这将帮助您开始使用 DeepSeek 托管的 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。
DeepSeek 的模型是开源的，可以在本地运行（例如在 Ollama 中）或在其他推理提供商上运行（例如 Fireworks、Together）。

​
概述

​
集成详情

ClassPackageLocalSerializableJS supportDownloadsVersion
ChatDeepSeeklangchain-deepseek❌beta✅PyPI - DownloadsPyPI - Version

​
模型功能

Tool callingStructured outputJSON modeImage inputAudio inputVideo inputToken-level streamingNative asyncToken usageLogprobs
✅✅❌❌❌❌✅✅✅❌
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 DeepSeek 帐户、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("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完成： 
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

有关所有 ChatDeepSeek 功能和配置的详细文档，请访问 API 参考。
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.