ChatDeepSeek 集成

这将帮助你开始使用 DeepSeek 的托管聊天模型。

API 参考有关所有功能和配置选项的详细文档，请前往 ChatDeepSeek API 参考。

DeepSeek 的模型是开源的，可以在本地运行（例如在 Ollama 中），也可以在其他推理提供商（例如 Fireworks、Together）上运行。

概述

集成详情

类	包	可序列化	JS 支持	下载量	版本
`ChatDeepSeek`	`langchain-deepseek`	beta	✅

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	令牌级流式传输	原生异步	令牌使用量	对数概率
✅	✅	❌	❌	❌	✅	✅	✅	❌

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

设置

要访问 DeepSeek 模型，你需要创建一个 DeepSeek 账户，获取 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 API 密钥。完成此操作后，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，请设置你的 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

API 参考

有关所有 ChatDeepSeek 功能和配置的详细文档，请前往 API 参考。

将这些文档通过 MCP 连接到 Claude、VSCode 等，以获取实时答案。

在 GitHub 上编辑此页面或提交问题。

Popular Providers

Integrations by component

概述

集成详情

模型功能

设置

凭证

安装

实例化

调用

API 参考

​概述

​集成详情

​模型功能

​设置

​凭证

​安装

​实例化

​调用

​API 参考

概述

集成详情

模型功能

设置

凭证

安装

实例化

调用

API 参考