大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



本文中，将探讨如何通过调用DeepSeek API来获取高质量的回答，还会讨论请求中的各入参含义，并推荐最优参数值。

1、 设置URL和API密钥

这两行代码定义了API的基础URL和你的API密钥。变量存储了DeepSeek API的访问地址，而则用于身份验证，确保你有权访问API服务。如果暂时没有，可以在DeepSeek API平台先创建：

2、 设置请求头

这里设置了HTTP请求头，其中包含两个关键信息：

• : 指定请求的内容类型为JSON格式。
• : 使用Bearer Token进行身份验证，将API密钥嵌入到请求头中。

3、 定义API调用函数

定义了一个名为的函数，该函数接受一个参数，表示用户提出的问题。用于记录问题内容，便于调试和日志管理。

4、构建请求体

这段代码构建了请求体，并将其转换为JSON格式字符串。请求体包含多个字段，每个字段都有特定的含义：

• : 包含对话历史和当前用户输入的消息列表。系统消息（如“You are a helpful assistant”）和用户消息（即传入的）分别有不同的角色标识。
• : 指定使用的模型名称，DeepSeek 提供多个模型， 是其中一个用于对话的模型。
• ：控制重复内容的惩罚力度，值越大，模型越倾向于生成不重复的内容。取值范围为 到 。默认值为 ，适用于大多数场景。如果需要减少重复，可以设置为 到
• : 控制生成内容中新主题的引入。值越大，模型越倾向于引入新主题。取值范围为 到 。默认值为 ，适用于大多数场景。如果需要更多新主题，可以设置为 到 。
• : 限制生成文本的最大长度，控制生成文本的最大长度（以 token 为单位）。1 个 token 大约等于 1 个英文单词或 2 个中文字符。根据需求调整。如果需要长文本，可以设置为 ；如果只需要简短回答，可以设置为 到 。
• ，指定返回内容的格式。 可以是 或 ，分别表示返回纯文本或 JSON 格式的数据。默认值为 ，适用于大多数场景。如果需要结构化数据，可以设置为 。
• ：定义停止生成文本的条件。可以是一个字符串或字符串列表。当生成的文本包含这些字符串时，停止生成。默认值为 ，表示不设置停止条件。如果需要控制生成长度，可以设置为 。
• ：是否启用流式传输。如果设置为 ，API 会以流式方式返回数据，适用于需要实时显示生成内容的场景。默认值为 。如果需要实时显示，可以设置为 。
• ：控制生成内容的随机性。值越大，生成内容越随机；值越小，生成内容越确定。取值范围为 到 。默认值为 。如果需要更确定的回答，可以设置为 ；如果需要更多创意，可以设置为 。
• ：控制生成内容的多样性。 是一种采样策略，值越小，生成内容越集中；值越大，生成内容越多样。取值范围为 到 。默认值为 。如果需要更集中的回答，可以设置为 。
• ：指定使用的工具或插件。DeepSeek 可能支持一些外部工具或插件，可以通过这个字段指定。默认值为 。如果有特殊需求，可以参考官方文档。
• ：指定是否强制使用工具。如果设置为 ，模型会自动选择是否使用工具。默认值为 。
• ：是否返回生成内容的概率信息。如果设置为 ，API 会返回每个 token 的概率。默认值为 。
• ：返回概率最高的 token 数量。如果 为 ，可以通过这个字段指定返回多少个概率最高的 token。默认值为 。如果需要详细分析，可以设置为 到 。

5、 发送请求并处理响应

这部分代码发送HTTP POST请求到DeepSeek API，并处理返回的响应：

• : 发送POST请求，目标URL为，请求头为之前定义的，请求体为构建好的JSON字符串。
• : 从响应中提取生成的回答内容。
• : 记录生成的回答内容。
• : 返回生成的回答。

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【】

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【】