2.2 Hello World：第一次 API 调用

从安装 SDK 到拿到第一个 AI 回复，只需要 5 行代码——因为 DeepSeek 完全兼容 OpenAI 格式，迁移零成本。

这一节在讲什么？

上一节我们拿到了 API Key，这一节开始写代码。DeepSeek 的 API 完全兼容 OpenAI 格式——这意味着你不需要学习新的 SDK、新的接口、新的参数，只需要把 base_url 从 OpenAI 改成 DeepSeek，代码就能跑。这一节我们从安装 SDK 开始，完成第一次 API 调用、流式输出，以及从 OpenAI 迁移的方法。

安装 OpenAI SDK

DeepSeek 不需要专用 SDK——直接用 OpenAI 的官方 Python SDK 就行：

bash

pip install openai

如果你用的是 Node.js：

bash

npm install openai

第一次 API 调用

python

from openai import OpenAI

client = OpenAI(
    api_key="sk-xxxxxxxx",  # 你的 DeepSeek API Key
    base_url="https://api.deepseek.com"  # 关键：改 base_url
)

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "你是一个专业的编程助手"},
        {"role": "user", "content": "用 Python 写一个快速排序"}
    ]
)

print(response.choices[0].message.content)

运行这段代码，你会看到 DeepSeek 生成的快速排序实现：

python

def quicksort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quicksort(left) + middle + quicksort(right)

# 测试
print(quicksort([3, 6, 8, 10, 1, 2, 1]))

就这么简单——5 行核心代码，你已经在用 DeepSeek 生成代码了。

流式输出

如果你想让 AI 的回答实时显示（而不是等全部生成完才显示），使用流式输出：

python

stream = client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": "解释什么是递归"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

流式输出的效果就像 ChatGPT 的"打字机"效果——AI 一个字一个字地输出，你可以实时看到生成过程。这在长文本生成时特别有用——不需要等几十秒才能看到结果。

使用 R1 推理模型

如果你想用 DeepSeek-R1 的推理能力，只需要改模型名：

python

response = client.chat.completions.create(
    model="deepseek-reasoner",  # 改成 R1
    messages=[{"role": "user", "content": "证明根号2是无理数"}]
)

# R1 的思考过程
reasoning = response.choices[0].message.reasoning_content
print("=== 思考过程 ===")
print(reasoning)

# R1 的最终回答
answer = response.choices[0].message.content
print("\n=== 最终回答 ===")
print(answer)

R1 的响应包含两个字段：

reasoning_content：模型的思考过程（可能很长）
content：模型的最终回答

从 OpenAI 迁移

如果你已经在用 OpenAI 的 API，迁移到 DeepSeek 只需要改两行：

python

# 之前用 OpenAI
client = OpenAI(
    api_key="sk-...",  # OpenAI API Key
    base_url="https://api.openai.com/v1"  # OpenAI 的 base_url
)

# 现在用 DeepSeek
client = OpenAI(
    api_key="sk-...",  # DeepSeek API Key
    base_url="https://api.deepseek.com"  # 改成 DeepSeek 的 base_url
)

# 其余代码完全不变！
response = client.chat.completions.create(
    model="deepseek-chat",  # 模型名不同
    messages=[{"role": "user", "content": "Hello!"}]
)

迁移清单：

需要改的	OpenAI	DeepSeek
base_url	`https://api.openai.com/v1`	`https://api.deepseek.com`
api_key	OpenAI Key	DeepSeek Key
model	`gpt-4o`	`deepseek-chat` 或 `deepseek-reasoner`

其他参数（messages、temperature、max_tokens 等）完全兼容，不需要修改。

Node.js 示例

如果你用的是 Node.js：

javascript

import OpenAI from "openai";

const client = new OpenAI({
    apiKey: "sk-xxxxxxxx",
    baseURL: "https://api.deepseek.com"
});

const response = await client.chat.completions.create({
    model: "deepseek-chat",
    messages: [{ role: "user", content: "用 JavaScript 写一个防抖函数" }]
});

console.log(response.choices[0].message.content);

cURL 示例

如果你想在命令行中测试：

bash

curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxxxxxxx" \
  -d '{
    "model": "deepseek-chat",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

常见误区

误区一：以为需要安装 DeepSeek 专用 SDK

不需要。DeepSeek 的 API 完全兼容 OpenAI 格式，直接用 pip install openai 安装 OpenAI SDK 即可。只需要改 base_url 和 api_key，代码零修改。

误区二：base_url 末尾要加 /v1

不需要。DeepSeek 的 base_url 是 https://api.deepseek.com，不需要加 /v1。OpenAI SDK 会自动拼接正确的路径。如果你加了 /v1 变成 https://api.deepseek.com/v1，会导致 404 错误。

误区三：R1 的思考过程不需要，可以忽略

思考过程是 R1 的核心价值——它让你能看到 AI 是怎么推理的。在调试场景下，思考过程比最终回答更有价值——它告诉你 AI 为什么得出这个结论，推理链中哪一步可能有问题。

误区四：流式输出时拿不到 usage 统计

默认情况下，流式输出的 usage 字段可能为 null。如果你需要统计 token 用量，设置 stream_options={"include_usage": True}：

python

stream = client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": "Hello!"}],
    stream=True,
    stream_options={"include_usage": True}
)

for chunk in stream:
    if chunk.usage:
        print(f"Token 用量: {chunk.usage}")

小结

这一节我们完成了第一次 DeepSeek API 调用：安装 OpenAI SDK，改 base_url 为 https://api.deepseek.com，5 行代码就能生成代码。流式输出用 stream=True，R1 模型用 model="deepseek-reasoner"。从 OpenAI 迁移只需要改 base_url、api_key 和 model 三个地方。下一节我们看看 DeepSeek 的网页版和 App 怎么用。

2.2 Hello World：第一次 API 调用 ​

这一节在讲什么？ ​

安装 OpenAI SDK ​

第一次 API 调用 ​

流式输出 ​

使用 R1 推理模型 ​

从 OpenAI 迁移 ​

Node.js 示例 ​

cURL 示例 ​

常见误区 ​

小结 ​

2.2 Hello World：第一次 API 调用

这一节在讲什么？

安装 OpenAI SDK

第一次 API 调用

流式输出

使用 R1 推理模型

从 OpenAI 迁移

Node.js 示例

cURL 示例

常见误区

小结