数字化时代：详解DeepSeek API Key获取及项目应用开启智能对话之旅

若你对智能对话体验充满期待，想要迅速踏上这趟旅程，那么掌握并使用 API 密钥无疑是最重要的起始环节。下面，我会逐一为你讲解。

注册账号

要获取API密钥，得先注册一个账户。注册时，得在平台指定的注册页面，按照提示填写个人信息，诸如姓名、电子邮箱等，接着完成注册过程。注册成功后，您将获得登录账户的权限，这是获取API密钥的第一步。只有拥有了账户，才能进行接下来的操作。

众多开发者群体中，只要成功注册账号，就等于向获取API Key迈进了一步。这让他们内心激动不已，因为新的工具探索之旅即将展开，眼前正有许多新的可能性等待我们去逐一探索。

创建 API Key

import os

api_key = "your_api_key_here"  # 替换为您的API Key

os.environ["DEEPSEEK_API_KEY"] = api_key

进入平台后，找到生成API密钥的页面，点击“生成API密钥”按钮。然后，给它设定一个名称，这个名称可以根据个人喜好来定，比如用项目名，这样做有助于之后识别。

export DEEPSEEK_API_KEY="your_api_key_here"

轻点“创建”按键，系统即刻自动生成一个独一无二的API Key。然而，务必留意，此Key仅此一次显现，因此务必要妥善保管。若不小心遗失，唯有重新启动创建过程。不少开发者因疏忽大意而丢失Key，不得不重新经历整个过程，这无疑会耗费大量宝贵时间。

保存 API Key

为确保API密钥的保密性，我们不鼓励将其直接嵌入到代码中。相反，我们应当将其保存在环境变量里。在Python的开发过程中，我们可以通过编写专门的脚本，来设置这些环境变量。

from openai import OpenAI



# 初始化OpenAI客户端

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



# 创建对话消息

messages = [

    {"role": "system", "content": "You are a helpful assistant."},

    {"role": "user", "content": "Hello!"}

]



# 调用API

response = client.chat.completions.create(

    model="deepseek-chat",

    messages=messages,

    stream=False

)



# 输出AI回复

print("AI回复：", response.choices[0].message.content)

在 Linux 或者 Mac 操作系统中，您可以通过命令行来执行一些特定的指令以完成设置和配置。这样一来，在编写代码的过程中，您就可以使用这些方法来获取 API 密钥。这种存储方式对于保障安全具有重要作用，能够显著减少许多潜在的安全隐患，因此请大家务必给予关注。

调用 API

获得API的密钥后，我们便可以借助编程技术来访问API接口。这里提供了一个示例代码，其中参数的设置尤为关键。在选取model参数时，务必挑选合适的模型，例如，可以通过选择“-chat”选项来明确指定使用-V3版本的模型。

messages参数指的是一个列表，其中汇集了系统传递的资讯以及用户发出的信息。这些系统资讯对AI角色的行为产生影响，而用户资讯则是用户真实输入的内容。借助API的调用，我们能够获取到包含AI回复的反馈。代码运行结束后，我们便可以与AI进行对话。

from openai import OpenAI



# 初始化OpenAI客户端

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



# 初始化对话消息列表

messages = [

    {"role": "system", "content": "You are a helpful assistant."}

]



while True:

    # 获取用户输入

    user_input = input("请输入对话：\n")

    messages.append({"role": "user", "content": user_input})



    # 调用API

    response = client.chat.completions.create(

        model="deepseek-chat",

        messages=messages,

        stream=True

    )



    # 输出AI回复

    print("AI回复：")

    for chunk in response:

        if chunk.choices[0].delta.content:

            print(chunk.choices[0].delta.content, end="", flush=True)

    print()

多轮对话实现

考虑到 /chat/ API 具备“无状态”特性，若要实现多轮交流，我们可以采用 while 循环的方式。每当用户发送一条信息，我们就将其记录在列表中，然后调用 API。

