ChatDeepSeek 集成

使用 LangChain Python 集成 ChatDeepSeek 聊天模型。

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
ChatDeepSeek	langchain-deepseek	beta	✅

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.