API时的身份凭证,用于验证请求的合法性并关联您的使用额度。
1、成功登录后,在控制台左侧的导航栏中找到并点击“API Keys”选项。
2、在API Keys管理页面,点击“创建API Key”按钮。
3、为您的Key输入一个便于识别的名称,例如“project-alpha”或“personal-test”,然后确认创建。
4、系统将生成一个新的API Key,此Key仅在创建后的弹窗中完整显示一次,请务必立即复制并妥善保存。
三、查找API调用所需参数
除了API Key,您还需要知道API的服务地址(base_url)和目标模型名称(model),才能成功发起调用请求。
1、在DeepSeek开放平台的控制台中,找到并进入“API文档”或“快速开始”部分。
2、在“首次调用API”的示例代码中,查找`base_url`字段的值,它通常类似于 https://api.deepseek.com/v1。
3、在同一位置,查找`model`参数的值,对于标准聊天模型,其值通常是 deepseek-chat 请注意区分不同版本的模型,如 deepseek-chat 和 deepseek-coder。
四、在代码中配置并调用DeepSeek API
获取了API Key、base_url和model后,您可以在支持HTTP请求的编程语言中进行调用,以下为通用步骤。
1、在您的开发环境中,安装必要的HTTP客户端库,例如Python中的`requests`库。
2、编写代码,构建一个向 `base_url + "/chat/completions"` 发起的POST请求。
3、在请求头(Headers)中,设置`Authorization: Bearer 您的APIKey`和`Content-Type: application/json`。
4、在请求体(Body)中,以JSON格式传入包含`model`、`messages`(对话历史)等参数的数据。
5、发送请求,并处理返回的响应数据,从中提取出模型生成的回复内容。
终于介绍完啦!小伙伴们,这篇关于《DeepSeekAPI申请与调用教程》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布科技周边相关知识,快来关注吧!
Django项目在Vercel部署配置详解
- 上一篇
- Django项目在Vercel部署配置详解
- 下一篇
- 微信电脑版登录失败扫码转圈解决方法
-
- 科技周边 · 人工智能 | 5小时前 | 人工智能 · PyTorch autograd torch.is_grad_enabled 梯度模式
- PyTorch torch.is_grad_enabled 怎样读取当前线程的梯度开关状态
- 346浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 | 人工智能 · PyTorch Tensor.storage_offset storage_offset Tensor View 张量布局
- PyTorch Tensor.storage_offset 怎样读取张量视图的存储起始偏移
- 316浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 |
- Transformers BaseModelOutput.hidden_states 怎样区分各层隐藏状态与最后一层输出
- 429浏览 收藏
-
- 科技周边 · 人工智能 | 7小时前 | python · 人工智能 · Transformers tokenizer BatchEncoding sequence_ids 双句编码 词元来源
- Transformers BatchEncoding.sequence_ids 怎样区分双句编码中的词元来源
- 283浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 人工智能 · Hugging Face Datasets ClassLabel str2int 标签编码
- Hugging Face ClassLabel.str2int 怎样把类别名称映射为标签编号
- 222浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 | 人工智能 · PyTorch Tensor.is_contiguous memory_format
- PyTorch Tensor.is_contiguous 怎样检查张量在指定内存格式下是否连续
- 170浏览 收藏
-
- 科技周边 · 人工智能 | 10小时前 | python · 人工智能 · Transformers ModelOutput to_tuple 模型输出
- Transformers ModelOutput.to_tuple 怎样把非空模型输出字段转换为元组
- 192浏览 收藏
-
- 科技周边 · 人工智能 | 11小时前 | 人工智能 · Transformers word_ids BatchEncoding 子词对齐
- Transformers BatchEncoding.word_ids 怎样关联子词与原始单词位置
- 462浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 |
- Hugging Face ClassLabel.int2str 怎样把标签编号还原为类别名称
- 175浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 | python · 人工智能 · Hugging Face Datasets Dataset.split NamedSplit 数据集切分
- Hugging Face Dataset.split 怎样识别数据集对象对应的切分名称
- 476浏览 收藏
-
- 科技周边 · 人工智能 | 14小时前 |
- PyTorch torch.get_default_dtype 怎样读取新建浮点张量默认使用的数据类型
- 316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。
- 1100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。
- 1095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。
- 1266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。
- 1205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。
- 1051次使用
-
- 量化模型本地推理的显存估算方法
- 2026-10-17 501浏览
-
- 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

