如何 整合 DeepSeek API

前置條件：環境設定

確保您的開發環境已安裝必要的 SDK。您需要 Python 或 Node.js 等語言執行環境，以及一種安全儲存 API 憑證的方法。此設定與使用任何其他 OpenAI 相容服務相同。

您不需要安裝供應商專屬的驅動程式。代理伺服器處理所有模型推論，因此您的機器只需發送 HTTP 請求並解析 JSON 回應即可。這減少了依賴項的負擔，並保持專案輕量。

安裝官方 SDK

安裝您首選語言的官方 SDK 以處理身份驗證和序列化。對於 Python，請使用 pip install openai. 對於 Node.js，請執行 npm install openai. 此程式庫管理底層的 HTTP 連線。

SDK 抽象化了建構 JSON 載體的複雜性。您可以專注於定義提示詞並處理回傳的 token。這種標準化意味著您之後只需更改基礎 URL 即可切換供應商。

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)

配置基礎 URL 和金鑰

將您的 SDK 客戶端指向代理基礎 URL 並注入您的 API 金鑰。此配置步驟將流量導離標準的 OpenAI 伺服器。您必須設定 base_url 以 https://api.deepseekpago.com/v1.

透過以下方式傳遞您的金鑰 api_key 參數。此金鑰在您於網站註冊時生成。它用於驗證您的請求並追蹤您預付額度的使用情況。若缺少此設定，您的請求將因 404 或 401 錯誤而失敗。

進行首次請求

發送簡單的文本完成請求以驗證連線能力和模型行為。使用模型 ID uncensored 存取運行在代理上的特定模型。該模型針對合法成人用途的無內容拒絕回答進行了調整。

請求主體包含 messages 陣列以及 model 識別。回應包含在 content 欄位。這確認您的整合與 uncensored 模型運作正常。

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"}]
  }'

啟用串流回應

在請求主體中將 stream: true 在你的請求中。這會返回伺服器發送的事件（SSE），而非單一 JSON 物件。你將收到即時生成的 token，這能改善終端使用者的感知延遲。

透過迭代區塊來處理串流。最後一個區塊包含總 token 用量。這允許您在等待完整回應完成之前，即時監控成本。

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)

使用工具和函數調用

在請求主體中定義工具，讓模型產生結構化輸出。在 tools 參數。在適當的情況下，模型將返回函式呼叫而非純文字。

此功能完全等同於 OpenAI 函式呼叫 API。您可以將其整合至應用程式邏輯中，以執行程式碼或更新資料庫。代理伺服器支援此標準協議，無需任何修改。

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);

強制執行 JSON 輸出格式

強制模型回傳有效的 JSON，使用 response_format 以 {"type": "json_object"}. 這有助於將資料解析到您的應用程式中。它減少了對後處理 regex 模式的依賴。

模型嚴格遵守此約束。如果輸出不是有效的 JSON，請求可能會失敗。這確保了與自動化系統整合時您的管線保持穩健。您也可以設定 temperature 和 top_p 來控制創意。

處理錯誤與速率限制

API 每支金鑰每秒鐘限制 300 次請求。若超過此限制，您將收到 429 錯誤。每支金鑰最多也可擁有 8 個同時請求。請遵守這些限制以避免服務中斷。

錯誤以包含錯誤代碼和訊息的標準 JSON 物件返回。請在程式碼中優雅地處理這些錯誤。對於 429 或 503 等暫時性錯誤，建議使用指數退避重試機制。

監控計數使用情況

透過監控 token 數量來追蹤您的預付額度使用情況。串流回應中的最後一個區塊包含 usage 物件。這顯示輸入和輸出的 token 數量。

價格為每 1M 輸入 token $0.15，每 1M 輸出 token $0.50。錯誤免費。您可透過將 token 數量乘以這些費率來在本地計算成本。這有助於您準確預算加密貨幣充值金額。