DeepSeek API 完整入门指南 2026：从零到生产环境

DeepSeek 已迅速成为 2026 年最受关注的 AI API 提供商之一。其模型以极低的成本媲美 GPT-4o，甚至在某些基准测试中超越了 GPT-4o，难怪全球开发者纷纷切换过来。如果你对 DeepSeek 一直好奇但不知从何入手，本指南将带你一步步完成从零到生产环境的全部工作，整个过程不到一小时。

为什么在 2026 年选择 DeepSeek？

在深入技术细节之前，先回答一个显而易见的问题：你为什么要关心 DeepSeek？

数字会说话。DeepSeek V4 Flash 的成本为 每 100 万 tokens 0.25 美元（统一费率，输入/输出价格无差别）。对比 GPT-4o 每百万 tokens 2.50 美元/10.00 美元的定价，你在输出 tokens 上能节省高达 97%。对于每月处理 1000 万 tokens 的初创公司来说，账单差异就是 62.50 美元 vs 2.50 美元。

除了价格之外，DeepSeek 还提供了一项大多数中国 AI 厂商所没有的特性：真正兼容 OpenAI 的 API 格式。这意味着你可以直接将其嵌入现有代码库，无需重写集成层。

前置条件

你需要准备：

• 一个 DeepSeek API 账号（或一个 Global API 账号以获得国际访问权限）
• 一个 API key（32 位十六进制字符串）
• 根据你的技术栈，需要 Python 3.8+ 或 Node.js 18+
• 用于依赖管理的 pip 或 npm

第 1 步：获取你的 API Key

获取 DeepSeek API 访问权限有两种途径：

方案 A：DeepSeek 官方直连（仅限中国）

如果你在中国境内，可以直接在 DeepSeek 平台注册。问题是？他们只支持微信支付和支付宝，不接受国际信用卡，没有英文支持，界面完全是中文的。

方案 B：Global API（推荐给国际开发者）

对于其他所有人，Global API 提供 DeepSeek 模型访问：

• 支持信用卡支付（通过 Lemon Squeezy）
• 完整的英文界面和文档
• 使用单一 API key 统一访问多个提供商
• 公道定价，无隐性加价

获取免费 API key →

你的 API key 看起来会像这样：3f4a8b2c9e1d3f6a7b0c2d4e5f8a1b3c

第 2 步：安装 SDK

DeepSeek 采用 OpenAI 兼容格式，这意味着你可以使用官方的 OpenAI SDK 或任何兼容 OpenAI 的客户端库。

Python 安装

pip install openai

JavaScript/Node.js 安装

npm install openai

就这些。不需要特定于 DeepSeek 的 SDK——OpenAI SDK 能处理一切。

第 3 步：你的第一次 API 调用

这一步最令人满意。将 OpenAI SDK 配置为使用 DeepSeek 的端点后，你的代码与 OpenAI 的代码完全一样——只是账单减少了 90%。

Python 示例

from openai import OpenAI

# 初始化客户端，通过 Global API 指向 DeepSeek
client = OpenAI(
    api_key="3f4a8b2c9e1d3f6a7b0c2d4e5f8a1b3c",
    base_url="https://global-apis.com/v1"
)

# 发起一个简单的聊天补全请求
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "你是一个有用的编程助手。"},
        {"role": "user", "content": "编写一个 Python 函数来判断一个字符串是否是回文。"}
    ],
    temperature=0.7,
    max_tokens=512
)

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

JavaScript 示例

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: '3f4a8b2c9e1d3f6a7b0c2d4e5f8a1b3c',
  baseURL: 'https://global-apis.com/v1',
});

async function main() {
  const response = await client.chat.completions.create({
    model: 'deepseek-chat',
    messages: [
      { role: 'system', content: '你是一个有用的编程助手。' },
      { role: 'user', content: '编写一个 JavaScript 函数来判断一个字符串是否是回文。' }
    ],
    temperature: 0.7,
    max_tokens: 512,
  });

  console.log(response.choices[0].message.content);
}

main().catch(console.error);

两个示例都能产出可运行的代码。与 OpenAI 的关键区别在于 base_url 指向 https://global-apis.com/v1，以及模型名称为 deepseek-chat。

理解 DeepSeek 的模型

DeepSeek 提供了多个模型，每个都针对不同的使用场景进行了优化。选对模型很重要——同样一个任务，你可能花 0.25 美元/百万 tokens，也可能花 2.50 美元/百万 tokens。

DeepSeek Chat（V4 Flash）—— 你的日常主力

deepseek-chat 模型（基于 V4 Flash）是通用任务的默认选择。它处理代码生成、摘要、分类、创意写作，以及其他你本来会用 GPT-4o 完成的任务。

最适合：80% 的请求。

价格：$0.25 / 1M tokens（统一费率）。

response = client.chat.completions.create(
    model="deepseek-chat",  # 底层是 V4 Flash
    messages=[
        {"role": "user", "content": "解释一下 REST 和 GraphQL API 的区别。"}
    ]
)

