Skip to main content
本文将帮助您开始使用 DeepSeek 托管的聊天模型。
API 参考有关所有功能和配置选项的详细文档，请查阅 ChatDeepSeek API 参考。
DeepSeek 的模型是开源的，也可以在本地运行（例如在 Ollama 中）或其他推理提供商上运行（例如 Fireworks、Together）。

​
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

​
模型特性

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

​
设置

要访问 DeepSeek 模型，您需要创建一个 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("输入您的 DeepSeek API 密钥：")
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("输入您的 LangSmith API 密钥：")

​
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,
    # 其他参数...
)

​
调用

messages = [
    (
        "system",
        "您是一个将英语翻译成法语的助手。请翻译用户的句子。",
    ),
    ("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，请查阅 API 参考。
Edit this page on GitHub or file an issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.