深度 Seek API 快速入门指南

认证与基础 URL

首先立即设置 API 密钥和基础 URL。注册后（支持 Google 或邮箱），密钥将显示在屏幕上。使用 https://api.apiseekdeep.com/v1 作为您的基础端点。在 Authorization: Bearer 头部。此设置兼容任何 OpenAI SDK 或兼容客户端。

Copycurl https://api.apiseekdeep.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Return the total row count for the user_logs table"}]
  }'

您的请求直接针对我们的服务器进行身份验证。不存在中间路由层。您的密钥仅授予访问 uncensored 模型的权限。

聊天完成端点

发送消息至 POST /v1/chat/completions 以生成文本。使用模型ID uncensored 用于无限制输出。输入文本进入 messages 数组。API 在 response content 字段中返回生成的文本。这完全遵循标准的 OpenAI 聊天格式。

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.apiseekdeep.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

保持提示结构化。模型在限制范围内很好地处理上下文。您获得原始文本输出，没有额外的格式层。错误返回标准 HTTP 代码。

流式响应（SSE）

通过将 stream: true 在请求中。你会在 token 生成时收到服务器发送事件（SSE）。这降低了长输出的感知延迟。Token 使用详情出现在最后一个数据块中。如果需要，你可以提前停止生成。

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

优雅地处理部分响应。缓冲 token 直到完成。此方法可节省大上下文窗口的等待时间。它在我们 100,000 token 的上下文限制下可靠运行。

函数调用 & 工具

在请求体中定义工具以获取结构化输出。模型可以根据你的模式调用函数。在 tools 数组。使用 tool_choice 以强制或允许自动选择。这启用了无需解析原始文本的复杂工作流。

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.apiseekdeep.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

仔细构建您的 JSON 模式。模型尊重工具约束。您单独处理函数执行逻辑。这使您的代码保持整洁和模块化。

JSON 模式配置

使用 response_format: {"type": "json_object"}. 该模型仅返回有效的 JSON 结构。使用此功能进行数据提取或结构化数据管道。禁用 Markdown 格式以获得更清晰的解析。这确保了结果的可靠程序化消费。

Copycurl https://api.apiseekdeep.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Return the total row count for the user_logs table"}]
  }'

在处理之前验证输出。严格模式减少了字段中的幻觉。结合工具定义可获得最大可靠性。您的下游应用程序解析数据的速度将更快。

参数：温度、Top P、Seed

使用 temperature 和 top_p. 较高的值会增加随机性。较低的值使输出更具确定性。使用 seed 用于调试期间获得可复现的结果。设置 max_tokens 限制输出长度。如果未设置，默认为 2,048 个令牌。

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.apiseekdeep.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

根据您的用例调整参数。角色扮演受益于较高的 temperature。数据任务需要较低的值。您的预付费积分根据实际使用的 token 计费。错误不会消耗积分。