logo

DeepSeek API接入与成本控制指南

作者:da吃一鲸8862026.11.17 03:22浏览量:1

简介:想把 DeepSeek API 接入业务的开发者,可以在这篇文章里找到接入检查清单、可运行的工具调用示例和成本估算方法。文中不列具体价格,避免信息过期,计费数字请以官方页面为准。

先弄清楚你要解决什么问题

接入 DeepSeek API 之前,先确认业务需要哪一类能力。纯文本问答、摘要和改写,只需要模型的输入和输出。需要查实时信息、读取外部网页或处理文件时,才需要额外的工具调用。两类需求的成本结构不同,混在一起估算容易出现偏差。

判断标准很简单。如果回答内容超出模型训练数据的范围就会出错,例如天气、股价、最新政策,那就需要联网或接入外部数据源。如果只是润色一段文字,就不需要。

接入前的检查清单

上线前,逐项确认下面几件事:

  1. API Key 已创建,并保存在环境变量中,没有写进代码或日志。
  2. base_url 指向官方地址 https://api.deepseek.com,并使用 OpenAI 兼容的 SDK。
  3. 模型名以官方模型列表为准。本文示例使用 deepseek-chat,正式使用前请在官方文档中核对当前可用的模型。
  4. 如果要使用官方提供的内置工具,先在官方文档中确认工具名称、参数格式和计费方式。本文示例使用通用的 function calling 写法,工具逻辑由你自己的服务执行。
  5. 依赖版本:openai Python SDK 1.x 及以上。
  6. 错误处理:认证失败通常是 Key 无效或权限不足;频率限制需要退避重试;服务端错误可以稍后重试。

最小可运行示例

下面的代码演示一次完整的工具调用流程。模型先判断是否需要查天气,并发起工具调用。程序执行本地函数,把结果回传给模型,模型再生成最终回答。

  1. import json
  2. import os
  3. from openai import OpenAI
  4. client = OpenAI(
  5. api_key=os.environ["DEEPSEEK_API_KEY"],
  6. base_url="https://api.deepseek.com",
  7. )
  8. tools = [
  9. {
  10. "type": "function",
  11. "function": {
  12. "name": "get_weather",
  13. "description": "查询指定城市的当前天气",
  14. "parameters": {
  15. "type": "object",
  16. "properties": {
  17. "city": {"type": "string", "description": "城市名称"}
  18. },
  19. "required": ["city"],
  20. },
  21. },
  22. }
  23. ]
  24. def get_weather(city: str) -> str:
  25. # 替换为你自己的天气服务调用
  26. return json.dumps({"city": city, "weather": "多云", "temp_c": 12}, ensure_ascii=False)
  27. messages = [{"role": "user", "content": "上海今天天气怎么样?适合出门吗?简短回答。"}]
  28. resp = client.chat.completions.create(
  29. model="deepseek-chat",
  30. messages=messages,
  31. tools=tools,
  32. )
  33. msg = resp.choices[0].message
  34. if msg.tool_calls:
  35. messages.append(msg.model_dump(exclude_none=True))
  36. for call in msg.tool_calls:
  37. args = json.loads(call.function.arguments)
  38. result = get_weather(**args)
  39. messages.append({
  40. "role": "tool",
  41. "tool_call_id": call.id,
  42. "content": result,
  43. })
  44. resp = client.chat.completions.create(
  45. model="deepseek-chat",
  46. messages=messages,
  47. tools=tools,
  48. )
  49. msg = resp.choices[0].message
  50. print(msg.content)

运行前设置环境变量 DEEPSEEK_API_KEY。get_weather 只是占位函数,实际项目中应替换为天气服务或数据库查询。

这段代码有三个容易出错的地方。第一,返回对象要通过 resp.choices[0].message 取出,因为 choices 是列表。第二,工具调用后,必须把助手的 tool_calls 消息和每个工具的结果都放回 messages,否则第二次请求会报错。第三,tool 消息中的 tool_call_id 必须和调用时返回的 id 一一对应。

成本怎么估算

调用费用通常由两部分构成:模型的 token 消耗,以及工具调用本身的费用。模型部分的估算公式如下:

单次模型成本 = 输入 token 数 × 输入单价 + 输出 token 数 × 输出单价

工具部分的估算公式如下:

工具成本 = 工具调用次数 × 单次工具单价

Agent 流程里,一次用户提问可能触发多轮模型调用和多次工具调用。因此,实际成本要按完整链路统计,而不是只算一次请求。

具体单价请到官方价格页面查询,并记录查询日期。价格可能调整,也可能因时段或活动而变化。建议把单价放进配置文件,便于随时更新,不要硬编码在业务逻辑里。

成本控制的四个做法

第一,限制工具调用次数。在 Agent 循环里设置最大轮数,例如同一个问题最多调用三次搜索。超过上限后,直接返回已有信息,并说明结果可能不完整。

第二,缓存重复请求。相同的查询在短时间内重复出现时,直接读取缓存结果。缓存有效期可以按业务设定,天气类结果可以缓存几十分钟,新闻类结果应缓存更短的时间。

第三,按需开启工具。简单问题不需要联网,可以在请求前用规则或小模型判断是否需要工具。这样能避免为低价值问题付费。

第四,记录每次调用的 token 数、工具次数、耗时和失败原因。没有日志,就无法判断成本主要来自哪里,也无法判断哪些功能值得保留。

典型场景怎么选

客服问答:先查企业知识库,知识库没有答案时再调用外部信息。这样既能减少工具调用,也能让回答的依据更清楚。

研究与摘要:需要综合多个来源时,为每个结论附上来源链接。网页无法访问时,应给出明确提示,而不是让模型凭记忆补全。

会议与语音:长录音的处理可以分成两步。先转写成文字,再把文本交给模型总结。转写质量会直接影响摘要质量,上线前应用真实录音抽样检查。

代码助手:把项目文档和接口定义作为上下文提供给模型,通常比开放式联网搜索更稳定。上下文越准确,回答越可靠,token 消耗也更容易控制。

上线前的验证步骤

  1. 用 30 到 50 条真实问题做小批量测试,记录正确率、平均 token 数和工具调用次数。
  2. 人为制造失败场景,例如断网、超时、工具返回空结果,确认程序能给出合理的兜底回答。
  3. 按日统计成本,并设置预算告警。
  4. 比较不同模型的效果和价格,判断是否需要按任务类型切换模型。

结论

DeepSeek API 的接入门槛不高。真正影响成本的是工具调用次数、上下文长度和失败重试。先用小流量验证,再逐步扩大范围,比一开始就全量上线更稳妥。

发表评论

活动