logo

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

  1. from openai import OpenAI
  2. client = OpenAI(
  3. api_key="YOUR_API_KEY",
  4. base_url="https://api.deepseek.com" # 以官方文档为准
  5. )
  6. resp = client.chat.completions.create(
  7. model="deepseek-flash",
  8. messages=[{"role": "user", "content": "本周国内有哪些重要的 AI 政策发布?"}],
  9. tools=[{"type": "deepseek_web_search"}],
  10. )
  11. 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

  1. resp = client.chat.completions.create(
  2. model="deepseek-flash",
  3. 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"}],
  4. tools=[{"type": "deepseek_web_search"}],
  5. extra_body={"thinking": {"type": "enabled"}}, # 参数名以官方文档为准
  6. )

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

  1. resp = client.chat.completions.create(
  2. model="deepseek-flash",
  3. messages=[{
  4. "role": "user",
  5. "content": "总结这两篇文章的核心分歧:https://example.com/a https://example.com/b"
  6. }],
  7. tools=[{"type": "deepseek_read_url"}],
  8. )

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

  1. resp = client.chat.completions.create(
  2. model="deepseek-flash",
  3. messages=[{
  4. "role": "user",
  5. "content": [
  6. {"type": "text", "text": "提取这份合同的付款条款并指出风险点"},
  7. {"type": "file", "file": {"file_id": "file-xxxx"}}
  8. ]
  9. }],
  10. )

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:

  1. 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”。
  2. 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:

  1. 单次请求成本 ≈ 输入 Token × 输入单价
  2. + 输出 Token × 输出单价
  3. + 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

  1. 先用 Chat Completions + deepseek_web_search 跑通一个联网问答,验证基础链路。
  2. 加入 deepseek_read_url,把”给链接”变成产品能力。
  3. 用 OCR + 文件输入做文档问答,注意上下文预算。
  4. 需要语音交互时,接 ASR / TTS 独立接口。
  5. 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。

发表评论

活动