DeepSeek API 接入教程：从免费 Chat 到低成本模型调用

这篇教程会完成什么

这篇教程面向想试用 DeepSeek 的普通用户和开发者。你会理解什么时候用免费 Chat，什么时候用 API；如何用兼容 OpenAI SDK 的方式接入；以及如何控制 token 成本、选择模型和避免后续迁移风险。

DeepSeek 的价值主要体现在两端：普通用户可以免费体验中文问答和推理；开发者可以用较低成本接入大模型能力。如果你只是想偶尔问问题，Chat 就够了。如果你要把模型接进应用、自动化流程或内部工具，就需要 API。

开始前需要准备

你需要准备三个东西：DeepSeek 账号、API Key、一个可以运行代码的项目环境。如果只是体验 Chat，可以直接访问 chat.deepseek.com。如果要接入 API，需要进入 platform.deepseek.com 创建 Key，并确认当前模型名称和价格。

建议不要一开始就接到生产环境。先准备一个小脚本或测试项目，用 10 到 20 条真实业务样本测试输出质量、速度和成本。

第一步：先用 Chat 判断模型风格

在写代码前，先用 DeepSeek Chat 做几轮真实测试。不要只问“你好”或“写一首诗”，而要使用你真实业务里的样本。例如：

• 让它总结一篇中文长文。
• 让它把客服问题分类。
• 让它生成 FAQ。
• 让它解释一段报错日志。
• 让它改写一段营销文案。

这个阶段的目标是判断输出风格和能力边界。如果 Chat 的质量已经不能满足你的任务，API 接入也不会神奇解决问题。

第二步：创建 API Key 并配置 SDK

DeepSeek API 兼容 OpenAI SDK，因此迁移成本很低。Python 示例大致如下：

from openai import OpenAI

client = OpenAI(
    api_key="你的 DeepSeek API Key",
    base_url="https://api.deepseek.com"
)

response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[
        {"role": "system", "content": "你是一个严谨的中文内容助手。"},
        {"role": "user", "content": "请把这段内容总结成 5 个要点。"}
    ]
)

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

实际模型名要以官方文档为准。DeepSeek 的模型 ID 可能会随版本调整，接入时不要只看旧教程。

第三步：选择模型

一般建议先用便宜、快速的模型处理大多数任务，再把复杂任务交给更强模型。

V4-Flash 适合日常聊天、批量摘要、分类、改写、客服问答和低成本任务。它的优势是便宜和吞吐高。V4-Pro 更适合复杂推理、代码、Agent、长链路任务和高质量输出。它更贵，但在复杂任务里更稳定。

不要只按模型名判断好坏。最可靠的方式是用你的真实样本跑一遍，比较准确率、格式稳定性、人工返工时间和最终成本。

第四步：控制 token 成本

DeepSeek 的成本优势很明显，但如果 prompt 写得很长、重复发送大量上下文，成本仍然会上升。建议从一开始就做三件事。

第一，固定 system prompt，不要每次拼接大量无关规则。第二，把长上下文拆成可复用的摘要或结构化字段。第三，记录每次调用的输入输出 tokens，按任务类型统计成本。

如果业务里有大量重复前缀，例如固定规范、固定示例和固定角色说明，注意利用缓存命中带来的成本优势。缓存是否有效取决于具体请求结构和官方实现，接入后要用日志验证。