ChatDeepSeek

这将帮助您开始使用 DeepSeek 托管的 聊天模型。有关 ChatDeepSeek 所有功能和配置的详细文档，请参阅 API 参考。

概述​

集成详情​

类别包本地可序列化JS 支持包下载量最新包版本ChatDeepSeeklangchain-deepseek❌测试版✅

模型特性​

工具调用结构化输出JSON 模式图片输入音频输入视频输入逐令牌流式传输原生异步令牌使用量对数概率✅✅❌❌❌❌✅✅✅❌

注意

DeepSeek-R1（通过 model="deepseek-reasoner" 指定）不支持工具调用或结构化输出。这些功能 受支持 通过 DeepSeek-V3（通过 model="deepseek-chat" 指定）。

设置​

要访问 DeepSeek 模型，您需要创建一个 DeepSeek 帐户，获取一个 API 密钥，并安装 langchain-deepseek 集成包。

凭证​

前往 DeepSeek 的 API 密钥页面 注册 DeepSeek 并生成一个 API 密钥。完成后，设置 DEEPSEEK_API_KEY 环境变量。

import getpass
import os

if not os.getenv("DEEPSEEK_API_KEY"):
os.environ["DEEPSEEK_API_KEY"] = getpass.getpass("Enter your DeepSeek API key: ")

要启用模型调用的自动跟踪，请设置您的 LangSmith API 密钥

# os.environ["LANGSMITH_TRACING"] = "true"
# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")

安装​

LangChain DeepSeek 集成位于 langchain-deepseek 包中。

%pip install -qU langchain-deepseek

实例化​

现在我们可以实例化模型对象并生成聊天补全

from langchain_deepseek import ChatDeepSeek

llm = ChatDeepSeek(
model="deepseek-chat",
temperature=0,
max_tokens=None,
timeout=None,
max_retries=2,
# other params...
)

调用​

messages = [
(
"system",
"You are a helpful assistant that translates English to French. Translate the user sentence.",
),
("human", "I love programming."),
]
ai_msg = llm.invoke(messages)
ai_msg.content

链式调用​

我们可以像这样将模型与提示模板链式连接起来

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate(
[
(
"system",
"You are a helpful assistant that translates {input_language} to {output_language}.",
),
("human", "{input}"),
]
)

chain = prompt | llm
chain.invoke(
{
"input_language": "English",
"output_language": "German",
"input": "I love programming.",
}
)

API 参考​

有关 ChatDeepSeek 所有功能和配置的详细文档，请参阅 API 参考。

聊天模型概念指南 聊天模型操作指南

网址：ChatDeepSeek https://mxgxt.com/news/view/1894473

随便看看