ChatDeepSeek 集成

使用 LangChain Python 集成 ChatDeepSeek 对话模型。

这将帮助您快速上手 DeepSeek 的托管 对话模型。

API 参考

关于所有功能和使用配置的详细文档，请访问 @[ChatDeepSeek] API 参考页面。

DeepSeek 的模型是开源的，既可本地部署（例如在 Ollama 中运行），也可在其他推理服务上运行（例如 Together）。

概述

集成细节

类别	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	Token 级流式输出	原生异步	Token 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。

配置

要访问 DeepSeek 模型，您需要创建 DeepSeek 账号、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。完成此操作后设置 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: ")

要启用模型调用自动追踪，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 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对话补全：

from langchain_deepseek import ChatDeepSeek

llm = ChatDeepSeek(
    model="deepseek-chat",
    temperature=0,
    max_tokens=None,
    timeout=None,
    max_retries=2,
    # other params...
)

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

关于所有 ChatDeepSeek 功能和配置的详细文档，请访问 API 参考。

---

官方原文：src/oss/python/integrations/chat/deepseek.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。