DeepSeek 聊天完成 API 的应用与使用
在当今的人工智能技术中，DeepSeek 是一个非常强大的对话系统。通过输入提示，DeepSeek 能在几秒钟内生成流畅自然的回复。DeepSeek-V3 凭借其卓越的语言理解和生成能力，在各个行业和领域中都有着广泛的应用，其影响力日益显著。无论是日常对话、创意写作，还是专业咨询和编程，DeepSeek-V3 都能提供令人惊叹的智能助手，极大地提升人类的工作效率和创造力。
本文将详细介绍 DeepSeek 聊天完成 API 的使用过程，帮助我们轻松利用 DeepSeek 对话功能。
环境准备/前置条件
- 访问 DeepSeek Chat Completion API 页面。
- 注册并登录账户，获取 API 请求所需的凭据。
- 一旦申请首次使用，将会提供一个免费的配额，允许您免费使用该 API。
详细步骤
申请过程
在访问 DeepSeek API 页面后，点击“获取”按钮以获取请求凭据：
如果您尚未登录或注册，将自动重定向到登录页面。完成登录或注册后，将返回到当前页面。
基本使用
在页面界面中填写相应内容，如下图所示：
首次使用时，需填写至少三项内容：
authorization：从下拉列表中直接选择。model：选择要使用的 DeepSeek 官方模型。主要有四种类型的模型，具体详情请查看提供的模型。messages：一个数组，包含我们的输入问题，每个问题包含role和content。role表示提问者的身份，提供三种身份：user、assistant和system。content是我们问题的具体内容。
右侧有代码生成，可以直接复制运行或点击“试用”按钮进行测试。
常用可选参数：
max_tokens：限制单个回复的最大 token 数量。temperature：生成随机性，范围为 0-2，值越大生成的内容越发散。n：一次生成多少个候选回复。response_format：设置返回格式。
调用后返回的结果如下：
{ "id": "chatcmpl-050bf20a-ebcd-498a-bf6e-63ee0738013b", "object": "chat.completion", "created": 1764846609, "model": "deepseek-v3.2-exp", "usage": { "prompt_tokens": 8, "completion_tokens": 11, "total_tokens": 19 }, "choices": [ { "index": 0, "message": { "content": "Hello! 😊 How can I help you today?", "role": "assistant" }, "refs": null, "logprobs": null, "finish_reason": "stop", "service_tier": null } ] }返回结果中的各字段含义如下：
id：该对话任务生成的 ID，用于唯一标识该对话任务。created：该对话任务的创建时间信息。model：选择的 DeepSeek 官方模型。choices：DeepSeek 对问题提供的响应信息。usage：该问答对的 token 统计信息。
可以看到，choices中的content字段包含 DeepSeek 的具体回复内容。
流式响应
此接口还支持流式响应，非常适合网页集成，允许网页实现逐字显示效果。
若希望以流式方式返回响应，可以将请求头中的stream参数更改为true。
如图所示修改，但调用代码需要进行相应的更改以支持流式响应。
修改stream为true后，API 将逐行返回相应的 JSON 数据，代码层面需要做相应的修改以获取逐行结果。
Python 示例调用代码：
import requests url = "https://api.acedata.cloud/deepseek/chat/completions" headers = { "accept": "application/json", "authorization": "Bearer {token}", "content-type": "application/json" } payload = { "model": "deepseek-v3", "messages": [{"role":"user","content":"hello"}], "stream": True } response = requests.post(url, json=payload, headers=headers) print(response.text)输出效果如下：
data: {"id": "o7X27b1-2kFHot-97098d957dd1d39a-PDX", "object": "chat.completion.chunk", "created": 1755437709, "model": "deepseek-v3", "choices": [{"delta": {"content": "Hello", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} ... data: [DONE]可以看到，响应中有多个data，choices中是最新的响应内容，[DONE]表示流式响应已完全结束。
多轮对话
如果想要集成多轮对话功能，需要在messages字段中上传多个问题。多轮问题的具体示例如下：
Python 示例调用代码：
import requests url = "https://api.acedata.cloud/deepseek/chat/completions" headers = { "accept": "application/json", "authorization": "Bearer {token}", "content-type": "application/json" } payload = { "model": "deepseek-v3", "messages": [{"role":"user","content":"Hello"},{"role":"assistant","content":"Hi! How can I assist you today?"},{"role":"user","content":"What I say just now?"}] } response = requests.post(url, json=payload, headers=headers) print(response.text)通过上传多个问题，您可以轻松实现多轮对话，并收到如下响应：
{ "id": "as-8g3qzbsw2b", "object": "chat.completion", "created": 1755437895, "model": "deepseek-v3", "choices": [ { "index": 0, "message": { "role": "assistant", "content": "You just said: \n\n**\"Hello\"** \n\nAnd I responded with: \n\n**\"Hi! How can I assist you today?\"** \n\nThen you followed up with: \n\n**\"What I say just now?\"** \n\nLet me know how I can help! 😊" }, "finish_reason": "stop", "flag": 0 } ], "usage": { "prompt_tokens": 22, "completion_tokens": 57, "total_tokens": 79 } }可以看到，choices中的信息与基本用法内容一致，包括 DeepSeek 对多轮对话的具体回复。
错误处理
调用 API 时，如果发生错误，API 将返回相应的错误代码和消息。例如：
400 token_mismatched：错误请求，可能由于缺少或无效参数。401 invalid_token：未授权，无效或缺失授权 token。429 too_many_requests：请求过多，超出速率限制。500 api_error：服务器内部错误，服务器出现问题。
错误响应示例
{ "success": false, "error": { "code": "api_error", "message": "fetch failed" }, "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89" }总结
通过本文，您了解了如何使用 DeepSeek 聊天完成 API 简便地实现对话功能。希望本文能帮助您更好地集成和使用该 API。如有任何问题，请随时联系技术支持团队。
平台背景： - 名称：Ace Data