DeepSeek

DeepSeek API 调用、R1 推理模型参数与 Prompt 提示词黄金速查备忘单。

Star 项目
关注 X (Twitter)
赞赏饮咖啡

#入门指南

#API 基础配置 (cURL)

# 标准 Chat Completions 接口调用
curl https://api.deepseek.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -d '{
    "model": "deepseek-chat",
    "messages": [
      {"role": "system", "content": "You are a helpful assistant."},
      {"role": "user", "content": "Hello!"}
    ],
    "stream": false
  }'

#Python SDK 调用 (OpenAI 兼容)

from openai import OpenAI

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

response = client.chat.completions.create(
    model="deepseek-chat", # 或 deepseek-reasoner
    messages=[
        {"role": "system", "content": "你是一名资深 Python 开发者。"},
        {"role": "user", "content": "如何优化大型字典的内存占用？"}
    ],
    temperature=0.7,
    max_tokens=2048
)

print(response.choices[0].message.content)

#DeepSeek-R1 推理模型

#R1 推理模型参数配置

# DeepSeek-R1 (推理模型推荐设置)
# 建议 temperature 设为 0.5-0.7，避免过高导致的逻辑发散
response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=[
        {"role": "user", "content": "证明对于任意素数 p > 3，p^2 - 1 能被 24 整除。"}
    ]
)

# 获取思维链推理过程 (Reasoning Content)
reasoning_content = response.choices[0].message.reasoning_content
final_answer = response.choices[0].message.content

print("=== 思维链推理过程 ===")
print(reasoning_content)
print("=== 最终答案 ===")
print(final_answer)

#提示词 (Prompt) 黄金法则

#角色 + 约束 + 输出格式

# 角色定义
你是一名专精 Node.js 的高级后端架构师。

# 任务目标
请审查以下代码片段，指出内存泄漏风险并提供改进后的代码。

# 约束条件
1. 严禁改变现有函数的输入输出签名。
2. 保持 ES6+ 语法规范。
3. 仅针对内存与异步异常处理提出建议。

# 输出格式
- [问题定位]: 行号与具体原因
- [重构代码]: 优化后的代码块
- [性能提升说明]: 简短说明

#官方资源与链接

#参考链接