DeepSeek Reasoner（R1）—— 用于复杂推理

当你需要逐步推理——数学证明、编程挑战、逻辑分析——切换到 deepseek-reasoner。这是 DeepSeek 的 o1/r1 风格推理模型，会在响应之前进行思考。

最适合：复杂数学、编程算法、多步逻辑问题。

价格：$2.50 / 1M tokens（统一费率）。

# 示例：使用 DeepSeek R1 进行复杂推理任务
response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=[
        {"role": "user", "content": "一列火车于上午 9:00 从 A 站出发，速度为 60 mph。另一列火车于上午 10:00 从 B 站出发，以 80 mph 的速度向 A 站行驶。如果两站之间的距离为 400 英里，它们在何时会相遇？"}
    ],
    max_tokens=1024
)

模型快速参考

| 模型 | 模型 ID | 价格 $/1M | 最适合 | |-------|----------|-----------|----------| | DeepSeek V4 Flash | deepseek-chat | $0.25（统一） | 通用任务 | | DeepSeek R1 | deepseek-reasoner | $2.50（统一） | 复杂推理 |

第 4 步：处理响应

OpenAI SDK 返回的响应对象包含几个有用的字段：

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": "2+2 是多少？"}]
)

# 访问生成的文本
text = response.choices[0].message.content

# 查看 token 用量
input_tokens = response.usage.prompt_tokens
output_tokens = response.usage.completion_tokens
total_tokens = response.usage.total_tokens

print(f"Input: {input_tokens}, Output: {output_tokens}, Total: {total_tokens}")

const response = await client.chat.completions.create({
  model: 'deepseek-chat',
  messages: [{ role: 'user', content: '2+2 是多少？' }],
});

const text = response.choices[0].message.content;
const { prompt_tokens, completion_tokens, total_tokens } = response.usage;
console.log(`Input: ${prompt_tokens}, Output: ${completion_tokens}, Total: ${total_tokens}`);

第 5 步：流式响应

为了更好的用户体验——特别是在聊天界面中——使用流式输出来实时获取生成的 tokens，而不是等待完整响应：

import threading

def print_stream(stream):
    for chunk in stream:
        if chunk.choices[0].delta.content:
            print(chunk.choices[0].delta.content, end="", flush=True)
    print()

stream = client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": "写一首关于编程的俳句。"}],
    stream=True
)

print_stream(stream)

const stream = await client.chat.completions.create({
  model: 'deepseek-chat',
  messages: [{ role: 'user', content: '写一首关于编程的俳句。' }],
  stream: true,
});

for await (const chunk of stream) {
  const content = chunk.choices[0].delta.content;
  if (content) process.stdout.write(content);
}
console.log('\n');

成本优化策略

DeepSeek 定价最大的优势之一就是成本优化突然变得不那么重要了——但它仍然有意义。以下是一些实用的省钱技巧：

策略 1：选择合适的模型

不要用 deepseek-reasoner 来应付简单的问候。把推理模型留给真正需要逐步推理的任务。其他一切任务用 deepseek-chat（V4 Flash），便宜 10 倍。

# 好：简单任务 → 便宜的模型
client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": "你好，最近怎么样？"}]
)

# 浪费：简单任务 → 昂贵的推理模型
client.chat.completions.create(
    model="deepseek-reasoner",  # 打个招呼用这个太奢侈了
    messages=[{"role": "user", "content": "你好，最近怎么样？"}]
)

策略 2：保持系统提示简洁

系统提示中的每个 token 都要花钱。一个 500-token 的系统提示与 50-token 的系统提示之间相差 10 倍——保持简洁。

# 浪费：过度冗长的系统提示
client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "你是一个乐于助人、友善、知识渊博、专业且高效的 AI 助手，专门提供准确、经过深入研究且全面的回答，以及时的方式解决用户的问题。"},
        {"role": "user", "content": "法国的首都是哪里？"}
    ]
)

# 高效：简洁明了
client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "简洁的 AI 助手。"},
        {"role": "user", "content": "法国的首都是哪里？"}
    ]
)

策略 3：设置合适的 max_tokens

max_tokens 设置过高意味着你要为没用的 tokens 付费。将其设置为你完成任务所需的最小值。

# 只生成最多 8 个 token（比默认值便宜得多）
client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": "给我一个字的答案：太阳。"}],
    max_tokens=8
)

策略 4：缓存重复查询

如果你的应用程序多次发起相同的查询，在本地缓存响应并复用：

from functools import lru_cache

@lru_cache(maxsize=1000)
def cached_query(prompt_hash, user_id):
    # 在生产环境中，使用 Redis 存储并设置 TTL
    return client.chat.completions.create(
        model="deepseek-chat",
        messages=[{"role": "user", "content": prompt_hash}]  # prompt_hash 是文本内容
    )

