Python调用DeepSeek API的完整操作指南

简介

本文将详细介绍如何使用 Python 调用 DeepSeek API，实现流式对话并保存对话记录。相比 Go 版本，Python 实现更加简洁优雅，适合快速开发和原型验证。https://cloud.siliconflow.cn/i/vnCCfVaQ

1. 环境准备

1.1 依赖安装

pip install requests

1.2 项目结构

deepseek-project/├── main.py           # 主程序└── conversation.txt  # 对话记录文件

2. 完整代码实现

import osimport jsonimport timeimport requestsfrom datetime import datetimedef save_to_file(file, content, is_question=False):    """保存对话内容到文件"""    timestamp = datetime.now().strftime("%Y-%m-%d %H:%M:%S")    if is_question:        file.write(f"\n[{timestamp}] Question:\n{content}\n\n[{timestamp}] Answer:\n")    else:        file.write(content)def main():    # 配置    url = "https://api.siliconflow.cn/v1/chat/completions"    headers = {        "Content-Type": "application/json",        "Authorization": "Bearer YOUR_API_KEY"  # 替换为你的 API Key    }    # 打开文件用于保存对话    with open("conversation.txt", "a", encoding="utf-8") as file:        while True:            # 获取用户输入            question = input("\n请输入您的问题 (输入 q 退出): ").strip()                        if question.lower() == 'q':                print("程序已退出")                break            # 保存问题            save_to_file(file, question, is_question=True)            # 准备请求数据            data = {                "model": "deepseek-ai/DeepSeek-V3",                "messages": [                    {                        "role": "user",                        "content": question                    }                ],                "stream": True,                "max_tokens": 2048,                "temperature": 0.7,                "top_p": 0.7,                "top_k": 50,                "frequency_penalty": 0.5,                "n": 1,                "response_format": {                    "type": "text"                }            }            try:                # 发送流式请求                response = requests.post(url, json=data, headers=headers, stream=True)                response.raise_for_status()  # 检查响应状态                # 处理流式响应                for line in response.iter_lines():                    if line:                        line = line.decode('utf-8')                        if line.startswith('data: '):                            if line == 'data: [DONE]':                                continue                                                        try:                                content = json.loads(line[6:])  # 去掉 'data: ' 前缀                                if content['choices'][0]['delta'].get('content'):                                    chunk = content['choices'][0]['delta']['content']                                    print(chunk, end='', flush=True)                                    file.write(chunk)                                    file.flush()                            except json.JSONDecodeError:                                continue                # 添加分隔符                print("\n----------------------------------------")                file.write("\n----------------------------------------\n")                file.flush()            except requests.RequestException as e:                error_msg = f"请求错误: {str(e)}\n"                print(error_msg)                file.write(error_msg)                file.flush()if __name__ == "__main__":    main()

3. 代码详解

3.1 核心功能

文件记录功能

save_to_file函数负责：

生成时间戳格式化保存问题和答案自动刷新文件缓冲区

API 配置

headers = {    "Content-Type": "application/json",    "Authorization": "Bearer YOUR_API_KEY"  # 替换为你的 API Key}

流式请求处理

程序使用requests库的流式处理功能：

使用stream=True启用流式传输逐行处理响应数据实时显示和保存内容

3.2 配置参数说明

API请求参数：

model: 使用的模型名称stream: 启用流式输出max_tokens: 最大输出长度 (2048)temperature: 控制随机性 (0.7)top_p,top_k: 采样参数frequency_penalty: 重复惩罚系数

4.错误处理

代码包含完整的错误处理机制：

检查 HTTP 响应状态捕获网络异常处理 JSON 解析错误文件操作错误处理

5. 使用方法

5.1 修改配置

在代码中替换 YOUR_API_KEY 为你的实际 API Key。

5.2 运行程序

python main.py

5.3 交互方式

输入问题进行对话输入 ‘q’ 退出程序查看 conversation.txt 获取对话记录

6. 性能优化建议

文件操作

使用适当的缓冲区大小定期刷新文件缓冲正确关闭文件句柄

网络请求

设置适当的超时使用会话（Session）复用连接处理网络异常

内存管理

及时释放资源避免大量数据积累使用生成器处理流式数据

总结

Python 版本的 DeepSeek API 调用实现简单直观，适合快速开发和测试。通过流式处理和文件记录，提供了完整的对话体验。

正文