چگونه to Integrate the DeepSeek API

پیش‌نیازها: پیکربندی محیط

ابتدا اطمینان حاصل کنید که محیط توسعه شما دارای SDK مورد نیاز نصب شده است. شما به یک زمان‌اجرا مانند Python یا Node.js و یک روش برای ذخیره امن اعتبارنامه‌های API خود نیاز دارید. این راه‌اندازی مشابه استفاده از هر سروس سازگار با OpenAI دیگر است.

شما نیازی به نصب درایورهای خاص ارائه‌دهنده ندارید. پروکسی تمام استنتاج مدل را مدیریت می‌کند، بنابراین ماشین شما فقط نیاز دارد که درخواست‌های HTTP ارسال کند و پاسخ‌های JSON را تجزیه کند. این سربار وابستگی را کاهش می‌دهد و پروژه شما را سبک نگه می‌دارد.

نصب SDK رسمی

کتابخانه رسمی SDK را برای زبان مورد علاقه خود نصب کنید تا احراز هویت و سریال‌سازی را به‌طور خودکار انجام دهد. برای Python، از pip install openai. برای Node.js، دستور npm install openai. این کتابخانه اتصالات HTTP زیرین را مدیریت می‌کند.

SDK پیچیدگی ساخت payloadهای JSON را مدیریت می‌کند. شما می‌توانید بر تعریف prompt و مدیریت توکن‌های بازگشتی تمرکز کنید. این استانداردسازی به این معنی است که می‌توانید بعداً با تغییر فقط URL پایه، ارائه‌دهنده را عوض کنید.

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)

پیکربندی URL پایه و کلید

مشتری SDK خود را به URL پایه پراکسی پیکربندی کنید و کلید API خود را تزریق کنید. این مرحله پیکربندی ترافیک را از سرورهای استاندارد OpenAI دور می‌کند. باید base_url به https://api.deepseekpago.com/v1.

کلید خود را از طریق منتقل کنید api_key پارامتر. این کلید هنگام ثبت‌نام در سایت ایجاد می‌شود. درخواست‌های شما را احراز هویت کرده و مصرف اعتبار پیش‌پرداخت شما را ردیابی می‌کند. بدون این پیکربندی، درخواست‌های شما با خطای 404 یا 401 شکست می‌خورند.

انجام اولین درخواست

یک تکمیل متن ساده ارسال کنید تا اتصال و رفتار مدل را بررسی کنید. از شناسه مدل uncensored برای دسترسی به مدل خاص اجرا شده روی پروکسی. این مدل برای پاسخ دادن بدون رد شدن محتوا برای استفاده بزرگسالان قانونی بهینه‌سازی شده است.

بدنه درخواست شامل messages آرایه و model شناسه. پاسخ شامل متن تولید شده در content فیلد. این تأیید می‌کند که ادغام شما با مدل uncensored به درستی کار می‌کند.

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"}]
  }'

فعال‌سازی پاسخ‌های پخش زنده

استریمینگ را با تنظیم stream: true در درخواست خود. این به جای یک شیء JSON واحد، رویدادهای سرگرم‌شده سرور (SSE) را برمی‌گرداند. توکن‌ها به محض تولید دریافت می‌شوند که تأخیر ادراک‌شده را برای کاربران نهایی بهبود می‌بخشد.

جریان را با پیمایش روی قطعات (chunks) مدیریت کنید. آخرین قطع شامل کل مصرف توکن است. این به شما امکان می‌دهد هزینه‌ها را به‌صورت بلادرنگ بدون انتظار برای تکمیل پاسخ کامل، پایش کنید.

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)

استفاده از ابزارها و Function Calling

ابزارها را در بدنه درخواست تعریف کنید تا به مدل اجازه دهید خروجی‌های ساختاریافته تولید کند. لیستی از تعاریف تابع را در ارسال کنید tools پارامتر. مدل در صورت نیاز، به جای متن ساده، یک فراخوانی تابع بازگردانی می‌کند.

این قابلیت دقیقاً مانند API فراخوانی تابع OpenAI عمل می‌کند. می‌توانید آن را در منطق برنامه خود ادغام کنید تا کد اجرا شود یا پایگاه‌داده‌ها به‌روزرسانی شوند. پراکسی این پروتکل استاندارد را بدون تغییر پشتیبانی می‌کند.

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);

اعمال قالب خروجی JSON

مدل را مجبور به بازگشت JSON معتبر با تنظیم response_format به {"type": "json_object"}. این برای تجزیه داده‌ها در برنامه خود مفید است. نیاز به پردازش پسین الگوهای منظم (regex) را کاهش می‌دهد.

مدل این محدودیت را strictly رعایت می‌کند. اگر خروجی JSON معتبر نباشد، درخواست ممکن است شکست بخورد. این تضمین می‌کند که pipeline شما هنگام یکپارچه‌سازی با سیستم‌های خودکار مقاوم باقی بماند. همچنین می‌توانید temperature و top_p را برای کنترل خلاقیت تنظیم کنید.

مدیریت خطاها و محدودیت‌های نرخ

API محدودیت ۳۰۰ درخواست در دقیقه به ازای هر کلید را اعمال می‌کند. اگر از این محدودیت تجاوز کنید، خطای 429 دریافت می‌کنید. همچنین می‌توانید تا ۸ درخواست همزمان به ازای هر کلید داشته باشید. برای جلوگیری از وقفه در سرویس، به این محدودیت‌ها احترام بگذارید.

خطاها به عنوان اشیاء JSON استاندارد با کد خطا و پیام بازگردانده می‌شوند. این موارد را به صورت ایمن در کد خود مدیریت کنید. برای خطاهای موقتی مانند پاسخ‌های 429 یا 503، استفاده از منطق تلاش مجدد با افزایش نمایی توصیه می‌شود.

مانیتور کردن مصرف توکن

مصرف اعتبار پیش‌پرداخت خود را با پایش تعداد توکن‌ها ردیابی کنید. قطعه نهایی در یک پاسخ استریمی شامل usage object. این شمارش توکن‌های ورودی و خروجی را نشان می‌دهد.

قیمت‌ها ۰.۱۵ دلار به ازای ۱ میلیون توکن ورودی و ۰.۵۰ دلار به ازای ۱ میلیون توکن خروجی است. خطاها رایگان هستند. می‌توانید هزینه‌ها را به صورت محلی با ضرب کردن تعداد توکن‌ها در این نرخ‌ها محاسبه کنید. این کار به شما کمک می‌کند بودجه شارژ کریپتویی خود را به دقت مدیریت کنید.