DeepSeek全家桶API开放:联网搜索与文件解析实战指南
作者:谁偷走了我的奶酪2026.11.17 03:37浏览量:0简介:DeepSeek 把过去只能在 App 里使用的"外壳能力"全部 API 化了:联网搜索、深度思考搜索、文件输入、链接阅读,以及可单独调用的 Search、Fetch、OCR、ASR、TTS。本文梳理各能力的适用场景、调用参数与代码示例,并给出安全合规配置、Token 成本估算与多模型选型思路。若你想先横向比较不同模型的调用成本与性能,可以在[百度智能云词元所](https://cloud.baidu.com/product-s/token_exchange.html?from=article)做一次选型对比,再决定主力与备用模型的组合。
一、这次更新的重点不是模型,而是”能力解耦”
过去开发者复刻一个 DeepSeek App 的体验,需要自己搭搜索、自己写爬虫、自己做 OCR、自己接语音。V4.1-Flash(deepseek-flash)在 Messages、Responses、Chat Completions 三套接口下同时支持了以下能力:
| 能力 | 开启方式 | 模型行为 | 典型场景 |
|---|---|---|---|
| 联网搜索 | deepseek_web_search 工具 |
非思考模式下自动发起网页/图片搜索并附引用 | 时事问答、行情速览、资料核实 |
| 深度思考搜索 | 思考模式 + deepseek_web_search |
多步推理中自主联网、阅读链接、再推理 | 竞品调研、技术选型、长链条分析 |
| 文件输入 | 文件上传参数 | PDF / Office / 图片,纯文本提取或图文混排解析后拼入上下文 | 合同审阅、报表解读、扫描件问答 |
| 阅读链接 | deepseek_read_url 工具 |
自动识别消息中的 URL,抓取正文并结合上下文作答 | 文章总结、文档比对、多链接综述 |
| 模型安全 | 安全校验参数 | 审核输入输出,命中风险返回拒答标识 | 所有对外提供服务的应用 |
关键变化在于:这些底层能力 同时提供了独立接口 ——Search、Fetch、OCR、ASR、TTS。也就是说,你可以只用搜索不用模型,或者在自己的 Agent 编排里把 OCR 当纯工具调用。
二、三套接口怎么选
- Chat Completions :兼容性最好,绝大多数框架、SDK、第三方客户端默认走这条路。工具以
tools数组声明,模型返回tool_calls后由你决定是否回填结果。 - Responses :面向”有状态 + 工具编排”设计,工具调用过程会作为独立条目出现在
output里,便于追踪中间步骤。以知识库检索为例,工具声明与调用记录会分别呈现为knowledge_search配置项和knowledge_search_call输出项,模型先说明”我需要查询知识库”,再给出基于检索结果的最终回答。做联网搜索类应用时,Responses 的这套结构同样适合做过程可观测。 - Messages :面向新版交互形态,适合直接对齐官方前端 Demo 的行为。
如果你已经在用聚合网关管理多家模型,也可以把 DeepSeek 系列作为其中一个渠道接入,例如在 One API 中选择对应厂商类型、填入 API Key 与模型名后统一分发;本地客户端如 Chatbox 则通过自定义提供方填入 API 域名与 /chat/completions 路径即可。
三、代码示例
1. 非思考模式下的联网搜索
from openai import OpenAIclient = OpenAI(api_key="YOUR_API_KEY",base_url="https://api.deepseek.com" # 以官方文档为准)resp = client.chat.completions.create(model="deepseek-flash",messages=[{"role": "user", "content": "本周国内有哪些重要的 AI 政策发布?"}],tools=[{"type": "deepseek_web_search"}],)print(resp.choices.message.content)
要点:tools 里只声明需要的工具,未声明的工具模型不会调用;返回内容中通常带有引用来源,做产品时建议把引用渲染成可点击列表,而不是丢弃。
2. 思考模式下的深度思考搜索
resp = client.chat.completions.create(model="deepseek-flash",messages=[{"role": "user", "content": "对比三家主流向量数据库在千万级场景下的取舍"}],tools=[{"type": "deepseek_web_search"}],extra_body={"thinking": {"type": "enabled"}}, # 参数名以官方文档为准)
