ChatDeepSeek

这将帮助您开始使用DeepSeek托管的聊天模型。有关ChatDeepSeek所有功能和配置的详细文档，请访问API参考。

提示

DeepSeek的模型是开源的，可以本地运行（例如在Ollama中），也可以在其他推理服务提供商上运行（例如Fireworks、Together）。

概览

集成详情

类	包	本地	可序列化的	JS 支持	软件包下载	最新包裹
ChatDeepSeek	langchain-deepseek	❌	beta	✅

模型特性

工具调用	结构化输出	JSON模式	图像输入	音频输入	视频输入	令牌级流式传输	原生异步	令牌使用量	对数概率
✅	✅	❌	❌	❌	❌	✅	✅	✅	❌

笔记

DeepSeek-R1，通过model="deepseek-reasoner"指定，不支持工具调用或结构化输出。这些功能由DeepSeek-V3支持（通过model="deepseek-chat"指定）。

设置

要访问DeepSeek模型，您需要创建一个DeepSeek帐户，获取API密钥，并安装langchain-deepseek集成包。

凭据

前往 DeepSeek的API密钥页面 注册DeepSeek并生成API密钥。完成后，请设置 DEEPSEEK_API_KEY 环境变量：

import getpass
import os

if not os.getenv("DEEPSEEK_API_KEY"):
    os.environ["DEEPSEEK_API_KEY"] = getpass.getpass("Enter your DeepSeek API key: ")

要启用模型调用的自动跟踪，请设置您的 LangSmith API 密钥：

# os.environ["LANGSMITH_TRACING"] = "true"
# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")

安装

LangChain DeepSeek 集成位于 langchain-deepseek 包中：

%pip install -qU langchain-deepseek

实例化

现在我们可以实例化我们的模型对象并生成聊天补全：

from langchain_deepseek import ChatDeepSeek

llm = ChatDeepSeek(
    model="deepseek-chat",
    temperature=0,
    max_tokens=None,
    timeout=None,
    max_retries=2,
    # other params...
)

API 参考：ChatDeepSeek

调用

messages = [
    (
        "system",
        "You are a helpful assistant that translates English to French. Translate the user sentence.",
    ),
    ("human", "I love programming."),
]
ai_msg = llm.invoke(messages)
ai_msg.content

链式调用

我们可以像这样将我们的模型与提示模板链接：

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate(
    [
        (
            "system",
            "You are a helpful assistant that translates {input_language} to {output_language}.",
        ),
        ("human", "{input}"),
    ]
)

chain = prompt | llm
chain.invoke(
    {
        "input_language": "English",
        "output_language": "German",
        "input": "I love programming.",
    }
)

API 参考：ChatPromptTemplate

API 参考

有关ChatDeepSeek所有功能和配置的详细文档，请访问API参考。

相关

• 聊天模型 概念指南
• 聊天模型 操操作指南