DeepSeek API 完全接入指南：从注册到项目上线，一篇搞定

你已经在某个教程里注册完了，但 API Key 调不通；或者你跑通了 demo，但不知道怎么接进自己的项目——这篇文章就是为这两种人写的。

不讲历史，不讲情怀，直接开干。

---

一、为什么是 DeepSeek API？先搞清楚你在用什么

在你花时间读下去之前，先回答一个问题：DeepSeek API 值不值得用？

答案取决于你的场景。以下是一张对比表，数据来源于各平台官方定价页（如有变动以官网为准）：

⚠️ 以上价格为撰文时参考数据，请以各平台官网实时定价为准。

三个核心优势一目了然：

1. 价格：同等任务，成本比主流海外模型低一个数量级

2. 中文理解：训练数据以中文语料为基础，处理中文业务场景明显更自然

3. OpenAI 接口兼容：这是最被低估的优势——你的 OpenAI 代码，改两行就能跑在 DeepSeek 上

• deepseek-chat：主力对话模型，日常业务首选
• deepseek-coder：代码生成/补全专用，效果明显优于通用模型

其他模型（如 deepseek-reasoner）接口格式相同，参数略有差异，文末会附注。

---

二、注册与密钥获取——5 分钟完成，避开 3 个常见坑

完整注册流程

1. 访问 [platform.deepseek.com](https://platform.deepseek.com)

2. 点击右上角「注册」，填写手机号，获取验证码

3. 设置密码，完成注册

4. 进入控制台后，点击左侧菜单「API Keys」

5. 点击「创建 API Key」，给 Key 起个名字（建议按项目命名，如 project-crm-prod）

6. Key 只会显示一次，立即复制保存

⚠️ 三个新手必踩坑

创建完成后，系统弹出的那个 Key 字符串，关掉弹窗就永远看不到原文了。你只能看到 Key 的前几位和后几位。如果忘记保存，唯一的办法是删掉重建。

新注册账号会赠送一定额度的免费 token，但这个额度有时间限制（通常为注册后数月内有效）。很多人注册完放着不用，等到真正要用时额度已经过期。

DeepSeek 平台充值有最低金额限制，且目前不支持开具增值税专用发票（只能开普通发票）。如果你是企业采购需要报销，提前确认财务要求。

---

三、第一次调用——从 curl 到 Python，跑通才算真会

Step 1：用 curl 看到第一个响应

打开终端，把下面这行命令里的 YOUR_API_KEY 替换成你的 Key，直接运行：

curl https://api.deepseek.com/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model": "deepseek-chat",
"messages": [
{"role": "user", "content": "用一句话解释什么是 API"}
]
}'

如果你看到一段 JSON 响应，里面有 "content" 字段和一句话解释——恭喜，你已经跑通了最难的那一步。

Step 2：Python requests 写法

import requests

API_KEY = "YOUR_API_KEY"
API_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": "帮我写一个 Python 函数，计算斐波那契数列"}
],
"temperature": 0.7,      # 创意度：0=保守，1=发散，代码生成建议 0.3 以下
"max_tokens": 1024,      # 单次响应最大 token 数，控制成本的关键参数
"stream": False          # True = 流式输出（打字机效果），False = 等待完整响应
}

response = requests.post(API_URL, headers=headers, json=payload)
result = response.json()
print(result["choices"][0]["message"]["content"])

Step 3：openai SDK 兼容写法（推荐）

这是 DeepSeek 最香的特性之一——你可以直接用 openai 这个 Python 包调用 DeepSeek，只需改两个参数：

from openai import OpenAI

client = OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.deepseek.com"   # ← 只改这一行
)

response = client.chat.completions.create(
model="deepseek-chat",                 # ← 和这一行
messages=[
{"role": "system", "content": "你是一个专业的代码审查员"},
{"role": "user", "content": "帮我审查这段代码的安全性：SELECT * FROM users WHERE id = " + user_input}
],
temperature=0.3,
max_tokens=2048,
stream=True   # 流式输出示例
)

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

💡 如果你不想自己管 API Key 和额度，也可以通过聚合平台直接调用 DeepSeek 及多家模型——

[api.884819.xyz](https://api.884819.xyz) 支持 OpenAI 格式兼容调用，切换模型只需改 model 参数，适合需要同时测试 DeepSeek、GPT-5 系列、Claude 多个模型的开发者。新用户注册即送体验 token，国产模型完全免费，无月租按量付费。

