DeepSeek API 接入完整指南:从注册到第一个调用,5 个常见坑

这篇教程的范围本文是 DeepSeek API 直接接入的官方教程。

如果您用第三方聚合平台(API2D/OpenRouter/聚合服务),流程类似但有差异,具体看平台文档。

目标读者: - ✅ 想直接用 DeepSeek 官方 - ✅ 有 Python 或 Node.js 基础 - ❌ 不想用第三方聚合

5 分钟接入流程 Step 1:注册 DeepSeek 开放平台(1 分钟)

打开浏览器

https://platform.deepseek.com

点击"注册"

输入邮箱 + 密码 + 手机号 + 实名认证

点击"创建 API Key"

复制 key(类似 sk-xxx)

注意:DeepSeek 官方需要手机号和实名认证。

Step 2:安装 OpenAI SDK(30 秒)

Python

pip install openai

Node.js

npm install openai DeepSeek 兼容 OpenAI 协议,所以直接用 OpenAI SDK 即可。

Step 3:第一个调用(1 分钟) from openai import OpenAI

client = OpenAI( api_key="sk-xxx", # 您刚才复制的 base_url="https://api.deepseek.com/v1" # DeepSeek 官方 )

response = client.chat.completions.create( model="deepseek-chat", # DeepSeek V3 messages=[ {"role": "user", "content": "你好,你是谁?"} ] )

print(response.choices[0].message.content) 输出:

我是 DeepSeek,由中国深度求索公司开发的 AI 助手...

✅ 通了。

Step 4:流式响应(1 分钟) response = client.chat.completions.create( model="deepseek-chat", messages=[{"role": "user", "content": "写一首关于 AI 的诗"}], stream=True )

for chunk in response: if chunk.choices[0].delta.content: print(chunk.choices[0].delta.content, end="") 输出:

硅基流动之间 / 神经与代码交织 / 我在思考...

✅ 流式响应也通了。

Step 5:多轮对话(1 分钟) messages = [ {"role": "system", "content": "你是一个助手"}, {"role": "user", "content": "你好"}, {"role": "assistant", "content": "你好!有什么可以帮您?"}, {"role": "user", "content": "写首诗"} # 自动包含上文 ]

response = client.chat.completions.create( model="deepseek-chat", messages=messages ) ✅ 多轮对话也通了。

实战踩坑(避免 5 个常见错误) 踩坑 1:忘记改 base_url

❌ 错误:用 OpenAI 默认 URL

client = OpenAI(api_key="sk-xxx")

报错:Invalid API Key

✅ 正确:改成 DeepSeek URL

client = OpenAI( api_key="sk-xxx", base_url="https://api.deepseek.com/v1" ) 踩坑 2:model 名写错

❌ 错误

model="deepseek" # 没有这个

✅ 正确

model="deepseek-chat" # DeepSeek V3

或

model="deepseek-coder" # 编程专用

或

model="deepseek-reasoner" # 推理专用(R1) 完整 model 列表:https://platform.deepseek.com/api-docs/

踩坑 3:API Key 泄露到 GitHub

❌ 危险:硬编码

client = OpenAI(api_key="sk-xxx")

✅ 安全:用环境变量

import os client = OpenAI(api_key=os.getenv("DEEPSEEK_API_KEY")) 设环境变量:

~/.zshrc 或 ~/.bashrc

export DEEPSEEK_API_KEY="sk-xxx"

然后

source ~/.zshrc 踩坑 4:没设 max_tokens

❌ 错误:不限制,可能超长

response = client.chat.completions.create( model="deepseek-chat", messages=[...] )

费用可能爆

✅ 正确:限制输出

response = client.chat.completions.create( model="deepseek-chat", messages=[...], max_tokens=2000 ) 踩坑 5:没处理余额不足

❌ 错误:直接调用

response = client.chat.completions.create(...)

✅ 正确:加余额检查

try: response = client.chat.completions.create( model="deepseek-chat", messages=[...] ) except Exception as e: if "balance" in str(e).lower(): print("余额不足,请充值") # 提醒用户 3. 性能优化

优化 1:流式

stream=True

优化 2:温度

temperature=0.7

优化 3:限制输出

max_tokens=2000 实测:首字延迟从 1.5s 降到 300-500ms。

完整代码(可直接复制) import os from openai import OpenAI

client = OpenAI( api_key=os.getenv("DEEPSEEK_API_KEY"), base_url="https://api.deepseek.com/v1" )

def chat(message: str, model: str = "deepseek-chat") -> str: response = client.chat.completions.create( model=model, messages=[{"role": "user", "content": message}], temperature=0.7, max_tokens=2000 ) return response.choices[0].message.content

if name == "main": print(chat("你好")) 20 行代码,5 分钟跑通。

总结步骤时间难度