5分钟获取deepseekapi并搭建简易问答应用

DeepSeek-V3发布以来，一直是大模型圈子里讨论度很高的一个模型。这篇文章就以它为例，手把手带大家搞清楚怎么获取API key、找到base_url和chat_model，最后再跑通一个简单的问答应用。整个过程不复杂，但里面有几个容易踩坑的细节，值得留意。

1、获取API key

先打开DeepSeek的官方接口页面：DeepSeek。注册、登录这些基础操作就不多说了，直接进正题。

页面右上角有一个“开放平台”的入口，点进去。

新用户注册通常能领到10元体验金，折合下来大概500万tokens——对于个人开发者来说，足够折腾很久了。用大白话说，tokens就是模型每一次处理请求时，你输入的内容和模型输出的结果加在一起的字符数。这个数字会随着模型定价调整而变化，不过DeepSeek的API价格本身就很便宜，图中展示的500万tokens，个人玩玩完全够用。

接下来，点击左侧菜单栏里的API keys，然后选择创建API key。

方便起见，可以给这个API key取个名字，方便区分用途。比如下图里命名为“test”。

这里有一个特别容易忽略的细节：系统生成的API key只在创建时显示一次，之后就再也看不到了，只能看到名字。所以第一次出现时，一定要顺手复制下来，保存到本地文件里。当然，万一忘了也没关系，重新创建一个就行，不麻烦。

2、获取base_url和chat_model

还是以DeepSeek为例，点击页面左下角的接口文档，或者直接进入DeepSeek API文档页面。

进入文档后，在“快速开始”的“首次调用API”部分，就能找到base_url和chat_model。具体参数如下：

base_url = https://api.deepseek.com/v1

chat_model = 'deepseek-chat'

其他平台的获取方式大同小异，思路是一样的。

3、配置模型参数

base_url和chat_model直接定义到代码里就好。但API key不同，它关系到模型能否正常调用，绝对不能直接写到代码里暴露出去。正确的做法是把它放到环境变量中。这里介绍两种常用方法。

方法一：终端中临时加入

在终端中临时将API key加入环境变量，这种方式只对当前终端会话有效，一旦关闭终端就失效了。所以，需要在同一个终端中运行Python脚本才能生效。

export api_key="填入你的api token"

如果希望永久生效，可以对~/.bashrc文件添加以下内容并保存。

export api_key="填入你的api token"

在代码中获取API key时，只需要在Python脚本中添加以下几行：

import os
api_key = os.getenv('api_key')
base_url = "https://api.deepseek.com/v1"
chat_model = "deepseek-chat"

方法二：创建.env文件

终端临时输入的方式毕竟有点麻烦，而且只对当前终端有效。创建一个.env文件来存储API key，就没有这个限制了。

首先创建.env文件，输入以下内容（记得把your_api_key换成你自己的token）：

api_key="your_api_key"

在同一路径下创建脚本文件，然后在代码中加载这个环境变量：

import os
from dotenv import load_dotenv

# 加载.env文件中的环境变量
load_dotenv()

# 获取特定的环境变量
api_key = os.getenv('api_key')
base_url = "https://api.deepseek.com/v1"
chat_model = "deepseek-chat"

4、配置client

有了api_key、base_url和chat_model这三个参数，就可以构造一个client了。构造client只需要两个东西：api_key和base_url。

from openai import OpenAI

client = OpenAI(
    api_key = api_key,
    base_url = base_url
)

5、利用DeepSeek大模型实现简易问答

这里我们采用第二种方式定义API key。创建.env文件存储API key后，在.env同一目录下创建脚本文件，填入以下代码：

import os
from dotenv import load_dotenv
from openai import OpenAI

# 加载环境变量
load_dotenv()

# 从环境变量中读取api_key
api_key = os.getenv('api_key')
base_url = "https://api.deepseek.com/v1"
chat_model = "deepseek-chat"

client = OpenAI(
    api_key = api_key,
    base_url = base_url
)

有了这个client，就可以调用各种能力了。写一个简单的测试代码，验证一下模型是否配置成功：

import os
from dotenv import load_dotenv
from openai import OpenAI

# 加载环境变量
load_dotenv()

# 从环境变量中读取api_key
api_key = os.getenv('api_key')
base_url = "https://api.deepseek.com/v1"
chat_model = "deepseek-chat"

client = OpenAI(
    api_key=api_key,
    base_url=base_url
)

try:
    # 发送一个简单的消息到模型
    response = client.chat.completions.create(
        model=chat_model,
        messages=[
            {"role": "system", "content": "你是一个乐于助人的AI助手，能够帮助用户解决各种专业问题."},
            {"role": "user", "content": "你好，介绍下你自己"}
        ]
    )
    
    # 打印模型的回复
    print("Model response:")
    print(response.choices[0].message.content)
except Exception as e:
    print(f"An error occurred: {e}")

运行结果如下：

看到模型正常回复，就说明配置成功了。如果没反应，先检查一下API key是否填写正确。如果确认没问题，那可能是平台服务器暂时不稳定，等服务器恢复正常就好了。