使用 stream=True 这一选项，我们能够逐行查看AI的回应，并且能够实时地呈现出来，让人仿佛真的在与一个真人进行对话。在真正的开发过程中，这种来回交流的情况相当常见，极大地增强了用户的交流体验。

接入微信平台

version: '2.0'

services:

  chatgpt-on-wechat:

    image: registry.cn-guangzhou.aliyuncs.com/kangarooking/chatgpt-on-wechat:250131

    container_name: chatgpt-on-wechat

    security_opt:

      - seccomp:unconfined

    environment:

      OPEN_AI_API_KEY: 'your_api_key_here'  # 替换为您的DeepSeek API Key

      OPEN_AI_API_BASE: 'https://api.deepseek.com/v1'

      MODEL: 'deepseek-chat'

      SINGLE_CHAT_PREFIX: '[""]'

      SINGLE_CHAT_REPLY_PREFIX: '" "'

      GROUP_CHAT_PREFIX: '["@your_wechat_name"]'  # 替换为您的微信名

      GROUP_NAME_WHITE_LIST: '["测试1群", "测试2群"]'

      IMAGE_CREATE_PREFIX: '["画", "看", "找"]'

      CONVERSATION_MAX_TOKENS: 3000

      SPEECH_RECOGNITION: 'False'

      CHARACTER_DESC: '用猫娘的语气跟我说话'

      EXPIRES_IN_SECONDS: 3600

      USE_GLOBAL_PLUGIN_CONFIG: 'True'

      HOT_RELOAD: 'True'

此API不仅适用于本地操作，而且支持与微信平台对接。首先，需按照之前所述步骤获取API Key；接着，登录微信公众账号管理后台；选择“开发”选项；进入“基本配置”页面；在该页面中输入服务器API地址等必要信息。

以 Flask 为基础构建后端，我们能够处理微信信息，并调用相关接口。这样，我们便可以将人工智能技术整合到微信公众平台中。进而，更多的人能够通过微信平台享受到智能对话的便利。

在使用API密钥时，大家有没有遇到过什么特别棘手的问题？若这篇文章给您带来了一些帮助，还请记得点个赞，并且不妨将它分享给更多的人！

from flask import Flask, request, jsonify

import hashlib

import requests

import time



app = Flask(__name__)



TOKEN = "your_token_here"  # 替换为您的微信Token

DEEPSEEK_API_KEY = "your_api_key_here"  # 替换为您的DeepSeek API Key



# 微信验证接口

@app.route('/wechat', methods=['GET'])

def verify():

    signature = request.args.get('signature', '')

    timestamp = request.args.get('timestamp', '')

    nonce = request.args.get('nonce', '')

    echostr = request.args.get('echostr', '')



    # 验证签名

    tmp_list = sorted([timestamp, nonce, TOKEN])

    tmp_str = ''.join(tmp_list).encode('utf-8')

    hash_str = hashlib.sha1(tmp_str).hexdigest()



    if hash_str == signature:

        return echostr

    else:

        return 'Verification Failed'



# 处理用户消息

@app.route('/wechat', methods=['POST'])

def handle_message():

    # 解析XML数据（需实现XML解析逻辑）

    user_msg = extract_user_msg(request.data)  # 自定义解析函数

    user_input = user_msg.get('Content', '')



    # 调用DeepSeek API

    headers = {"Authorization": f"Bearer {DEEPSEEK_API_KEY}"}

    response = requests.post(

        "https://api.deepseek.com/v1/chat/completions",

        headers=headers,

        json={"messages": [{"role": "user", "content": user_input}]}

    )

    ai_response = response.json()['choices'][0]['message']['content']



    # 返回微信XML格式响应

    return f"""

    

        

        

        {int(time.time())}

        

        

    

    """



if __name__ == '__main__':

    app.run(port=80, host='0.0.0.0')

数字化时代：详解DeepSeek API Key获取及项目应用开启智能对话之旅

你可能感兴趣的

发表评论