如何使用 Python 调用 DeepSeek-R1 API？超详细的图文教程

本教程将手把手教你通过 Python 调用 DeepSeek 的 R1 大模型 API，即使没有编程基础也能轻松上手。文末还包含常见问题解答，建议收藏备用！

一、准备工作

获取 API Key

首先登录 DeepSeek 控制台，获取 API Key。首次注册登录的用户， DeepSeek 会赠送 10 块钱的 tokens 额度（先看看有没有，也有可能不送了，导致你的 API Key 不能用，没有额度的话得先充钱）。

在「API Keys」页面点击「创建 API Key」，复制生成的密钥（如：sk-123456789abc）。请保存下来，如果忘记或者丢失了需要重新创建一个 API Key。

二、Python 调用步骤

1.环境准备：安装 Python（已安装可跳过）

如果电脑没有 Python 环境，需要先去安装 Python 环境（macOS 自带 Python3 环境）。可以访问 python.org 来下载安装。
下载最新版（推荐 3.8+）
安装时务必勾选 Add Python to PATH

2.安装 requests 库（已安装可跳过）

在 VSCode 或者其它 IDEA 工具中，新建一个项目文件夹，然后打开终端（顶部菜单：Terminal → New Terminal）执行以下命令：

pip install requests

# 或

pip3 install requests

如果命令执行成功，那么会体现类似这样的提示：

或者这样的：

Successfully installed requests-x.x.x

如果安装失败，并且你的电脑也有 Python 环境，那么可能是因为你的系统中有多个 Python 版本，导致你在不同的环境中使用了不同的 Python 版本，而 requests 库可能只安装在其中一个版本的环境中。

你可以在页面右下角切换版本。

还可以在 VSCode 中安装一个名为 “Python” 的插件，然后通过下面的方式来查看你当前的版本，并打开对应版本的控制台面板来运行上面的命令，比如：

如果实在处理不了这些报错的问题，可以跳到文章的最后一个小节，那里提供了一种更简单的调用 DeepSeek-R1 API 的方法。

3. 基础调用代码

上面的命令执行成功后，在项目中新建一个以 .py 结尾的文件，比如 deepseek.py 文件，并将以下代码复制粘贴进去（注意替换 sk-你的密钥）。

# deepseek.py 

import requests

# 填写你的 API Key
API_KEY = "sk-你的密钥"  

url = "https://api.deepseek.com/chat/completions"
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

data = {
    "model": "deepseek-reasoner",  # 指定使用 R1 模型（deepseek-reasoner）或者 V3 模型（deepseek-chat）
    "messages": [
        {"role": "system", "content": "你是一个专业的助手"},
        {"role": "user", "content": "你是谁？"}
    ],
    "stream": False  # 关闭流式传输
}

response = requests.post(url, headers=headers, json=data)

if response.status_code == 200:
    result = response.json()
    print(result['choices'][0]['message']['content'])
else:
    print("请求失败，错误码：", response.status_code)

💡

通过指定 model='deepseek-chat' 即可调用 DeepSeek-V3。
通过指定 model='deepseek-reasoner'，即可调用 DeepSeek-R1。

4. 运行代码可以通过以下几种方式来运行代码：

可以点击右上角「▶」按钮来运行代码
可以在控制台通过python3 deepseek.py 或 python deepseek.py来运行代码
可以 “右键编辑器 → Run Python File in Terminal” 来运行代码

5. 成功效果当看到类似以下输出即表示调用成功：

您好！我是由中国的深度求索（DeepSeek）公司开发的智能助手DeepSeek-R1。如您有任何任何问题，我会尽我所能为您提供帮助。

或者其它问题的答案。

量子计算是一种利用量子力学特性进行信息处理的新型计算模式，其核心原理与传统经典计算有本质区别。以下是量子计算的基本原理分点解释：

---

### 1. **量子比特（Qubit）**
   - **经典比特 vs. 量子比特**  
     经典计算机使用比特（0或1）作为信息基本单位，而量子计算机使用量子比特（qubit）。量子比特的独特之处在于它可以同时处于0和1的**叠加态**。
   - **叠加态（Superposition）**  
     量子比特的状态可表示为：  
     \[
     |\psi\rangle = \alpha|0\rangle + \beta|1\rangle
     \]  
     其中，\(\alpha\)和\(\beta\)是复数（概率幅），满足\(|\alpha|^2 + |\beta|^2 = 1\)。测量时，量子比特会坍缩到0或1，概率分别为\(|\alpha|^2\)和\(|\beta|^2\)。  
     **类比**：想象一枚旋转的硬币，在停下前既是“正面”又是“反面”。

---

### 2. **量子纠缠（Entanglement）**
   - **定义**  
     多个量子比特可形成纠缠态，此时一个量子比特的状态会瞬间影响另一个，即使它们相隔遥远（爱因斯坦称为“鬼魅般的超距作用”）。
   - **示例**  
     贝尔态（Bell state）是最简单的纠缠态之一：  
     \[
     |\Phi^+\rangle = \frac{|00\rangle + |11\rangle}{\sqrt{2}}
     \]  
     若测量其中一个量子比特为0，另一个必然也是0，反之亦然。
   - **作用**  
     纠缠是实现量子并行性和量子通信（如量子隐形传态）的关键。

三、代码解析

1. 关键参数说明

参数	说明
model	`deepseek-reasoner` 表示 R1 模型
messages	对话历史记录（支持多轮对话）
stream	`True` 开启流式输出（适合长文本）

2. 多轮对话示例

messages = [
    {"role": "system", "content": "你是一位诗人"},
    {"role": "user", "content": "写一首关于春天的诗"},
    {"role": "assistant", "content": "春风拂面柳丝长..."},
    {"role": "user", "content": "请继续补充第二段"}
]

四、流式传输模式

修改以下参数即可开启：

data["stream"] = True

response = requests.post(url, headers=headers, json=data, stream=True)

for line in response.iter_lines():
    if line:
        decoded_line = line.decode('utf-8')
        print(decoded_line)

完整代码：

# deepseek.py 

import requests

# 填写你的 API Key
API_KEY = "sk-你的 API Key"  

url = "https://api.deepseek.com/chat/completions"
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

data = {
    "model": "deepseek-chat",  # 指定使用 R1 模型（deepseek-reasoner）或者 V3 模型（deepseek-chat）
    "messages": [
        {"role": "system", "content": "你是一个专业的助手"},
        {"role": "user", "content": "你是谁？"}
    ],
    "stream": False  # 关闭流式传输
}

data["stream"] = True

response = requests.post(url, headers=headers, json=data, stream=True)

for line in response.iter_lines():
    if line:
        decoded_line = line.decode('utf-8')
        print(decoded_line)

下面用的是 V3 模型（deepseek-chat）输出的结果，为什么不用 R1？太火爆了，经常没响应：