> ## Documentation Index > Fetch the complete documentation index at: https://docs.xhuoapi.ai/llms.txt > Use this file to discover all available pages before exploring further. # DeepSeek Chat Completion API 申请及使用 > DeepSeek AI 集成指南 - XHuoAPI DeepSeek to bardzo potężny system AI do rozmów, który po wprowadzeniu podpowiedzi potrafi w ciągu kilku sekund wygenerować płynne i naturalne odpowiedzi. DeepSeek-V3 wyróżnia się w branży dzięki swoim doskonałym zdolnościom rozumienia i generowania języka, a obecnie jest szeroko stosowany w różnych branżach i dziedzinach, a jego wpływ staje się coraz bardziej znaczący. Niezależnie od tego, czy chodzi o codzienne rozmowy, kreatywne pisanie, czy profesjonalne doradztwo, programowanie kodu, DeepSeek-V3 może zapewnić zdumiewającą inteligentną pomoc, znacznie zwiększając wydajność i kreatywność ludzi. Dokument ten głównie opisuje proces korzystania z DeepSeek Chat Completion API, dzięki któremu możemy łatwo korzystać z oficjalnej funkcji rozmowy DeepSeek. ## 申请流程 Aby skorzystać z DeepSeek Chat Completion API, najpierw można przejść na stronę [DeepSeek Chat Completion API](https://api.xhuoapi.ai/documents/2d6a9bae-9a70-4aaa-bd72-28e5bd60fa67) i kliknąć przycisk „Acquire”, aby uzyskać potrzebne poświadczenia: ![](https://cdn.xhuoapi.ai/nyq0xz.png) Jeśli nie jesteś zalogowany lub zarejestrowany, automatycznie zostaniesz przekierowany na stronę logowania, aby zarejestrować się i zalogować, a po zalogowaniu lub rejestracji automatycznie wrócisz na bieżącą stronę. Podczas pierwszej aplikacji otrzymasz darmowy limit, który pozwala na bezpłatne korzystanie z tego API. ## 基本使用 Następnie możesz wypełnić odpowiednie treści na interfejsie, jak pokazano na obrazku:

Podczas pierwszego korzystania z tego interfejsu musimy wypełnić co najmniej trzy pola: jedno to `authorization`, które można wybrać bezpośrednio z rozwijanej listy. Kolejnym parametrem jest `model`, `model` to kategoria modelu, którą wybieramy do użycia z oficjalnej strony DeepSeek, mamy tutaj głównie 4 rodzaje modeli, szczegóły można zobaczyć w dostarczonych modelach. Ostatnim parametrem jest `messages`, `messages` to tablica naszych pytań, jest to tablica, która pozwala na jednoczesne przesyłanie wielu pytań, każde pytanie zawiera `role` i `content`, gdzie `role` oznacza rolę pytającego, oferujemy trzy tożsamości: `user`, `assistant`, `system`. Drugim `content` jest konkretna treść naszego pytania. Możesz również zauważyć, że po prawej stronie znajduje się odpowiedni kod wywołania, który możesz skopiować i uruchomić, lub możesz po prostu kliknąć przycisk „Try”, aby przetestować. Często używane opcjonalne parametry: * `max_tokens`: ogranicza maksymalną liczbę tokenów w pojedynczej odpowiedzi. * `temperature`: generuje losowość, w zakresie od 0 do 2, im wyższa wartość, tym bardziej rozproszone. * `n`: ile kandydatów odpowiedzi generować jednocześnie. * `response_format`: ustawienia formatu odpowiedzi.

Po wywołaniu zauważamy, że wynik zwrotny wygląda następująco: ```json theme={null} { "id": "chatcmpl-050bf20a-ebcd-498a-bf6e-63ee0738013b", "object": "chat.completion", "created": 1764846609, "model": "deepseek-v3.2-exp", "usage": { "prompt_tokens": 8, "completion_tokens": 11, "total_tokens": 19 }, "choices": [ { "index": 0, "message": { "content": "Hello! 😊 How can I help you today?", "role": "assistant" }, "refs": null, "logprobs": null, "finish_reason": "stop", "service_tier": null } ] } ``` Wynik zwrotny zawiera wiele pól, które są opisane poniżej: * `id`, identyfikator zadania rozmowy, używany do unikalnego oznaczania tego zadania rozmowy. * `created`, informacja o czasie utworzenia tego zadania rozmowy. * `model`, wybrany model z oficjalnej strony DeepSeek. * `choices`, odpowiedzi DeepSeek na pytania. * `usage`: statystyki dotyczące tokenów dla tej sesji pytań i odpowiedzi. Wśród nich `choices` zawiera informacje o odpowiedziach DeepSeek, a w nim `choices` to informacje o odpowiedziach DeepSeek, co można zobaczyć na obrazku.

