Python 腳本示例

以下是一個簡單的 Python 腳本，展示如何與 Chat DeepSeek R1 API 進行交互：

import asyncio

import os

from deepseek_api import DeepseekAPI

from dotenv import load_dotenv

from deepseek_api.model import MessageData



load_dotenv()



async def main():

    email = os.environ.get("DEEPSEEK_EMAIL")

    password = os.environ.get("DEEPSEEK_PASSWORD")

    device_id = os.environ.get("DEEPSEEK_DEVICE_ID")

    cookies = os.environ.get("DEEPSEEK_COOKIES")

    ds_pow_response = os.environ.get("DEEPSEEK_DS_POW_RESPONSE")



    app = await DeepseekAPI.create(

        email=email,

        password=password,

        save_login=True,

        device_id=device_id,

        custom_headers={

            "cookie": cookies,

            "x-ds-pow-response": ds_pow_response,

        },

    )



    chat_session_id = await app.new_chat()

    print(f"Starting chat session with id: {chat_session_id}")



    message_id = None

    async for chunk in app.chat(

        message="who are you", id=chat_session_id, parent_message_id=message_id

    ):

        chunk_data: MessageData = chunk

        print(chunk_data.choices[0].delta.content, end="")

        cur_message_id = chunk.get_message_id()

        if not cur_message_id:

            cur_message_id = 0

        if not message_id or cur_message_id > message_id:

            message_id = cur_message_id

    print()



    await app.close()



if __name__ == "__main__":

    asyncio.run(main())

代碼說明

• 加載環境變量：使用 dotenv 包加載 .env 文件中的憑證信息，確保敏感信息的安全管理。
• 異步初始化 API：通過 DeepseekAPI.create() 方法異步初始化 API，使用憑證進行身份驗證。
• 啟動聊天會話：調用 new_chat() 方法創建新的聊天會話，并獲取會話 ID。
• 發送消息：使用 app.chat() 方法向 API 發送消息，并異步處理響應。
• 處理響應：逐塊處理響應內容，并將其打印到控制臺。

通過這個示例，你可以快速掌握 Chat DeepSeek R1 API 的基本使用方法，為進一步的應用開發奠定基礎。

與 Langchain 框架集成

為了進一步擴展 DeepSeek-R1 的應用場景，我們可以將其與 Langchain 框架進行集成。Langchain 是一個用于構建語言模型的強大框架，通過集成可以實現更復雜的推理和交互功能。

集成步驟

1. 配置環境變量
   確保 .env 文件中已正確填寫 DeepSeek 的憑證信息：

DEEPSEEK_EMAIL=your_email

DEEPSEEK_PASSWORD=your_password

DEEPSEEK_DEVICE_ID=your_device_id

DEEPSEEK_COOKIES=your_cookies

DEEPSEEK_DS_POW_RESPONSE=your_ds_pow_response

2. 代碼示例
   以下是一個完整的代碼示例，展示如何將 Chat DeepSeek R1 API 與 Langchain 集成：

import asyncio

import os

from typing import Any, AsyncIterator, Dict, Iterator, List, Optional

from dotenv import load_dotenv

from langchain_core.callbacks.manager import CallbackManagerForLLMRun

from langchain_core.language_models.llms import LLM

from langchain_core.outputs import GenerationChunk

from chat_deepseek_api.model import MessageData

from chat_deepseek_api import DeepseekAPI



class ChatDeepSeekApiLLM(LLM):

    email: str = None

    password: str = None

    device_id: str = None

    cookies: str = None

    ds_pow_response: str = None

    app: DeepseekAPI = None

    chat_session_id: str = None

    message_id: int = 0



    def __init__(self, email: str, password: str, device_id: str, cookies: str, ds_pow_response: str):

        super(ChatDeepSeekApiLLM, self).__init__()

        self.email = email

        self.password = password

        self.device_id = device_id

        self.cookies = cookies

        self.ds_pow_response = ds_pow_response



    def _call(self, prompt: str, stop: Optional[List[str]] = None, run_manager: Optional[CallbackManagerForLLMRun] = None, **kwargs: Any) -> str:

        if stop is not None:

            raise ValueError("stop kwargs are not permitted.")

