聊天深度seek
这将帮助您开始使用 DeepSeek 的托管聊天模型。有关所有 ChatDeepSeek 功能和配置的详细文档,请访问 API 参考。
概述
集成详细信息
| 类 | 包 | 本地化 | 序列 化 | JS 支持 | 软件包下载 | 最新包装 |
|---|---|---|---|---|---|---|
| ChatDeepSeek | langchain-deepseek | ❌ | beta | ✅ |
模型特点
| 工具调用 | 结构化输出 | JSON 模式 | 图像输入 | 音频输入 | 视频输入 | 令牌级流式处理 | 本机异步 | Token 使用情况 | 日志 |
|---|---|---|---|---|---|---|---|---|---|
| ✅ | ✅ | ❌ | ❌ | ❌ | ❌ | ✅ | ✅ | ✅ | ❌ |
注意
DeepSeek-R1,通过model="deepseek-reasoner"不支持工具调用或结构化输出。这些功能由 DeepSeek-V3 支持(通过model="deepseek-chat").
设置
要访问 DeepSeek 模型,您需要创建一个 DeepSeek 帐户,获取 API 密钥,并安装langchain-deepseek集成包。
凭据
前往 DeepSeek 的 API 密钥页面注册 DeepSeek 并生成 API 密钥。完成此作后,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("Enter your DeepSeek API key: ")
要启用模型调用的自动跟踪,请设置您的 LangSmith API 密钥:
# os.environ["LANGSMITH_TRACING"] = "true"
# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
安装
LangChain DeepSeek 集成位于langchain-deepseek包:
%pip install -qU langchain-deepseek
实例
现在我们可以实例化我们的 Model 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,
# other params...
)
API 参考:ChatDeepSeek
调用
messages = [
(
"system",
"You are a helpful assistant that translates English to French. Translate the user sentence.",
),
("human", "I love programming."),
]
ai_msg = llm.invoke(messages)
ai_msg.content
链接
我们可以用 prompt 模板链接我们的模型,如下所示:
from langchain_core.prompts import ChatPromptTemplate
prompt = ChatPromptTemplate(
[
(
"system",
"You are a helpful assistant that translates {input_language} to {output_language}.",
),
("human", "{input}"),
]
)
chain = prompt | llm
chain.invoke(
{
"input_language": "English",
"output_language": "German",
"input": "I love programming.",
}
)
API 参考:ChatPromptTemplate
API 参考
有关所有 ChatDeepSeek 功能和配置的详细文档,请前往 API 参考。