Można zauważyć, że pole `content` w `choices` zawiera konkretną treść odpowiedzi DeepSeek. ## 流式响应 Ten interfejs obsługuje również odpowiedzi strumieniowe, co jest bardzo przydatne w integracji z stronami internetowymi, umożliwiając wyświetlanie efektu literowego. Jeśli chcesz, aby odpowiedź była zwracana strumieniowo, możesz zmienić parametr `stream` w nagłówku żądania na `true`. Zmiana jak pokazano na obrazku, jednak kod wywołania musi być odpowiednio zmieniony, aby obsługiwał odpowiedzi strumieniowe.

Po zmianie `stream` na `true`, API będzie zwracać odpowiednie dane JSON w wierszach, a na poziomie kodu musimy wprowadzić odpowiednie zmiany, aby uzyskać wyniki w wierszach. Przykładowy kod wywołania w Pythonie: ```python theme={null} import requests url = "https://api.xhuoapi.ai/v1/deepseek/chat/completions" headers = { "accept": "application/json", "authorization": "Bearer {token}", "content-type": "application/json" } payload = { "model": "deepseek-v3", "messages": [{"role":"user","content":"hello"}], "stream": True } response = requests.post(url, json=payload, headers=headers) print(response.text) ``` Efekt wyjściowy wygląda następująco: ```json theme={null} data: {"id": "o7X27b1-2kFHot-97098d957dd1d39a-PDX", "object": "chat.completion.chunk", "created": 1755437709, "model": "deepseek-v3", "system_fingerprint": null, "choices": [{"delta": {"content": "Cześć", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "o7X27b1-2kFHot-97098d957dd1d39a-PDX", "object": "chat.completion.chunk", "created": 1755437709, "model": "deepseek-v3", "system_fingerprint": null, "choices": [{"delta": {"content": "!", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "o7X27b1-2kFHot-97098d957dd1d39a-PDX", "object": "chat.completion.chunk", "created": 1755437709, "model": "deepseek-v3", "system_fingerprint": null, "choices": [{"delta": {"content": "", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "o7X27b1-2kFHot-97098d957dd1d39a-PDX", "object": "chat.completion.chunk", "created": 1755437709, "model": "deepseek-v3", "system_fingerprint": null, "choices": [{"delta": {"content": " 😊", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "o7X27b1-2kFHot-97098d957dd1d39a-PDX", "object": "chat.completion.chunk", "created": 1755437709, "model": "deepseek-v3", "system_fingerprint": null, "choices": [{"delta": {"content": " Jak", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "o7X27b1-2kFHot-97098d957dd1d39a-PDX", "object": "chat.completion.chunk", "created": 1755437709, "model": "deepseek-v3", "system_fingerprint": null, "choices": [{"delta": {"content": " mogę", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "o7X27b1-2kFHot-97098d957dd1d39a-PDX", "object": "chat.completion.chunk", "created": 1755437709, "model": "deepseek-v3", "system_fingerprint": null, "choices": [{"delta": {"content": " ja", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "o7X27b1-2kFHot-97098d957dd1d39a-PDX", "object": "chat.completion.chunk", "created": 1755437709, "model": "deepseek-v3", "system_fingerprint": null, "choices": [{"delta": {"content": " pomóc", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "o7X27b1-2kFHot-97098d957dd1d39a-PDX", "object": "chat.completion.chunk", "created": 1755437709, "model": "deepseek-v3", "system_fingerprint": null, "choices": [{"delta": {"content": " ci", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "o7X27b1-2kFHot-97098d957dd1d39a-PDX", "object": "chat.completion.chunk", "created": 1755437709, "model": "deepseek-v3", "system_fingerprint": null, "choices": [{"delta": {"content": " dzisiaj", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "o7X27b1-2kFHot-97098d957dd1d39a-PDX", "object": "chat.completion.chunk", "created": 1755437709, "model": "deepseek-v3", "system_fingerprint": null, "choices": [{"delta": {"content": "?", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} data: {"id": "o7X27b1-2kFHot-97098d957dd1d39a-PDX", "object": "chat.completion.chunk", "created": 1755437709, "model": "deepseek-v3", "system_fingerprint": null, "choices": [{"delta": {"content": "", "role": "assistant"}, "logprobs": null, "finish_reason": "stop", "index": 0}], "usage": {"prompt_tokens": 4, "completion_tokens": 12, "total_tokens": 16, "prompt_tokens_details": {"cached_tokens": 0, "text_tokens": 0, "audio_tokens": 0, "image_tokens": 0}, "completion_tokens_details": {"text_tokens": 0, "audio_tokens": 0, "reasoning_tokens": 0}, "input_tokens": 0, "output_tokens": 0, "input_tokens_details": null}} data: [DONE] ``` Można zauważyć, że odpowiedź zawiera wiele `data`, a `data` wewnątrz `choices` to najnowsza treść odpowiedzi, zgodna z wcześniej przedstawioną treścią. `choices` to nowa treść odpowiedzi, którą można zintegrować z systemem. Zakończenie strumieniowej odpowiedzi można ocenić na podstawie zawartości `data`; jeśli zawartość to `[DONE]`, oznacza to, że strumieniowa odpowiedź została całkowicie zakończona. Zwracane wyniki `data` mają wiele pól, które są opisane poniżej: * `id`, identyfikator generujący zadanie rozmowy, używany do unikalnej identyfikacji tego zadania. * `model`, wybrany model DeepSeek. * `choices`, informacje o odpowiedzi udzielone przez DeepSeek w odpowiedzi na zapytanie. JavaScript również jest obsługiwany, na przykład kod do strumieniowego wywołania w Node.js wygląda następująco: ```javascript theme={null} const options = { method: "post", headers: { "accept": "application/json", "authorization": "Bearer {token}", "content-type": "application/json" }, body: JSON.stringify({ "model": "deepseek-v3", "messages": [{"role":"user","content":"cześć"}], "stream": true }) }; fetch("https://api.xhuoapi.ai/v1/deepseek/chat/completions", options) .then(response => response.json()) .then(response => console.log(response)) .catch(err => console.error(err)); ``` Przykładowy kod w Javie: ```java theme={null} JSONObject jsonObject = new JSONObject(); jsonObject.put("model", "deepseek-v3"); jsonObject.put("messages", [{"role":"user","content":"cześć"}]); jsonObject.put("stream", true); MediaType mediaType = "application/json; charset=utf-8".toMediaType(); RequestBody body = jsonObject.toString().toRequestBody(mediaType); Request request = new Request.Builder() .url("https://api.xhuoapi.ai/v1/deepseek/chat/completions") .post(body) .addHeader("accept", "application/json") .addHeader("authorization", "Bearer {token}") .addHeader("content-type", "application/json") .build(); OkHttpClient client = new OkHttpClient(); Response response = client.newCall(request).execute(); System.out.print(response.body!!.string()) ``` Inne języki można dostosować samodzielnie, zasada jest taka sama. ## Wieloetapowa rozmowa Jeśli chcesz zintegrować funkcję wieloetapowej rozmowy, musisz przesłać wiele zapytań w polu `messages`, a konkretne przykłady wielu zapytań są pokazane na poniższym obrazku:

