> ## 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 Solicitação e Uso > DeepSeek AI 集成指南 - XHuoAPI DeepSeek é um sistema de diálogo AI muito poderoso, que gera respostas fluentes e naturais em poucos segundos ao inserir palavras-chave. O DeepSeek-V3 se destaca na indústria por sua excelente capacidade de compreensão e geração de linguagem, e hoje, o DeepSeek-V3 já é amplamente utilizado em vários setores e áreas, com sua influência se tornando cada vez mais significativa. Seja em diálogos cotidianos, escrita criativa, ou consultoria profissional, programação de código, o DeepSeek-V3 pode fornecer assistência inteligente impressionante, aumentando significativamente a eficiência e a criatividade do trabalho humano. Este documento apresenta principalmente o fluxo de uso da API DeepSeek Chat Completion, que nos permite utilizar facilmente a funcionalidade de diálogo oficial do DeepSeek. ## Fluxo de Solicitação Para usar a API DeepSeek Chat Completion, primeiro você pode acessar a página [DeepSeek Chat Completion API](https://api.xhuoapi.ai/documents/2d6a9bae-9a70-4aaa-bd72-28e5bd60fa67) e clicar no botão "Acquire" para obter as credenciais necessárias para a solicitação: ![](https://cdn.xhuoapi.ai/nyq0xz.png) Se você ainda não estiver logado ou registrado, será redirecionado automaticamente para a página de login, convidando-o a se registrar e fazer login. Após o registro e login, você será redirecionado de volta para a página atual. Na primeira solicitação, haverá um crédito gratuito disponível, permitindo o uso gratuito da API. ## Uso Básico Em seguida, você pode preencher o conteúdo correspondente na interface, como mostrado na imagem:

Na primeira vez que usar esta interface, precisamos preencher pelo menos três conteúdos: um é `authorization`, que pode ser selecionado diretamente na lista suspensa. O outro parâmetro é `model`, que é a categoria do modelo que escolhemos usar do site do DeepSeek; aqui temos principalmente 4 tipos de modelos, e mais detalhes podem ser encontrados nos modelos que fornecemos. O último parâmetro é `messages`, que é um array de palavras-chave que inserimos, representando a possibilidade de enviar várias palavras-chave ao mesmo tempo, onde cada palavra-chave contém `role` e `content`, sendo que `role` representa o papel do questionador, e oferecemos três identidades: `user`, `assistant`, `system`. O outro `content` é o conteúdo específico da nossa pergunta. Você também pode notar que há um código de chamada correspondente gerado à direita, que você pode copiar e executar diretamente, ou pode clicar no botão "Try" para testar. Parâmetros opcionais comuns: * `max_tokens`: limita o número máximo de tokens na resposta única. * `temperature`: gera aleatoriedade, entre 0-2, quanto maior o valor, mais disperso. * `n`: quantas respostas candidatas gerar de uma vez. * `response_format`: configuração do formato de retorno.

Após a chamada, descobrimos que o resultado retornado é o seguinte: ```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 } ] } ``` O resultado retornado contém vários campos, descritos a seguir: * `id`, o ID da tarefa de diálogo gerada, usado para identificar exclusivamente esta tarefa de diálogo. * `created`, informações sobre a data de criação da tarefa de diálogo. * `model`, o modelo escolhido do site do DeepSeek. * `choices`, informações sobre as respostas fornecidas pelo DeepSeek para as palavras-chave. * `usage`: estatísticas sobre os tokens usados nesta pergunta e resposta. Entre eles, `choices` contém as informações de resposta do DeepSeek, onde o `choices` é a informação de resposta do DeepSeek, como mostrado na imagem.

Pode-se ver que o campo `content` dentro de `choices` contém o conteúdo específico da resposta do DeepSeek. ## Resposta em Fluxo Esta interface também suporta resposta em fluxo, o que é muito útil para integração em páginas da web, permitindo que a página exiba o resultado letra por letra. Se você deseja retornar a resposta em fluxo, pode alterar o parâmetro `stream` no cabeçalho da solicitação para `true`. A modificação é mostrada na imagem, mas o código de chamada precisa ter as alterações correspondentes para suportar a resposta em fluxo.

