DeepSeek API接口调用教程｜附完整命令

随着大语言模型在内容生成、代码辅助、智能客服、数据分析等场景中的广泛应用，越来越多开发者开始将 DeepSeek 接入到自己的业务系统中。DeepSeek 提供了相对友好的 API 调用方式，并且在接口设计上兼容 OpenAI 风格，因此无论你是做后端开发、前端应用、自动化脚本，还是搭建 AI Agent，都可以比较快速地完成接入。

本文将以中文教程的形式，系统讲解 DeepSeek API 的调用方法，包括账号准备、API Key 获取、接口地址、curl 命令调用、Python 调用、Node.js 调用、流式输出、参数说明以及常见问题处理。文中会附上完整命令，方便你直接复制使用。

一、DeepSeek API 简介

DeepSeek API 是 DeepSeek 面向开发者提供的模型调用接口。通过 API，你可以在自己的程序中向 DeepSeek 模型发送请求，并获得模型生成的回复。

常见使用场景包括：

• 智能聊天机器人
• 企业知识库问答
• 文案生成
• 代码生成与代码解释
• 数据摘要与分析
• 自动化办公助手
• AI 客服系统
• 多轮对话应用
• AI Agent 工具调用系统

DeepSeek API 通常采用 HTTP 请求方式调用，请求和响应数据格式一般为 JSON。其调用方式与 OpenAI Chat Completions 接口风格类似，因此已有 OpenAI 接入经验的开发者可以非常快地迁移。

二、调用前准备

在正式调用 DeepSeek API 之前，你需要完成以下准备工作。

1. 注册 DeepSeek 开发者账号

首先访问 DeepSeek 官方平台，并注册账号。注册完成后，进入 API 管理或开发者控制台。

一般流程如下：

1. 打开 DeepSeek 官方网站；
2. 登录或注册账号；
3. 进入 API Keys 管理页面；
4. 创建新的 API Key；
5. 保存生成的 Key。

注意：API Key 通常只会完整展示一次，请务必妥善保存。不要将 API Key 上传到 GitHub、公开论坛或前端代码中。

2. 获取 API Key

API Key 是调用接口时用于身份认证的凭证。调用 DeepSeek API 时，一般需要在请求头中加入：

Authorization: Bearer YOUR_DEEPSEEK_API_KEY

其中 YOUR_DEEPSEEK_API_KEY 替换成你自己的真实 Key。

例如：

Authorization: Bearer sk-xxxxxxxxxxxxxxxxxxxxxxxx

为了安全起见，建议不要直接在代码中硬编码 API Key，而是使用环境变量进行管理。

三、DeepSeek API 基础信息

DeepSeek API 的常见基础地址为：

https://api.deepseek.com

聊天补全接口通常为：

https://api.deepseek.com/chat/completions

完整请求地址：

POST https://api.deepseek.com/chat/completions

常用模型名称示例：

deepseek-chat
deepseek-reasoner

其中：

实际可用模型请以 DeepSeek 官方文档和控制台显示为准。

四、使用 curl 调用 DeepSeek API

curl 是最直接的 API 测试方式，适合快速验证接口是否可用。

1. 最简单的 curl 调用命令

下面是一个完整的 DeepSeek API 调用命令：

curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_DEEPSEEK_API_KEY" \
  -d '{
    "model": "deepseek-chat",
    "messages": [
      {
        "role": "system",
        "content": "你是一个专业、严谨、友好的中文AI助手。"
      },
      {
        "role": "user",
        "content": "请用通俗语言解释什么是大语言模型。"
      }
    ],
    "temperature": 0.7,
    "max_tokens": 1000
  }'

将其中的：

YOUR_DEEPSEEK_API_KEY

替换成你的真实 API Key 即可。

2. curl 返回结果示例

接口返回结果通常类似下面这样：

{
  "id": "chatcmpl-xxxx",
  "object": "chat.completion",
  "created": 1710000000,
  "model": "deepseek-chat",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "大语言模型可以理解为一种经过大量文本训练的人工智能系统..."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 30,
    "completion_tokens": 120,
    "total_tokens": 150
  }
}

你真正需要读取的内容一般是：

choices[0].message.content

也就是模型生成的回答文本。

五、使用环境变量保存 API Key

为了避免 API Key 泄露，推荐使用环境变量。

1. Linux / macOS 设置环境变量

export DEEPSEEK_API_KEY="YOUR_DEEPSEEK_API_KEY"

然后调用时可以这样写：

curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -d '{
    "model": "deepseek-chat",
    "messages": [
      {
        "role": "user",
        "content": "请写一段关于春天的短文。"
      }
    ]
  }'