Przykładowy kod wywołania w Pythonie: ```python theme={null} import requests url = "https://api.xhuoapi.ai/v1/deepseek/chat/completions" headers = { "accept": "application/json", "authorization": "Bearer {token}", "content-type": "application/json" } payload = { "model": "deepseek-v3", "messages": [{"role":"user","content":"Cześć"},{"role":"assistant","content":"Cześć! Jak mogę Ci dzisiaj pomóc?"},{"role":"user","content":"Co powiedziałem przed chwilą?"}] } response = requests.post(url, json=payload, headers=headers) print(response.text) ``` Przesyłając wiele pytań, można łatwo zrealizować wieloetapową rozmowę, uzyskując następującą odpowiedź: ```json theme={null} { "id": "as-8g3qzbsw2b", "object": "chat.completion", "created": 1755437895, "model": "deepseek-v3", "choices": [ { "index": 0, "message": { "role": "assistant", "content": "Właśnie powiedziałeś: \n\n**\"Cześć\"** \n\nA ja odpowiedziałem: \n\n**\"Cześć! Jak mogę Ci dzisiaj pomóc?\"** \n\nNastępnie zapytałeś: \n\n**\"Co powiedziałem przed chwilą?\"** \n\nDaj znać, jak mogę pomóc! 😊" }, "finish_reason": "stop", "flag": 0 } ], "usage": { "prompt_tokens": 22, "completion_tokens": 57, "total_tokens": 79 } } ``` Można zauważyć, że informacje zawarte w `choices` są zgodne z podstawowym użyciem, co zawiera konkretne odpowiedzi DeepSeek na wiele rozmów, dzięki czemu można odpowiadać na odpowiednie pytania na podstawie wielu treści rozmowy. ## Obsługa błędów Podczas wywoływania API, jeśli wystąpi błąd, API zwróci odpowiedni kod błędu i informacje. Na przykład: * `400 token_mismatched`: Złe żądanie, prawdopodobnie z powodu brakujących lub nieprawidłowych parametrów. * `400 api_not_implemented`: Złe żądanie, prawdopodobnie z powodu brakujących lub nieprawidłowych parametrów. * `401 invalid_token`: Nieautoryzowany, nieprawidłowy lub brakujący token autoryzacyjny. * `429 too_many_requests`: Zbyt wiele żądań, przekroczono limit szybkości. * `500 api_error`: Błąd wewnętrzny serwera, coś poszło nie tak na serwerze. ### Przykład odpowiedzi błędu ``` { "success": false, "error": { "code": "api_error", "message": "pobieranie nie powiodło się" }, "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89" } ``` ## Wnioski Dzięki temu dokumentowi zrozumiałeś, jak łatwo zrealizować funkcję rozmowy DeepSeek Chat Completion API. Mamy nadzieję, że ten dokument pomoże Ci lepiej zintegrować i korzystać z tego API. W razie jakichkolwiek pytań, skontaktuj się z naszym zespołem wsparcia technicznego.