ChatDeepSeek 集成

使用 LangChain Python 集成 ChatDeepSeek 聊天模型。

本指南将帮助您开始使用 DeepSeek’s hosted 聊天模型.

API 参考

有关所有 features and configuration options, 请前往 ChatDeepSeek API reference.

DeepSeek’s models are open source and can be run locally (e.g. in Ollama) or on other inference providers (e.g. Fireworks, Together) as well.

概述

集成详情

类	包	可序列化	JS 支持	下载量	版本
ChatDeepSeek	langchain-deepseek	beta	✅

模型功能

Tool calling	Structured output	Image input	音频输入	视频输入	Token-level streaming	原生异步	Token usage	Logprobs
✅	✅	❌	❌	❌	✅	✅	✅	❌

DeepSeek-R1, specified via model="deepseek-reasoner", does not support tool calling or structured output. Those features are supported by DeepSeek-V3 (specified via model="deepseek-chat").

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’s API Key page 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("Enter your DeepSeek API key: ")

要启用模型调用的自动追踪，请设置您的 LangSmith API key:

os.environ["LANGSMITH_TRACING"] = "true"
os.environ["LANGSMITH_API_KEY"] = getpass.getpass("请输入您的 LangSmith API 密钥: ")

安装

LangChain 的 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",
        "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

---

API 参考

有关所有 ChatDeepSeek 功能和配置的详细文档，请前往 API Reference.

---

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.

Edit this page on GitHub or file an issue.