如果希望长期生效，可以将环境变量写入：

~/.bashrc

或：

~/.zshrc

例如：

echo 'export DEEPSEEK_API_KEY="YOUR_DEEPSEEK_API_KEY"' >> ~/.zshrc
source ~/.zshrc

2. Windows PowerShell 设置环境变量

临时设置：

$env:DEEPSEEK_API_KEY="YOUR_DEEPSEEK_API_KEY"

调用命令：

curl https://api.deepseek.com/chat/completions `
  -H "Content-Type: application/json" `
  -H "Authorization: Bearer $env:DEEPSEEK_API_KEY" `
  -d '{
    "model": "deepseek-chat",
    "messages": [
      {
        "role": "user",
        "content": "请解释一下API是什么。"
      }
    ]
  }'

永久设置可以使用：

setx DEEPSEEK_API_KEY "YOUR_DEEPSEEK_API_KEY"

设置完成后，需要重新打开终端窗口才能生效。

六、DeepSeek API 请求参数说明

调用 DeepSeek Chat Completions 接口时，常见请求参数如下。

1. model

指定使用的模型。

示例：

"model": "deepseek-chat"

或：

"model": "deepseek-reasoner"

2. messages

messages 是对话消息数组，是最核心的参数。

示例：

"messages": [
  {
    "role": "system",
    "content": "你是一个专业的法律文书助手。"
  },
  {
    "role": "user",
    "content": "请帮我起草一份租房合同摘要。"
  }
]

其中 role 常见有三种：

例如，多轮对话可以这样写：

"messages": [
  {
    "role": "system",
    "content": "你是一个中文学习助手。"
  },
  {
    "role": "user",
    "content": "请解释成语画蛇添足。"
  },
  {
    "role": "assistant",
    "content": "画蛇添足的意思是做了多余的事情，反而把事情弄糟。"
  },
  {
    "role": "user",
    "content": "请再造一个句子。"
  }
]

3. temperature

temperature 用于控制回答的随机性。

示例：

"temperature": 0.7

一般建议：

数值越低，回答越稳定；数值越高，回答越发散。

4. max_tokens

max_tokens 用于限制模型最多生成多少 token。

示例：

"max_tokens": 1000

如果你只需要简短回答，可以设置为：

"max_tokens": 300

如果你需要长文输出，可以设置更高，但要注意上下文长度和费用。

5. stream

stream 用于控制是否开启流式输出。

普通输出：

"stream": false

流式输出：

"stream": true

流式输出适合聊天机器人，因为它可以让用户看到模型逐字或逐段输出，而不是等全部生成完毕后一次性返回。

七、使用 curl 实现流式输出

如果你希望像 ChatGPT 网页版一样边生成边显示，可以使用流式输出。

完整命令如下：

curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -d '{
    "model": "deepseek-chat",
    "messages": [
      {
        "role": "user",
        "content": "请写一篇关于人工智能未来发展的短文。"
      }
    ],
    "stream": true
  }'

流式返回通常会以 SSE 格式返回多段数据，例如：

data: {"choices":[{"delta":{"content":"人工"}}]}

data: {"choices":[{"delta":{"content":"智能"}}]}

data: {"choices":[{"delta":{"content":"正在"}}]}

data: [DONE]

在实际程序中，需要逐行读取返回内容，并解析 data: 后面的 JSON。

八、使用 Python 调用 DeepSeek API

Python 是调用 DeepSeek API 最常用的语言之一，适合做脚本、后端服务、数据处理和 AI 应用开发。

1. 使用 requests 调用

首先安装依赖：

pip install requests

然后创建文件：

touch deepseek_demo.py

写入以下代码：

import os
import requests

api_key = os.getenv("DEEPSEEK_API_KEY")

if not api_key:
    raise RuntimeError("请先设置环境变量 DEEPSEEK_API_KEY")

url = "https://api.deepseek.com/chat/completions"

headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {api_key}"
}

payload = {
    "model": "deepseek-chat",
    "messages": [
        {
            "role": "system",
            "content": "你是一个专业、简洁的中文AI助手。"
        },
        {
            "role": "user",
            "content": "请用三句话介绍DeepSeek API的用途。"
        }
    ],
    "temperature": 0.7,
    "max_tokens": 800
}

response = requests.post(url, headers=headers, json=payload)
response.raise_for_status()

data = response.json()
answer = data["choices"][0]["message"]["content"]

print(answer)