        self._verify_config()

        for message in self._generate_message(prompt):

            chunk = GenerationChunk(text=message)

            if run_manager:

                run_manager.on_llm_new_token(chunk.text, chunk=chunk)

        return "".join([chunk for chunk in self._generate_message(prompt)])



    async def _async_generate_message(self, prompt: str) -> AsyncIterator[str]:

        if not self.app:

            self.app = await DeepseekAPI.create(

                email=self.email,

                password=self.password,

                save_login=True,

                device_id=self.device_id,

                custom_headers={

                    "cookie": self.cookies,

                    "x-ds-pow-response": self.ds_pow_response,

                },

            )

        if not self.chat_session_id:

            self.chat_session_id = await self.app.new_chat()

        self.message_id = None

        async for chunk in self.app.chat(

            message=prompt, id=self.chat_session_id, parent_message_id=self.message_id

        ):

            chunk_data: MessageData = chunk

            yield chunk_data.choices[0].delta.content

            cur_message_id = chunk.get_message_id()

            if not cur_message_id:

                cur_message_id = 0

            if not self.message_id or cur_message_id > self.message_id:

                self.message_id = cur_message_id



    def _close(self) -> None:

        if self.app:

            loop = asyncio.get_event_loop()

            loop.run_until_complete(self.app.close())



    def _verify_config(self) -> None:

        if not self.email:

            raise ValueError("Email is required.")

        if not self.password:

            raise ValueError("Password is required.")

        if not self.device_id:

            raise ValueError("Device ID is required.")

        if not self.cookies:

            raise ValueError("Cookies are required.")

        if not self.ds_pow_response:

            raise ValueError("DS POW Response is required.")



if __name__ == "__main__":

    load_dotenv()

    email = os.environ.get("DEEPSEEK_EMAIL")

    password = os.environ.get("DEEPSEEK_PASSWORD")

    device_id = os.environ.get("DEEPSEEK_DEVICE_ID")

    cookies = os.environ.get("DEEPSEEK_COOKIES")

    ds_pow_response = os.environ.get("DEEPSEEK_DS_POW_RESPONSE")

    model = ChatDeepSeekApiLLM(

        email=email,

        password=password,

        device_id=device_id,

        cookies=cookies,

        ds_pow_response=ds_pow_response,

    )

    result = model.invoke("who are you")

    print(result)

    result = model.invoke("what can you do")

    print(result)

    model._close()

關鍵組件說明

• 身份驗證設置：通過環境變量中的憑證初始化 DeepseekAPI，確保安全高效的認證過程。
• 自定義聊天模型：ChatDeepSeekApiLLM 類繼承自 Langchain 的 LLM 類，專門用于與 Chat DeepSeek API 交互。
• 消息生成：_async_generate_message 方法異步處理提示信息和響應生成，確保與 API 的高效通信。
• 會話管理：每個聊天會話都通過唯一的會話 ID 進行管理，確保交互的上下文得以保持。

通過這種集成方式，你可以利用 Langchain 構建強大的應用程序，充分發揮 DeepSeek-R1 的推理能力，提升應用程序的功能性和響應性。

結語

DeepSeek-R1 作為一款強大的推理模型，其透明性和可定制性使其在多個領域具有廣泛的應用潛力。通過安裝 Chat DeepSeek R1 API，我們可以輕松地將其集成到各種應用程序中。此外，與 Langchain 框架的結合進一步擴展了其應用場景，使得開發者能夠構建更加智能和高效的交互式應用。

無論你是開發者、研究人員還是技術愛好者，DeepSeek-R1 都是一個值得探索的工具。它不僅能夠幫助你解決復雜的推理任務，還能為你的項目帶來新的可能性。希望本文的介紹能夠幫助你更好地理解和使用 DeepSeek-R1，并激發你探索更多創新應用的靈感。