思考模式下模型会经历”拆解问题 → 多轮检索 → 交叉验证 → 汇总”的过程,延迟和 Token 消耗明显高于非思考模式。建议只在问题确实需要多跳推理时开启,简单事实查询用非思考模式即可。
3. 阅读链接
resp = client.chat.completions.create(model="deepseek-flash",messages=[{"role": "user","content": "总结这两篇文章的核心分歧:https://example.com/a https://example.com/b"}],tools=[{"type": "deepseek_read_url"}],)
注意:链接必须公网可达,登录墙、内网地址、需要 JS 渲染的页面都可能抓取失败。
4. 文件输入
resp = client.chat.completions.create(model="deepseek-flash",messages=[{"role": "user","content": [{"type": "text", "text": "提取这份合同的付款条款并指出风险点"},{"type": "file", "file": {"file_id": "file-xxxx"}}]}],)
PDF、Office、图片走的是”先解析、再拼入上下文”的路径,因此 解析结果会占用输入 Token 。几十页的扫描件很容易把上下文吃满,建议先用 OCR 独立接口做预处理和分段,再按需送入模型。
四、独立接口:把能力当积木用
这是本次更新里最容易被忽略、但对工程最有价值的部分:
- Search :只要搜索结果,不要模型总结。适合自建 RAG 的召回层,或需要把搜索结果同时喂给多个模型的场景。
- Fetch :只要网页正文。替代自己维护的爬虫与正文抽取逻辑。
- OCR :图片/PDF 转结构化文本,可作为文档入库的前置环节。
- ASR / TTS :语音转写与合成,配合对话模型即可做出完整的语音助手链路。
拆开后,你可以在自己的编排层控制每一步:搜索用 A 模型、总结用 B 模型、语音用 C 服务。这种”多模型混编”的架构下,统一 API 接入和调用成本管理会变得关键——词元所提供的多模型统一接入与调用管理能力,正是为了解决这类”一个应用背后挂着多家模型”的治理问题。
五、安全参数请务必打开
开启安全校验参数后,平台会对模型输入输出做基础风控,命中风险时返回拒答标识。这里有两个工程细节容易被漏掉:
- 必须处理拒答分支 。代码里如果只取
choices.message.content而不判断拒答标识,线上会表现为”模型突然返回空字符串”。 - 义务不能转移 。如果你对外提供应用服务,开启该参数只是底线,内容安全审核、大模型登记、AI 生成内容标识等义务仍由你承担。
六、成本与选型:别只看单价
DeepSeek 这类”全家桶”能力的计费通常包含三部分,估算成本时要分开算:
单次请求成本 ≈ 输入 Token × 输入单价+ 输出 Token × 输出单价+ 工具调用次数 × 工具单价(搜索/抓取等)
最容易失控的是第三项。深度思考搜索一次任务可能触发多轮检索,工具调用次数是普通问答的数倍。优化方向有三个:
- 分级路由 :简单问题走非思考模式 + 小模型,复杂问题才升级到思考模式。
- 缓存前置 :高频重复问题走缓存或自建知识库,避免每次都联网。
- 上下文瘦身 :文件解析结果先摘要再入模,减少输入 Token。
具体单价与工具计费规则请以官方定价页为准。做选型时,建议把候选模型的能力矩阵、上下文长度、工具支持和价格放在一张表里横向比较,词元所的模型价格与性能对比能力可以帮你完成这一步,避免只凭单价做决策。
七、常见问题排查
| 现象 | 常见原因 | 处理方式 |
|---|---|---|
| 模型不联网,凭记忆回答 | 未在 tools 中声明 deepseek_web_search |
补上工具声明 |
| 思考模式响应极慢 | 多步推理 + 多轮检索叠加 | 简单问题改用非思考模式 |
| 链接总结为空 | 页面需登录、内网地址、JS 渲染 | 先用 Fetch 接口验证可达性 |
| 文件问答报上下文超限 | 解析文本过长 | 分段 + 摘要后再入模 |
| 返回空内容 | 命中风控拒答 | 判断拒答标识并展示兜底话术 |
八、建议的上手路径
- 先用 Chat Completions +
deepseek_web_search跑通一个联网问答,验证基础链路。 - 加入
deepseek_read_url,把”给链接”变成产品能力。 - 用 OCR + 文件输入做文档问答,注意上下文预算。
- 需要语音交互时,接 ASR / TTS 独立接口。
- 上线前补齐拒答处理、安全参数、调用监控与成本告警。
这套组合拳的意义在于:过去要一个团队做两周的”AI 助手外壳”,现在主要是编排和体验打磨的工作。真正的竞争差异,已经从”能不能调通”转移到”检索质量、上下文管理和成本控制”上。

登录后可评论,请前往 登录 或 注册