Wie auf Integrieren Sie die DeepSeek-API

Voraussetzungen: Umgebungseinrichtung

Stellen Sie zunächst sicher, dass Ihre Entwicklungsumgebung das erforderliche SDK installiert hat. Sie benötigen eine Laufzeitumgebung wie Python oder Node.js und eine Möglichkeit, Ihre API-Anmeldedaten sicher zu speichern. Diese Einrichtung ist identisch mit der Verwendung eines anderen OpenAI-kompatiblen Dienstes.

Sie müssen keine herstellerspezifischen Treiber installieren. Der Proxy übernimmt die gesamte Modellschlussfolgerung, sodass Ihre Maschine nur HTTP-Anfragen senden und JSON-Antworten parsen muss. Dies reduziert den Abhängigkeitsaufwand und hält Ihr Projekt schlank.

Installation des offiziellen SDK

Installieren Sie das offizielle SDK für Ihre bevorzugte Sprache, um die Authentifizierung und die Serialisierung zu verarbeiten. Für Python verwenden Sie pip install openai. Für Node.js führe npm install openai. Diese Bibliothek verwaltet die zugrunde liegenden HTTP-Verbindungen.

Das SDK abstrahiert die Komplexität beim Erstellen von JSON-Payloads. Sie können sich darauf konzentrieren, Ihren Prompt zu definieren und die zurückgegebenen Tokens zu verarbeiten. Diese Standardisierung bedeutet, dass Sie später den Anbieter wechseln können, indem Sie einfach die Base-URL ändern.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.deepseekpago.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Konfigurieren der Basis-URL und des Schlüssels

Richten Sie Ihren SDK-Client auf die Proxy-Basis-URL und injizieren Sie Ihren API-Schlüssel. Dieser Konfigurationsschritt leitet den Datenverkehr von den Standard-OpenAI-Servern weg. Sie müssen die base_url zu https://api.deepseekpago.com/v1.

Übergeben Sie Ihren Schlüssel über den api_key Parameter. Dieser Schlüssel wird bei der Registrierung auf der Website erstellt. Er authentifiziert Ihre Anfragen und verfolgt die Nutzung Ihres Guthabens. Ohne diese Konfiguration schlagen Ihre Anfragen mit einem 404- oder 401-Fehler fehl.

Ihre erste Anfrage erstellen

Sende eine einfache Text-Vervollständigung, um die Konnektivität und das Modellverhalten zu überprüfen. Verwende die Modell-ID uncensored auf das spezifische Modell zugreifen, das auf dem Proxy läuft. Dieses Modell ist so optimiert, dass es ohne Inhaltsablehnungen für zulässige erwachsene Nutzung antwortet.

Der Anfragekörper enthält den messages Array und das model Identifier. Die Antwort enthält den generierten Text in content Feld. Dies bestätigt, dass Ihre Integration mit dem unzensierten Modell korrekt funktioniert.

Copycurl https://api.deepseekpago.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a list of top five open source llms"}]
  }'

Aktivieren von Streaming-Antworten

Aktivieren Sie Streaming, indem Sie stream: true in Ihrer Anfrage. Dies gibt Server-Sent Events (SSE) zurück, anstatt eines einzelnen JSON-Objekts. Sie erhalten Tokens, sobald sie generiert werden, was die wahrgenommene Latenz für Endbenutzer verbessert.

Verarbeiten Sie den Stream, indem Sie durch die Chunks iterieren. Der letzte Chunk enthält die gesamten Token-Nutzungsdaten. Dies ermöglicht es Ihnen, die Kosten in Echtzeit zu überwachen, ohne auf den Abschluss der gesamten Antwort zu warten.

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Die Verwendung von Tools und Function Calling

Definieren Sie Tools im Anfragekörper, um dem Modell die Generierung strukturierter Ausgaben zu ermöglichen. Übergeben Sie eine Liste von Funktionsdefinitionen in der tools Parameter. Das Modell gibt bei Bedarf einen Funktionsaufruf anstelle von reinem Text zurück.

Dieses Feature funktioniert genau wie die OpenAI-Funktionsaufruf-API. Sie können dies in Ihre Anwendungslogik integrieren, um Code auszuführen oder Datenbanken zu aktualisieren. Der Proxy unterstützt dieses Standardprotokoll ohne Änderungen.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.deepseekpago.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

JSON-Ausgabeformat erzwingen

Zwingen Sie das Modell dazu, gültiges JSON auszugeben, indem Sie response_format zu {"type": "json_object"}. Dies ist nützlich zum Parsen von Daten in Ihre Anwendung. Es reduziert den Bedarf an nachgelagerten Regex-Mustern.

Das Modell hält diese Einschränkung strikt ein. Wenn die Ausgabe kein gültiges JSON ist, kann die Anfrage fehlschlagen. Dies stellt sicher, dass Ihre Pipeline bei der Integration mit automatisierten Systemen robust bleibt. Sie können auch Temperatur und top_p festlegen, um die Kreativität zu steuern.

Verarbeitung von Fehlern und Ratenlimits

Die API begrenzt die Anfragen auf 300 pro Minute pro Schlüssel. Wenn Sie dies überschreiten, erhalten Sie einen 429-Fehler. Sie können auch bis zu 8 gleichzeitige Anfragen pro Schlüssel haben. Respektieren Sie diese Limits, um Serviceunterbrechungen zu vermeiden.

Fehler werden als standardmäßige JSON-Objekte mit einem Fehlercode und einer Nachricht zurückgegeben. Behandeln Sie diese angemessen in Ihrem Code. Für vorübergehende Fehler wie 429- oder 503-Antworten wird eine Retry-Logik mit exponentiellem Backoff empfohlen.

Überwachung der Token-Nutzung

Verfolgen Sie die Nutzung Ihres Prepaid-Guthabens durch die Überwachung der Token-Anzahlen. Das letzte Chunk einer Streaming-Antwort enthält die usage Objekt. Dies zeigt Eingabe- und Ausgabetoken-Anzahlen.

Die Preise betragen $0,15 pro 1M Eingabetoken und $0,50 pro 1M Ausgabetoken. Fehler sind kostenlos. Sie können die Kosten lokal berechnen, indem Sie die Token-Anzahlen mit diesen Sätzen multiplizieren. Dies hilft Ihnen, Ihre Crypto-Aufladungen genau zu planen.