运行命令：

python deepseek_demo.py

2. Python 流式输出示例

如果需要流式输出，可以这样写：

import os
import json
import requests

api_key = os.getenv("DEEPSEEK_API_KEY")

if not api_key:
    raise RuntimeError("请先设置环境变量 DEEPSEEK_API_KEY")

url = "https://api.deepseek.com/chat/completions"

headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {api_key}"
}

payload = {
    "model": "deepseek-chat",
    "messages": [
        {
            "role": "user",
            "content": "请写一首关于秋天的现代诗。"
        }
    ],
    "stream": True
}

with requests.post(url, headers=headers, json=payload, stream=True) as response:
    response.raise_for_status()

    for line in response.iter_lines(decode_unicode=True):
        if not line:
            continue

        if line.startswith("data: "):
            data = line[len("data: "):]

            if data == "[DONE]":
                break

            chunk = json.loads(data)
            delta = chunk["choices"][0].get("delta", {})
            content = delta.get("content", "")

            if content:
                print(content, end="", flush=True)

运行：

python deepseek_stream.py

九、使用 OpenAI SDK 调用 DeepSeek API

由于 DeepSeek API 兼容 OpenAI 风格，因此也可以使用 OpenAI SDK，并通过修改 base_url 的方式调用 DeepSeek。

1. 安装 OpenAI Python SDK

pip install openai

2. Python SDK 调用示例

创建文件：

touch deepseek_openai_sdk.py

代码如下：

import os
from openai import OpenAI

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

completion = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {
            "role": "system",
            "content": "你是一个专业的中文写作助手。"
        },
        {
            "role": "user",
            "content": "请写一段适合公众号开头的人工智能介绍。"
        }
    ],
    temperature=0.7,
    max_tokens=1000
)

print(completion.choices[0].message.content)

运行命令：

python deepseek_openai_sdk.py

十、使用 Node.js 调用 DeepSeek API

如果你正在开发 Web 应用、Node.js 后端服务或聊天机器人，也可以很方便地调用 DeepSeek API。

1. 使用 fetch 调用

Node.js 18 及以上版本内置 fetch，无需额外安装依赖。

创建项目：

mkdir deepseek-node-demo
cd deepseek-node-demo
npm init -y

创建文件：

touch index.js

写入代码：

const apiKey = process.env.DEEPSEEK_API_KEY;

if (!apiKey) {
  throw new Error("请先设置环境变量 DEEPSEEK_API_KEY");
}

async function main() {
  const response = await fetch("https://api.deepseek.com/chat/completions", {
    method: "POST",
    headers: {
      "Content-Type": "application/json",
      "Authorization": `Bearer ${apiKey}`
    },
    body: JSON.stringify({
      model: "deepseek-chat",
      messages: [
        {
          role: "system",
          content: "你是一个专业的中文AI助手。"
        },
        {
          role: "user",
          content: "请用五个要点说明API接口调用的基本流程。"
        }
      ],
      temperature: 0.7,
      max_tokens: 800
    })
  });

  if (!response.ok) {
    const errorText = await response.text();
    throw new Error(`请求失败：${response.status} ${errorText}`);
  }

  const data = await response.json();
  console.log(data.choices[0].message.content);
}

main().catch(console.error);

运行命令：

node index.js

2. Node.js 使用 OpenAI SDK 调用

安装依赖：

npm install openai

如果使用 CommonJS，可以创建 index.js：

const OpenAI = require("openai");

const client = new OpenAI({
  apiKey: process.env.DEEPSEEK_API_KEY,
  baseURL: "https://api.deepseek.com"
});

async function main() {
  const completion = await client.chat.completions.create({
    model: "deepseek-chat",
    messages: [
      {
        role: "system",
        content: "你是一个专业的技术文档助手。"
      },
      {
        role: "user",
        content: "请解释什么是RESTful API。"
      }
    ],
    temperature: 0.5
  });

  console.log(completion.choices[0].message.content);
}

main();

运行：

node index.js

如果使用 ES Module，可以在 package.json 中加入：

{
  "type": "module"
}

然后使用：

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.DEEPSEEK_API_KEY,
  baseURL: "https://api.deepseek.com"
});

const completion = await client.chat.completions.create({
  model: "deepseek-chat",
  messages: [
    {
      role: "user",
      content: "请用简单例子说明HTTP请求方法GET和POST的区别。"
    }
  ]
});

console.log(completion.choices[0].message.content);

十一、如何进行多轮对话

DeepSeek API 本身不会自动记住你之前的聊天内容。所谓“多轮对话”，通常是由你的应用程序保存历史消息，并在每次请求时把历史上下文一起传给模型。

示例：

{
  "model": "deepseek-chat",
  "messages": [
    {
      "role": "system",
      "content": "你是一个旅游规划助手。"
    },
    {
      "role": "user",
      "content": "我想去成都玩三天。"
    },
    {
      "role": "assistant",
      "content": "好的，我可以帮你规划成都三日游。请问你更喜欢美食、历史文化还是自然风景？"
    },
    {
      "role": "user",
      "content": "我更喜欢美食和历史文化。"
    }
  ]
}