---

四、接入你自己的项目——三个真实场景

场景一：Python 后端服务（Flask/FastAPI）

生产环境里，你不会直接把 Key 写在代码里。正确姿势是从环境变量读取，并做好错误处理和重试：

import os
import time
from openai import OpenAI, RateLimitError, APIError
from flask import Flask, request, jsonify

app = Flask(__name__)

client = OpenAI(
api_key=os.environ.get("DEEPSEEK_API_KEY"),  # 从环境变量读取
base_url="https://api.deepseek.com"
)

def call_with_retry(messages, max_retries=3):
"""带重试逻辑的调用封装"""
for attempt in range(max_retries):
try:
response = client.chat.completions.create(
model="deepseek-chat",
messages=messages,
temperature=0.7,
max_tokens=1024
)
return response.choices[0].message.content
except RateLimitError:
if attempt < max_retries - 1:
time.sleep(2 ** attempt)  # 指数退避
else:
raise
except APIError as e:
raise Exception(f"API 错误: {e}")

@app.route("/chat", methods=["POST"])
def chat():
data = request.json
user_message = data.get("message", "")
result = call_with_retry([{"role": "user", "content": user_message}])
return jsonify({"reply": result})

场景二：前端直调的正确姿势

正确方案是后端代理：

// ❌ 错误写法（Key 暴露在前端）
const response = await fetch("https://api.deepseek.com/chat/completions", {
headers: { "Authorization": "Bearer sk-xxxxxxxx" }  // 危险！
})

// ✅ 正确写法：前端只调自己的后端
const response = await fetch("/api/chat", {
method: "POST",
headers: { "Content-Type": "application/json" },
body: JSON.stringify({ message: userInput })
})
// Key 存在你的服务器环境变量里，前端永远看不到

Node.js 后端代理的核心代码：

// server.js（Node.js + Express）
const express = require("express")
const OpenAI = require("openai")

const app = express()
app.use(express.json())

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

app.post("/api/chat", async (req, res) => {
const { message } = req.body
const response = await client.chat.completions.create({
model: "deepseek-chat",
messages: [{ role: "user", content: message }]
})
res.json({ reply: response.choices[0].message.content })
})

场景三：接入 Dify / LangChain

1. 进入 Dify 控制台 → 设置 → 模型供应商

2. 选择「OpenAI-API-compatible」（不是 OpenAI 原生）

3. 填写：

- API Base URL：https://api.deepseek.com

- API Key：你的 DeepSeek Key

- Model Name：deepseek-chat

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
model="deepseek-chat",
openai_api_key="YOUR_API_KEY",
openai_api_base="https://api.deepseek.com",
temperature=0.7
)

response = llm.invoke("帮我总结这份合同的主要条款")
print(response.content)

如果你在 Dify / LangChain 里需要频繁切换底层模型，使用统一的 API 聚合入口（如 [api.884819.xyz](https://api.884819.xyz)）可以避免反复修改配置文件中的 base_url 和 key，一个入口管理所有模型。

---

五、上线前必查清单 + 常见报错速查

✅ 上线前 10 项自检清单

- [ ] API Key 已写入环境变量，未硬编码在代码里
[ ] .env 文件已加入 .gitignore，不会被提交到代码仓库
[ ] 已设置账户级别的用量上限（控制台 → 用量限制）
[ ] 已实现速率限制（Rate Limit）的重试和队列逻辑
[ ] 流式输出（stream）场景已处理连接中断的异常
[ ] 已对用户输入做基本过滤，避免 Prompt 注入攻击
[ ] max_tokens 已根据业务场景合理设置，避免超长响应
[ ] 已在测试环境用真实流量压测，确认响应时间可接受
[ ] 错误日志已接入监控（如 Sentry），异常能及时告警
[ ] 已告知用户内容由 AI 生成，符合相关法规要求

🔥 8 个高频报错速查表

💰 费用控制两个关键操作

1. 设置账户用量上限：控制台 → 账单 → 用量限制，设置每月最高消费额，超出自动停止调用

2. 监控 Token 消耗：每次 API 响应的 usage 字段会返回本次消耗的 token 数，建议记录到日志，每天统计趋势

# 从响应中提取 token 用量
response = client.chat.completions.create(...)
usage = response.usage
print(f"输入: {usage.prompt_tokens} tokens, 输出: {usage.completion_tokens} tokens")

---

现在，你手里有 Key，有代码，有清单

唯一缺的就是你打开编辑器的那一下。

从 curl 那一行开始。跑通了，剩下的都是照着抄。

---

下一篇我们要做一件更有意思的事：

>

光会调 API 还不够——怎么让它"记住"你们的对话？

>

多轮对话的上下文管理、Token 爆炸的应对策略、以及如何给 DeepSeek 注入你自己的知识库（RAG 入门）……

>

《DeepSeek API 进阶：多轮对话 + RAG 知识库接入实战》，下周更新。

点个关注，不然你会找不到它。

---

#DeepSeek #API教程 #AI开发 #Python #8848AI #LangChain #AI工具 #开发者必看