NAV
shell python

APIGPT.Cloud - DeepSeek 开发文档

你可以通过任何语言的 HTTP 请求与 API 进行交互，还可以使用OpenAI的官方 Python 库来调用 DeepSeek 模型。

要安装 OpenAI 库，请运行以下命令：

pip install openai

本节示例所使用的 openai 库版本为 1.65.2。

当您在API中需要开启使用stream模式时，推荐用OpenAI官方的SDK来调用接口，避免繁琐的数据解析问题。

01 认证

DeepSeek API 使用 API 密钥进行身份验证。请访问你的 App 页面，以获取你在请求中使用的 API 密钥。

请记住，你的 API 密钥是一个秘密！不要与他人分享它，也不要在任何客户端代码（浏览器、应用程序）中公开它。生产请求必须通过你自己的后端服务器路由，你的 API 密钥可以从环境变量或密钥管理服务中安全加载。

所有 API 请求都应该在 Authorization HTTP 头中包含你的 API 密钥，如下所示： Authorization: Bearer <替换成从APIGPT.CLOUD创建的OpenAI APP Key>

02 发送请求

你可以将下面的命令粘贴到终端中以运行你的第一个 API 请求。请确保将 替换为你的秘密 API 密钥。

发送你的第一个 API 请求

curl https://openai.pgpt.cloud/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer <API_KEY>" \
-d '{
"model": "deepseek-v3",
 "messages": [{"role": "user", "content": "Say this message is from apigpt.cloud!"}],
 "temperature": 0.7
}'

#你也可以用Python代码来发送第一个 API 请求
from openai import OpenAI

client = OpenAI(
    api_key='<API_KEY>',
    base_url='https://openai.pgpt.cloud/v1'
)
stream = False
messages = [{"role": "user", "content": "Say this message is from apigpt.cloud!"}]
response = client.chat.completions.create(
    model="deepseek-v3",
    messages=messages,
    stream=stream
)
if stream:
    for chunk in response:
        if chunk.choices:
            delta = chunk.choices[0].delta
            print(delta)
else:
    print(response.to_dict())

这个请求查询了 deepseek-v3 模型，以完成以 "Say this message is from apigpt.cloud!" 为提示开始的文本。

如果你会收到类下面JSON格式的数据响应，这说明你的请求成功了

{
  "id": "021740967590681d10720ce972e21dad49b43df6863a94e8b7a25",
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "logprobs": null,
      "message": {
        "content": "Sure! Here's how you can phrase it:\n\n\"Hello! This message is from apigpt.cloud!\" \n\nLet me know if you'd like to customize it further!",
        "role": "assistant"
      }
    }
  ],
  "created": 1740967592,
  "model": "deepseek-v3-241226",
  "object": "chat.completion",
  "service_tier": "default",
  "usage": {
    "completion_tokens": 35,
    "prompt_tokens": 13,
    "total_tokens": 48,
    "completion_tokens_details": {
      "reasoning_tokens": 0
    },
    "prompt_tokens_details": {
      "cached_tokens": 0
    }

我们可以在收到的请求里看到 finish_reason 是 stop，这意味着 API 返回了模型生成的完整完成。在上面的请求中，我们只生成了一条消息，但是你可以设置 n 参数来生成多个消息选项。

03 Chat APIs

给定一个包含对话的消息列表，模型将返回一个响应。

API - Create chat completion

POST https://openai.pgpt.cloud/v1/chat/completions

为给定的聊天对话创建一个模型响应。

Request body

Create chat completion 请求示范

from openai import OpenAI

client = OpenAI(
    api_key='<API_KEY>',
    base_url='https://openai.pgpt.cloud/v1'
)
response = client.chat.completions.create(
    model="deepseek-r1",
    messages=messages,
    stream=stream
)
print(response.to_dict())

curl https://openai.pgpt.cloud/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer <API_KEY>" \
-d '{
 "model": "deepseek-r1",
 "messages": [{"role": "user", "content": "You are a helpful assistant."}],
 "temperature": 0.7
}'

Create chat completion 请求示范打印结果

{
  "id": "021740969997728ad511188aa801ef7d22624728e6fa2c9d2c28d",
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "logprobs": null,
      "message": {
        "content": "\n\nHello! How can I assist you today?",
        "role": "assistant",
        "reasoning_content": "Okay, the user greeted me with \"Hello!\". I should respond in a friendly and welcoming manner. Maybe say something like, \"Hello! How can I assist you today?\" to invite them to ask for help. Keep it open-ended so they feel comfortable to ask anything they need. Let me make sure there are no typos and the tone is right.\n"
      }
    }
  ],
  "created": 1740970000,
  "model": "deepseek-r1-250120",
  "object": "chat.completion",
  "service_tier": "default",
  "usage": {
    "completion_tokens": 83,
    "prompt_tokens": 13,
    "total_tokens": 96,
    "completion_tokens_details": {
      "reasoning_tokens": 73
    },
    "prompt_tokens_details": {
      "cached_tokens": 0
    }
  }
}

参数 - model string Required

要使用的模型ID。目前我们支持并推荐用 deepseek-v3, deepseek-r1.

其中 deepseek-r1 是推理模型，返回的消息响应中会包含推理思维数据，包含在 response.choices[0].message.reasoning_content 字段中。

参数 - messages array Required

到目前为止，对话包含的消息列表

消息 message 的数据结构:

参数 类型 是否必须 描述
role string Required 消息作者的角色。其中之一是system、user、assistant。
content string Optional 消息的内容。除了带有函数调用的assistant，所有消息都需要 content。
name string Optional 此 content 作者的姓名。姓名可以包含a-z、A-Z、0-9和下划线，最长长度为64个字符。

参数 - temperature number Optional Defaults to 1

要使用的采样温度，介于0和2之间。较高的值（如0.8）会使输出更加随机，而较低的值（如0.2）会使输出更加集中和确定性。

参数 stream boolean Optional Defaults to false

如果设置了此选项，将发送部分消息增量，就像在 ChatGPT 中一样。令牌将作为数据类型的服务器发送的事件逐步发送，一旦可用，流将以 data: [DONE] 消息终止。

参数 max_tokens integer Optional Defaults to inf

在聊天补全中生成的最大令牌数。 输入令牌和生成令牌的总长度受模型上下文长度的限制。

错误代码

Error Code Meaning
400 Invalid request: there was an issue with the format or content of your request.
401 Unauthorized: there's an issue with your API key.
403 Forbidden: your API key does not have permission to use the specified resource.
404 Not found: the requested resource was not found.
429 Your account has hit a rate limit.
500 An unexpected error has occurred internal to Anthropic's systems.
529 Your API is temporarily overloaded.

When receiving a streaming response via SSE, it's possible that an error can occur after returning a 200 response, in which case error handling wouldn't follow these standard mechanisms.

shell python