目錄
- 5分鐘快速接入DeepSeek大模型:WebSocket實時聊天指南
- 創建應用
- 開發后端代碼 (Python/Node.js)
- 結語
5分鐘快速接入DeepSeek大模型:WebSocket實時聊天指南
創建應用
-
訪問DeepSeek官網
- 前往 DeepSeek官網。
- 如果還沒有賬號,需要先注冊一個。
-
進入API開放平臺
- 點擊右上角的“API 開放平臺”按鈕,進入后臺管理頁面。
- 你可以看到默認贈送的10元免費額度。
-
創建API Key
- 點擊“API keys”,進入Key管理頁面。
- 創建一個新的API Key,并確保保存好這個Key,因為一旦離開頁面就無法再次查看。
開發后端代碼 (Python/Node.js)
推薦使用Python或Node.js編寫后臺代碼。下面以Python為例進行說明。
-
安裝OpenAI庫
pip3 install openai
-
引入OpenAI并創建DeepSeek客戶端實例
from openai import OpenAIclient = OpenAI(api_key="替換為你的key", base_url="https://api.deepseek.com")
-
發送請求
response = client.chat.completions.create(model="deepseek-chat",messages=[{"role": "user", "content": "詳細介紹一下你自己"},],stream=False ) print(response.choices[0].message.content)
輸出結果如下:
-
流式輸出結果
將請求參數stream
設置為True
即可實現流式輸出。response = client.chat.completions.create(model="deepseek-chat",messages=[{"role": "user", "content": "詳細介紹一下你自己"},],stream=True ) for chunk in response:print(chunk.choices[0].delta.content, end='', flush=True)
-
接口封裝
將功能封裝為WebSocket接口,實現實時聊天。import asyncio import json from websockets import serve from openai import OpenAIclient = OpenAI(api_key="替換為你的key", base_url="https://api.deepseek.com")async def chat_handler(websocket):async for message in websocket:data = json.loads(message)user_input = data.get('user_input', '')history = data.get('history', [])messages = [{"role": "system", "content": "You are a helpful assistant"}]messages.extend(history)messages.append({"role": "user", "content": user_input})response = client.chat.completions.create(model="deepseek-chat",messages=messages,stream=True)for chunk in response:content = chunk.choices[0].delta.contentif content:await websocket.send(json.dumps({'content': content}, ensure_ascii=False))async def main():async with serve(chat_handler, "localhost", 8765):await asyncio.Future() # Run foreverif __name__ == "__main__":asyncio.run(main())
使用Postman測試接口:
結語
通過以上步驟,你可以在短短5分鐘內完成與DeepSeek大模型的集成,并實現一個實時聊天應用。WebSocket技術使得聊天內容可以流式傳輸,提升用戶體驗。希望這篇指南對你有所幫助,讓你的項目更加高效和強大!
前端開發教程構建高效智能對話前端:基于Ant Design X 的deepseek對話應用
源碼下載地址