常见错误处理

from openai import OpenAI, RateLimitError, APIError

client = OpenAI(
    api_key="3f4a8b2c9e1d3f6a7b0c2d4e5f8a1b3c",
    base_url="https://global-apis.com/v1"
)

try:
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[{"role": "user", "content": "Hello!"}]
    )
except RateLimitError:
    print("速率限制已达上限。等待后重试。")
except APIError as e:
    print(f"API 错误：{e}")

try {
  const response = await client.chat.completions.create({
    model: 'deepseek-chat',
    messages: [{ role: 'user', content: 'Hello!' }],
  });
} catch (error) {
  if (error.status === 429) {
    console.log('速率限制已达上限。等待后重试。');
  } else {
    console.error(`API 错误：${error.message}`);
  }
}

实战示例：构建一个代码审查机器人

让我们把所有内容整合到一个可用于生产环境的东西。下面是一个使用 DeepSeek 构建的简单代码审查机器人：

from openai import OpenAI
import json

client = OpenAI(
    api_key="3f4a8b2c9e1d3f6a7b0c2d4e5f8a1b3c",
    base_url="https://global-apis.com/v1"
)

SYSTEM_PROMPT = """你是一个代码审查员。提供简洁、可操作的反馈。
以 JSON 格式输出：{"issues": [...], "score": int, "summary": str}"""

def review_code(code: str, language: str = "python") -> dict:
    """提交代码进行审查并返回结构化反馈。"""
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {"role": "system", "content": SYSTEM_PROMPT},
            {"role": "user", "content": f"审查这段 {language} 代码：\n\n```\n{code}\n```"}
        ],
        response_format={"type": "json_object"},
        temperature=0.3,
        max_tokens=512
    )
    return json.loads(response.choices[0].message.content)

# 使用示例
code = """
def add(a, b):
    return a + b

result = add(1, '2')
"""

feedback = review_code(code, "python")
print(f"评分：{feedback['score']}/10")
print(f"发现的问题数：{len(feedback['issues'])}")
for issue in feedback['issues']:
    print(f"  - {issue}")

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: '3f4a8b2c9e1d3f6a7b0c2d4e5f8a1b3c',
  baseURL: 'https://global-apis.com/v1',
});

const SYSTEM_PROMPT = '你是一个代码审查员。提供简洁、可操作的反馈。以 JSON 格式输出：{"issues": [...], "score": int, "summary": str}';

async function reviewCode(code, language = 'python') {
  const response = await client.chat.completions.create({
    model: 'deepseek-chat',
    messages: [
      { role: 'system', content: SYSTEM_PROMPT },
      { role: 'user', content: `审查这段 ${language} 代码：\n\n\`\`\`\n${code}\n\`\`\`` }
    ],
    response_format: { type: 'json_object' },
    temperature: 0.3,
    max_tokens: 512,
  });
  return JSON.parse(response.choices[0].message.content);
}

const code = `
def add(a, b):
    return a + b

result = add(1, '2')
`;

const feedback = await reviewCode(code, 'python');
console.log(`评分：${feedback.score}/10`);
console.log(`发现的问题数：${feedback.issues.length}`);
feedback.issues.forEach(issue => console.log(`  - ${issue}`));

常见问题

Q：DeepSeek 真的和 GPT-4o 一样好吗？

A：对于大多数实际任务来说，是的——有时候甚至更好。在代码生成基准测试中，DeepSeek V4 Flash 的得分与 GPT-4o 相当。在数学推理方面（使用 R1），它在多个基准上超越了 GPT-4o，并与 o1 持平。GPT-4o 唯一保留明显优势的领域是多模态理解（图片输入）。

Q：有速率限制吗？

A：有的，但很宽松。Global API 的免费层允许合理的开发和测试使用量。生产环境套餐会按比例提升限制。查看 global-apis.com/pricing 了解当前的限制。

Q：如果需要，我可以切回 OpenAI 吗？

A：完全可以。由于 DeepSeek 采用 OpenAI 兼容格式，切换只需改两行：base_url 和 model 名称。不需要其他代码更改。

Q：数据隐私方面呢？

A：使用 Global API 时，你的 API 调用由底层提供商处理。查看 global-apis.com/privacy 上的隐私政策了解完整细节。

Q：如何在 Web 应用中处理流式输出？

A：对于 Web 应用，在后端使用 Server-Sent Events (SSE)。OpenAI SDK 的流模式兼容大多数 SSE 实现。在前端渲染中，随着 tokens 逐步到达，增量更新 UI。

下一步

你现在已经准备好将 DeepSeek 集成到你的应用中了。以下是一个快速检查清单，用于验证你的实现：

• [ ] API key 安全存储（环境变量，不硬编码）
• [ ] base_url 正确设置为 https://global-apis.com/v1
• [ ] 模型选择匹配你的使用场景（deepseek-chat vs deepseek-reasoner）
• [ ] max_tokens 为你的响应设置了合适的值
• [ ] 错误处理覆盖了速率限制和 API 错误
• [ ] 启用了成本监控（查看你的 Global API 面板）

准备好开始了吗？ 创建免费账号并获取 API key →

详细的定价信息，请访问 global-apis.com/pricing。

---

本指南最后更新于 2026 年 5 月。DeepSeek 模型的可用性和定价可能发生变化。在构建与成本相关的功能之前，请始终在官方定价页面上确认当前费率。