Skip to main content
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
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。