Skip to main content
本文档将帮助您开始使用 DeepSeek 托管的聊天模型。
API 参考文档有关所有功能和配置选项的详细文档，请参阅 ChatDeepSeek API 参考。
DeepSeek 的模型是开源的，可在本地运行（例如通过 Ollama）或在其他推理提供商上运行（例如 Fireworks、Together）。

​
概览

​
集成详情

类包可序列化JS 支持下载量版本
ChatDeepSeeklangchain-deepseekbeta✅PyPI - DownloadsPyPI - Version

​
模型功能

工具调用结构化输出图像输入音频输入视频输入Token 级流式输出原生异步Token 用量对数概率
✅✅❌❌❌✅✅✅❌
DeepSeek-R1（通过 model="deepseek-reasoner" 指定）不支持工具调用或结构化输出。这些功能受到支持的是 DeepSeek-V3（通过 model="deepseek-chat" 指定）。

​
安装配置

要访问 DeepSeek 模型，您需要创建 DeepSeek 账户、获取 API 密钥，并安装 langchain-deepseek 集成包。

​
凭据

前往 DeepSeek 的 API 密钥页面 注册 DeepSeek 并生成 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追踪，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

​
API 参考

有关 ChatDeepSeek 所有功能和配置的详细文档，请参阅 API 参考。
在 GitHub 上编辑此页面 或 提交问题。
将这些文档连接 到 Claude、VSCode 等，通过 MCP 获取实时解答。