Após alterar `stream` para `true`, a API retornará os dados JSON linha por linha, e no nível do código, precisamos fazer as modificações necessárias para obter os resultados linha por linha. Código de exemplo de chamada em Python: ```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) ``` O efeito de saída é o seguinte: ```json theme={null} data: {"id": "o7X27b1-2kFHot-97098d957dd1d39a-PDX", "object": "chat.completion.chunk", "created": 1755437709, "model": "deepseek-v3", "system_fingerprint": null, "choices": [{"delta": {"content": "Olá", "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": " Como", "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": " posso", "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": " eu", "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": " ajudar", "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": " você", "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": " hoje", "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] ``` Pode-se ver que a resposta contém muitos `data`, onde `data` contém as `choices`, que são o conteúdo da resposta mais recente, consistente com o conteúdo apresentado anteriormente. `choices` é o novo conteúdo da resposta, que você pode integrar ao seu sistema. Além disso, o término da resposta em fluxo é determinado pelo conteúdo de `data`; se o conteúdo for `[DONE]`, isso indica que a resposta em fluxo foi completamente finalizada. O resultado retornado em `data` possui vários campos, conforme descrito a seguir: * `id`, o ID gerado para esta tarefa de conversa, usado para identificar exclusivamente esta tarefa de conversa. * `model`, o modelo escolhido do site oficial da DeepSeek. * `choices`, as informações de resposta fornecidas pela DeepSeek para a palavra de pergunta. O JavaScript também é suportado, como mostrado no código de chamada em fluxo do Node.js abaixo: ```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":"olá"}], "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)); ``` Exemplo de código em Java: ```java theme={null} JSONObject jsonObject = new JSONObject(); jsonObject.put("model", "deepseek-v3"); jsonObject.put("messages", [{"role":"user","content":"olá"}]); 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()) ``` Outras linguagens podem ser reescritas de forma semelhante, o princípio é o mesmo. ## Diálogo em várias rodadas Se você deseja integrar a funcionalidade de diálogo em várias rodadas, precisa enviar vários termos de pergunta no campo `messages`, exemplos específicos de vários termos de pergunta são mostrados na imagem abaixo:

Código de exemplo em Python: ```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":"Olá"},{"role":"assistant","content":"Oi! Como posso ajudá-lo hoje?"},{"role":"user","content":"O que eu disse agora?"}] } response = requests.post(url, json=payload, headers=headers) print(response.text) ``` Ao enviar várias perguntas, é possível realizar facilmente um diálogo em várias rodadas, obtendo a seguinte resposta: ```json theme={null} { "id": "as-8g3qzbsw2b", "object": "chat.completion", "created": 1755437895, "model": "deepseek-v3", "choices": [ { "index": 0, "message": { "role": "assistant", "content": "Você acabou de dizer: \n\n**\"Olá\"** \n\nE eu respondi com: \n\n**\"Oi! Como posso ajudá-lo hoje?\"** \n\nEntão você seguiu com: \n\n**\"O que eu disse agora?\"** \n\nDeixe-me saber como posso ajudar! 😊" }, "finish_reason": "stop", "flag": 0 } ], "usage": { "prompt_tokens": 22, "completion_tokens": 57, "total_tokens": 79 } } ``` Pode-se ver que as informações contidas em `choices` são consistentes com o conteúdo do uso básico, incluindo o conteúdo específico da resposta do DeepSeek para múltiplos diálogos, permitindo assim responder às perguntas correspondentes com base em várias interações. ## Tratamento de Erros Ao chamar a API, se ocorrer um erro, a API retornará o código de erro e a mensagem correspondente. Por exemplo: * `400 token_mismatched`: Solicitação inválida, possivelmente devido a parâmetros ausentes ou inválidos. * `400 api_not_implemented`: Solicitação inválida, possivelmente devido a parâmetros ausentes ou inválidos. * `401 invalid_token`: Não autorizado, token de autorização inválido ou ausente. * `429 too_many_requests`: Muitas solicitações, você excedeu o limite de taxa. * `500 api_error`: Erro interno do servidor, algo deu errado no servidor. ### Exemplo de Resposta de Erro ``` { "success": false, "error": { "code": "api_error", "message": "falha ao buscar" }, "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89" } ``` ## Conclusão Através deste documento, você aprendeu como usar a API DeepSeek Chat Completion para implementar facilmente a funcionalidade de diálogo do DeepSeek oficial. Esperamos que este documento ajude você a integrar e usar melhor essa API. Se tiver alguma dúvida, entre em contato com nossa equipe de suporte técnico.