logo

DeepSeek 开放搜索与语音能力,接入前先核对这几点

作者:菠萝爱吃肉2026.11.17 03:30浏览量:0

简介:DeepSeek 近期把联网搜索、网页读取、文件解析、OCR 和语音能力开放到 API。本文说明接入前要在官方文档中核对的信息,给出基于 OpenAI 兼容协议的调用示例,以及自建搜索工具的写法。文中还讨论了按真实样本测算成本、多模型统一接入和失败兜底的做法,帮你少走弯路、控制预算。

一、先分清公告与可调用的接口

官方公告提到,DeepSeek 把原本只在自家 App 中使用的能力拆分出来,包括联网搜索、网页读取、文件解析、OCR、语音识别和语音合成。对开发者来说,公告只说明方向。能不能调用、怎么调用、怎么计费,要以 API 文档为准。

动手前,可以把每项能力整理成一张核对表:

能力 接入前要核对的内容 容易出错的地方
联网搜索 是否有内置工具、工具参数、返回字段、引用字段、是否按搜索次数计费 只开工具而不检查模型是否真正调用了搜索
网页读取 支持的网页类型、超时时间、正文长度上限、是否需要登录态 把长网页整篇塞进上下文,导致超出限制
文件解析 支持的格式、单文件大小、页数上限 扫描件直接解析,结果不完整
OCR 计费单位(按页或其他)、识别语言、并发上限 不做抽样验证就批量处理
语音识别 支持的语种、音频格式、单次时长上限 长音频一次提交,请求超时
语音合成 可选音色列表、字符数上限、是否支持声音定制 默认假设可以定制品牌音色

核对时,把页面地址、版本说明的日期和你查阅的时间一起记在项目文档里。接口和价格都可能变动,留下记录方便以后复查。

二、接入前的检查清单

  1. 基础地址和模型名。DeepSeek 的 OpenAI 兼容接口通常使用 https://api.deepseek.com 作为基础地址,模型名以官方文档当前列出的为准。
  2. 计费单位。不同能力可能按 Token、次数、页数、音频时长或字符计费,逐项确认,不要用一个单价推算全部成本。
  3. 限流和并发。记录每分钟请求数、并发数和超限时的返回码,设计重试策略时要用到。
  4. 数据与合规。确认输入数据是否会被留存或用于训练,以及你的业务是否允许把数据发送到外部接口。
  5. 引用与来源。搜索类结果要保留来源链接,展示给用户,方便其判断可信度。

三、用 OpenAI 兼容协议写一个最小调用

如果后续可能更换模型,建议从第一天起使用 OpenAI 兼容协议。下面是一个最小示例,密钥从环境变量读取,并设置超时和重试:

  1. import os
  2. from openai import OpenAI
  3. client = OpenAI(
  4. api_key=os.environ["DEEPSEEK_API_KEY"],
  5. base_url="https://api.deepseek.com",
  6. timeout=30,
  7. max_retries=2,
  8. )
  9. resp = client.chat.completions.create(
  10. model="deepseek-chat", # 模型名以官方文档为准
  11. messages=[{"role": "user", "content": "用两句话说明 OpenAI 兼容协议的作用"}],
  12. )
  13. print(resp.choices[0].message.content)
  14. print("用量:", resp.usage) # 记录 token 用量,用于成本统计

这段代码有三个要点。第一,密钥不写进代码或日志,放在环境变量里。第二,返回结果通过 choices[0] 取出,因为 choices 是列表。第三,usage 字段记录了本次请求的 Token 用量,后面的成本统计要依赖它。

四、联网搜索:先看内置工具,再决定是否自建

如果官方文档给出了内置的搜索工具,按文档调用即可。文档没有给出时,可以用函数调用(function calling)自己实现搜索工具。模型只负责决定何时搜索和搜索什么,真正的检索由你的代码完成。

  1. tools = [{
  2. "type": "function",
  3. "function": {
  4. "name": "web_search",
  5. "description": "搜索公开网页,返回标题、链接和摘要",
  6. "parameters": {
  7. "type": "object",
  8. "properties": {
  9. "query": {"type": "string", "description": "搜索关键词"}
  10. },
  11. "required": ["query"],
  12. },
  13. },
  14. }]
  15. messages = [{"role": "user", "content": "今天有哪些关于开源模型的新闻?"}]
  16. resp = client.chat.completions.create(model="deepseek-chat", messages=messages, tools=tools)
  17. msg = resp.choices[0].message
  18. if msg.tool_calls:
  19. messages.append(msg)
  20. for call in msg.tool_calls:
  21. results = my_search(call.function.arguments) # 你自己实现的检索函数
  22. messages.append({
  23. "role": "tool",
  24. "tool_call_id": call.id,
  25. "content": results,
  26. })
  27. final = client.chat.completions.create(model="deepseek-chat", messages=messages)
  28. print(final.choices[0].message.content)