每次新请求都需要携带必要的历史记录。为了控制成本和上下文长度，建议对过长历史进行摘要或裁剪。

十二、常见错误与解决方法

1. 401 Unauthorized

原因通常是 API Key 错误或没有传认证头。

检查：

-H "Authorization: Bearer YOUR_DEEPSEEK_API_KEY"

确保：

• API Key 没有写错；
• Bearer 后面有空格；
• Key 没有多余引号或换行；
• 环境变量已经生效。

2. 400 Bad Request

通常表示请求参数格式错误。

常见原因包括：

• JSON 格式不合法；
• model 名称错误；
• messages 不是数组；
• role 写错；
• 缺少必填字段。

可以用 JSON 校验工具检查请求体。

3. 429 Too Many Requests

表示请求过于频繁或额度受限。

解决方法：

• 降低请求频率；
• 增加重试间隔；
• 检查账户额度；
• 避免在循环中无节制调用。

4. 连接超时

可能是网络不稳定或请求处理时间较长。

建议：

• 设置更长的 timeout；
• 开启流式输出；
• 减少 max_tokens；
• 检查服务器网络环境。

Python 示例：

response = requests.post(
    url,
    headers=headers,
    json=payload,
    timeout=60
)

十三、生产环境接入建议

如果你计划将 DeepSeek API 用于正式业务，建议注意以下几点。

1. 不要在前端暴露 API Key

API Key 一旦放在浏览器前端代码中，很容易被用户查看和盗用。正确做法是：

前端页面 -> 你的后端服务 -> DeepSeek API

由后端统一调用 DeepSeek，并做好鉴权、限流和日志记录。

2. 增加请求限流

为了防止接口被刷，建议对用户请求做限流。例如：

• 单个用户每分钟最多请求多少次；
• 单个 IP 每小时最多请求多少次；
• 超出额度后返回错误提示。

3. 记录必要日志

建议记录：

• 请求时间；
• 用户 ID；
• 模型名称；
• token 使用量；
• 响应耗时；
• 错误状态码。

但不要记录敏感隐私内容，尤其是密码、身份证、银行卡等信息。

4. 设置合理的超时和重试

网络请求可能失败，因此生产系统应设置超时和重试机制。

建议：

• 超时时间：30 到 120 秒；
• 重试次数：1 到 3 次；
• 重试间隔：指数退避；
• 对 429、500、502、503 等错误进行有限重试。

5. 控制上下文长度

多轮对话时，历史消息会不断增长，导致成本增加、响应变慢，甚至超过上下文限制。

解决方法：

• 只保留最近几轮对话；
• 对历史内容进行摘要；
• 将长期记忆存入数据库；
• 结合向量检索实现 RAG。

十四、完整 curl 命令汇总

1. 普通问答

curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -d '{
    "model": "deepseek-chat",
    "messages": [
      {
        "role": "user",
        "content": "请介绍一下DeepSeek API。"
      }
    ],
    "temperature": 0.7,
    "max_tokens": 1000
  }'

2. 带 system 角色的请求

curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -d '{
    "model": "deepseek-chat",
    "messages": [
      {
        "role": "system",
        "content": "你是一个资深后端工程师，回答要简洁、准确。"
      },
      {
        "role": "user",
        "content": "请解释什么是数据库索引。"
      }
    ]
  }'

3. 流式输出

curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -d '{
    "model": "deepseek-chat",
    "messages": [
      {
        "role": "user",
        "content": "请写一篇关于AI编程助手的短文。"
      }
    ],
    "stream": true
  }'

4. 使用推理模型

curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -d '{
    "model": "deepseek-reasoner",
    "messages": [
      {
        "role": "user",
        "content": "请一步步分析：一个水池进水管3小时灌满，出水管6小时放空，同时打开多久灌满？"
      }
    ],
    "max_tokens": 1500
  }'

十五、总结

DeepSeek API 的接入流程并不复杂，核心步骤可以概括为：

1. 注册账号并获取 API Key；
2. 使用 Authorization: Bearer API_KEY 进行身份认证；
3. 请求 https://api.deepseek.com/chat/completions；
4. 在请求体中指定 model 和 messages；
5. 读取返回结果中的 choices[0].message.content；
6. 根据业务需要选择普通输出或流式输出；
7. 在生产环境中做好 Key 保护、限流、日志、重试和上下文管理。

如果你只是想快速测试，使用 curl 命令即可完成。如果你要开发正式应用，推荐使用 Python、Node.js 或 OpenAI SDK 进行封装。由于 DeepSeek API 兼容 OpenAI 风格，整体迁移和集成都非常方便。

最后提醒，API Key 是非常重要的凭证，务必通过环境变量或后端配置管理，不要直接写入前端代码或公开仓库。只要掌握本文中的命令和示例，你就可以快速完成 DeepSeek API 的调用，并将大模型能力集成到自己的产品和项目中。