❌ 错误：不设置超时

response = requests.post(API_URL, json=payload)

可能卡住等很久

✅ 正确：设置合理超时

response = requests.post(API_URL, json=payload, timeout=30)

30 秒未返回则抛出 timeout 异常

超时时间建议 30 秒。短任务可以 10 秒，长任务可以 60 秒。太短容易误杀正常请求，太长会让卡死请求堆积。

错误 2：API Key 写在代码里把 API Key 直接写在代码里会上传到代码仓库，一旦泄露需要立刻重置。

❌ 错误：API Key 硬编码

API_KEY = "sk-abc123xyz456" client = OpenAI(api_key=API_KEY)

✅ 正确：从环境变量读取

import os API_KEY = os.environ.get("DEEPSEEK_API_KEY") if not API_KEY: raise ValueError("请设置环境变量 DEEPSEEK_API_KEY") client = OpenAI(api_key=API_KEY) 更安全的做法是用密钥管理服务（如 AWS Secrets Manager、HashiCorp Vault）。至少做到 API Key 不进代码仓库。

错误 3：不处理 429 限流高并发调用 API 时容易触发 429（Too Many Requests）。如果不处理，整个流程会中断。

❌ 错误：遇到 429 直接失败

response = requests.post(API_URL, json=payload) if response.status_code == 200: return response.json()

429 直接抛异常，任务中断

✅ 正确：429 时重试，带退避

import time

def call_with_retry(payload, max_retries=3): for attempt in range(max_retries): response = requests.post(API_URL, json=payload, timeout=30) if response.status_code == 200: return response.json() if response.status_code == 429: # 指数退避：1 秒、2 秒、4 秒 wait = 2 ** attempt print(f"429 限流，等待 {wait} 秒后重试") time.sleep(wait) else: response.raise_for_status() raise Exception("重试 3 次仍失败") 429 是 API 服务方的限流保护。处理方式是退避后重试，不是放弃。OpenStarry Coding Plan 的 5 小时限额也是类似的限流机制（参考相关阅读）。

错误 4：不限制 max_tokens 导致账单爆掉如果调用时不限制 max_tokens，模型可能输出几千字，单次调用就花掉几块钱。批量任务时账单会失控。

❌ 错误：不限制 max_tokens

payload = { "model": "deepseek-chat", "messages": [{"role": "user", "content": prompt}] }

模型可能输出几千字

✅ 正确：根据需要设置 max_tokens

payload = { "model": "deepseek-chat", "messages": [{"role": "user", "content": prompt}], "max_tokens": 500 # 限制最多 500 token 输出 } max_tokens 不是越多越好，按实际需要设置。文本摘要设 200-500，问答设 500-1000，长文生成才需要 2000+。

错误 5：模型名拼写错误模型名是字符串，写错一个字符就报错。常见错误：大小写错、多空格、用全角字符。

❌ 错误：模型名拼错

models = [ "deepseek-chat", # 正确 "DeepSeek-Chat", # 大小写错 " deepseek-chat ", # 多空格 "deepseek-chat ", # 末尾空格 "deepseek_chat", # 下划线错（应该是连字符） ]

✅ 正确：用常量定义，避免拼写错误

from enum import Enum

class ModelName(str, Enum): DEEPSEEK_CHAT = "deepseek-chat" DEEPSEEK_REASONER = "deepseek-reasoner" GLM_5 = "GLM-5.2" KIMI_K2_6 = "kimi-k2-6"

使用

payload = {"model": ModelName.DEEPSEEK_CHAT.value, ...} 用枚举或常量集中管理模型名，避免到处复制粘贴字符串导致拼写错误。

写在最后 5 个错误都是真实项目里常见的。避坑的核心思路：

超时设置：保护资源密钥管理：保护账号限流处理：保护流程参数限制：保护账单字符串管理：保护开发调 API 不难，难的是把所有边界情况都处理好。把这 5 个错误记住，能避开 80% 的常见问题。

相关阅读 DeepSeek API 高峰时段排队慢？这套调度脚本能解决 OpenStarry FAQ：客户规则解答 Meta Muse Spark 1.1：多智能体协作能做到什么？你调 API 时最常踩的坑是什么？评论区聊聊。