使用这种写法时,注意三件事。第一,搜索结果要带上标题、链接和抓取时间。第二,模型的回答里要保留这些链接,并展示给用户。第三,搜索次数有上限时,要在代码里设置最大循环次数,防止模型反复搜索。

五、网页读取与文件解析:先切分,再送入模型

网页正文和长文档经常超过模型的上下文长度。处理前可以按以下步骤操作:

  1. 先抓取正文,设置超时时间,例如 10 到 20 秒。
  2. 按 Token 预算切分文本,每段留出重叠区域,避免句子被截断。
  3. 对每段生成摘要,再把摘要合并,做最终总结。

抓取网页时,要遵守目标站点的 robots 协议和使用条款。内网地址、需要登录的页面,以及动态渲染的内容,通常不能通过公开接口读取,需要你自己的抓取链路处理。

文件解析也一样。上传前检查格式、大小和页数,超出限制的文件先拆分。合同、报表这类需要理解的内容,适合直接交给模型。只需要提取文字的扫描件,更适合交给 OCR。

六、OCR 与语音:按任务选接口

OCR 只负责识别文字,不做推理。如果目标是把大量扫描件转成文本入库,直接调用 OCR 接口更合适。如果目标是让模型理解一份文件,走文件解析更合适。

批量 OCR 前,先抽样验证准确率。建议抽取 20 到 30 页,人工标注正确文本,计算字符错误率(识别结果与标注文本的编辑距离除以标注字数)。错误率达到业务要求后,再全量处理。抽样结果要记录下来,方便以后比较不同版本的表现。

语音识别的语种覆盖要以官方文档为准。测试时使用自己的样本,尽量包含背景噪声、口音和专业术语。长音频先按静音或固定时长分段,再逐段提交,并合并结果。分段时在边界处保留几秒重叠,避免词语被切断。

语音合成的音色数量和定制能力也要以官方文档为准。如果产品需要固定的品牌音色,先确认平台是否支持,再决定方案,不要在开发后期才发现不支持。

七、成本:用实测代替单价

单价低不代表总成本低。影响账单的主要有三个变量:思考模式产生的推理 Token、搜索工具触发的多轮检索,以及长文档带来的上下文膨胀。

建议每次请求记录以下字段:

  • 输入和输出 Token 数(来自响应中的 usage)
  • 工具调用次数和每次调用的耗时
  • 请求耗时和返回状态码
  • 业务任务编号,便于按任务汇总

用真实业务样本跑一轮,统计每类任务的平均用量,再乘以官方单价,就能估算月度成本。之后可以按任务调整策略,例如简单问题关闭思考模式,长文档先做摘要再回答。

八、多模型统一接入

如果以后可能切换模型,应用层代码最好只依赖一个统一接口。常见做法是在应用和模型之间加一层适配器,由配置决定使用哪个基础地址、模型名和密钥。

多数聊天客户端和编排框架都支持添加自定义的 OpenAI 兼容提供方。使用时,填入基础地址、模型名和密钥即可。如果团队人数较多,也可以部署自建网关,统一管理密钥、限流和调用日志。

选择模型时,建议按任务拆分评测集。每类任务准备 50 到 100 条真实样本,从质量、延迟、单次成本和限流表现四方面比较。只看单价容易选错,因为质量不达标的模型,即使便宜,也会增加人工返工的成本。

如果你的需求是查询企业内部资料,最好使用检索增强生成(RAG)方案,把文档切片、建立索引,检索后再交给模型回答。公网搜索适合时效性问题。两类需求分开设计,避免结果混杂。

九、常见问题与兜底方案

  1. 工具和模式要配套。使用工具前,先确认当前模型和模式是否支持该工具。检查返回结果中是否真的有工具调用记录,不要假设它一定调用了。
  2. 搜索结果要展示引用。用户需要能点开来源,判断答案是否可信。
  3. 遇到限流(HTTP 429)或服务端错误时,使用指数退避重试,并设置最大重试次数。
  4. 搜索和网页读取依赖外部网络,失败时要有降级话术,例如“暂时无法获取最新信息,以下回答基于已有资料”,同时缓存最近一次的成功结果。
  5. 搜索结果要标注抓取时间。时效性强的内容,过期后要提醒用户。
  6. 长音频、大文件和批量任务先做小样本测试,确认无误后再扩大规模。

十、小结

DeepSeek 把部分能力放进了 API,开发者可以在自己的应用中调用,但不能因此默认所有功能都可直接使用。接入时,先在官方文档中核对每项能力的参数、计费单位和限制,再用 OpenAI 兼容协议写最小可运行的代码。上线前,用真实样本测量质量和成本,并为搜索、读取和语音设计失败兜底。这样做,既能控制预算,也能让功能在出错时仍然可用。

发表评论

活动