> ## 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 申請及使用 > DeepSeek AI 集成指南 - XHuoAPI DeepSeek 是一款非常強大的 AI 對話系統，只要輸入提示詞，就能在短短幾秒內生成流暢自然的回覆。DeepSeek-V3 以其出色的語言理解和生成能力在業界獨樹一幟，如今，DeepSeek-V3 早已在各個行業和領域廣泛應用，其影響力愈發顯著。無論是日常對話、創意寫作，還是專業諮詢、程式編寫，DeepSeek-V3 都能提供令人驚嘆的智能協助，極大地提高了人類的工作效率和創造力。 本文檔主要介紹 DeepSeek Chat Completion API 操作的使用流程，利用它我們可以輕鬆使用官方 DeepSeek 的對話功能。 ## 申請流程 要使用 DeepSeek Chat Completion API，首先可以到 [DeepSeek Chat Completion API](https://api.xhuoapi.ai/documents/2d6a9bae-9a70-4aaa-bd72-28e5bd60fa67) 頁面點擊「Acquire」按鈕，獲取請求所需要的憑證： ![](https://cdn.xhuoapi.ai/nyq0xz.png) 如果你尚未登入或註冊，會自動跳轉到登入頁面邀請您來註冊和登入，登入註冊之後會自動返回當前頁面。 在首次申請時會有免費額度贈送，可以免費使用該 API。 ## 基本使用 接下來就可以在介面上填寫對應的內容，如圖所示：

在第一次使用該介面時，我們至少需要填寫三個內容，一個是 `authorization`，直接在下拉列表裡面選擇即可。另一個參數是 `model`， `model` 就是我們選擇使用 DeepSeek 官網模型類別，這裡我們主要有 4 種模型，詳情可以看我們提供的模型。最後一個參數是`messages`，`messages`是我們輸入的提問詞數組，它是一個數組，表示可以同時上傳多個提問詞，每個提問詞包含了 `role` 和 `content`，其中 `role` 表示提問者的角色，我們提供了三種身份，分別為 `user` 、`assistant`、`system` 。另一個 `content` 就是我們提問的具體內容。 同時您可以注意到右側有對應的調用代碼生成，您可以複製代碼直接運行，也可以直接點擊「Try」按鈕進行測試。 常用可選參數： * `max_tokens`：限制單次回覆的最大 token 數。 * `temperature`：生成隨機性，0-2 之間，值越大越發散。 * `n`：一次生成多少條候選回覆。 * `response_format`：返回格式設置。

調用之後，我們發現返回結果如下： ```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 } ] } ``` 返回結果一共有多個字段，介紹如下： * `id`，生成此次對話任務的 ID，用於唯一標識此次對話任務。 * `created`，此次對話任務的創建時間信息。 * `model`，選擇的 DeepSeek 官網模型。 * `choices`DeepSeek 針對提問詞給予的回答信息。 * `usage `：針對本次問答對 token 的統計信息。 其中 `choices` 是包含了 DeepSeek 的回答信息，它裡面的 `choices` 是 DeepSeek的回答信息，可以發現如圖所示。

可以看到，`choices` 裡面的 `content` 字段包含了 DeepSeek 回覆的具體內容。 ## 流式響應 該介面也支持流式響應，這對網頁對接十分有用，可以讓網頁實現逐字顯示效果。 如果想流式返回響應，可以更改請求頭裡面的 `stream ` 參數，修改為 `true`。 修改如圖所示，不過調用代碼需要有對應的更改才能支持流式響應。

將 `stream` 修改為 `true` 之後，API 將逐行返回對應的 JSON 數據，在代碼層面我們需要做相應的修改來獲得逐行的結果。 Python 樣例調用代碼： ```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) ``` 輸出效果如下： ```json theme={null} data: {"id": "o7X27b1-2kFHot-97098d957dd1d39a-PDX", "object": "chat.completion.chunk", "created": 1755437709, "model": "deepseek-v3", "system_fingerprint": null, "choices": [{"delta": {"content": "你好", "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": " 怎麼", "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": " 我", "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": " 可以", "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": " 幫助", "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": " 你", "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": " 今天", "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] ``` 可以看到，響應裡面有許多 `data` ，`data` 裡面的 `choices` 即為最新的回答內容，與上文介紹的內容一致。`choices` 是新增的回答內容，您可以根據結果來對接到您的系統中。同時流式響應的結束是根據 `data` 的內容來判斷的，如果內容為 `[DONE]`，則表示流式響應回答已經全部結束。返回的 `data` 結果一共有多個字段，介紹如下： * `id`，生成此次對話任務的 ID，用於唯一標識此次對話任務。 * `model `，選擇的 DeepSeek 官網模型。 * `choices`，DeepSeek 針對提問詞給予的回答信息。 JavaScript 也是支持的，比如 Node.js 的流式調用代碼如下： ```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":"你好"}], "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)); ``` Java 樣例代碼： ```java theme={null} JSONObject jsonObject = new JSONObject(); jsonObject.put("model", "deepseek-v3"); jsonObject.put("messages", [{"role":"user","content":"你好"}]); 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()) ``` 其他語言可以另外自行改寫，原理都是一樣的。 ## 多輪對話 如果您想要對接多輪對話功能，需要對 `messages` 字段上傳多個提問詞，多個提問詞的具體示例如下圖所示：

Python 範例調用代碼： ```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"},{"role":"assistant","content":"Hi! How can I assist you today?"},{"role":"user","content":"What I say just now?"}] } response = requests.post(url, json=payload, headers=headers) print(response.text) ``` 透過上傳多個提問詞，就可以輕鬆實現多輪對話，可以得到如下回答： ```json theme={null} { "id": "as-8g3qzbsw2b", "object": "chat.completion", "created": 1755437895, "model": "deepseek-v3", "choices": [ { "index": 0, "message": { "role": "assistant", "content": "You just said: \n\n**\"Hello\"** \n\nAnd I responded with: \n\n**\"Hi! How can I assist you today?\"** \n\nThen you followed up with: \n\n**\"What I say just now?\"** \n\nLet me know how I can help! 😊" }, "finish_reason": "stop", "flag": 0 } ], "usage": { "prompt_tokens": 22, "completion_tokens": 57, "total_tokens": 79 } } ``` 可以看到，`choices` 包含的信息與基本使用的內容是一致的，這個包含了 DeepSeek 針對多個對話進行回覆的具體內容，這樣就可以根據多個對話內容來回答對應的問題了。 ## 錯誤處理 在調用 API 時，如果遇到錯誤，API 會返回相應的錯誤代碼和信息。例如： * `400 token_mismatched`：錯誤的請求，可能是因為缺少或無效的參數。 * `400 api_not_implemented`：錯誤的請求，可能是因為缺少或無效的參數。 * `401 invalid_token`：未授權，無效或缺少授權令牌。 * `429 too_many_requests`：請求過多，您已超過速率限制。 * `500 api_error`：內部伺服器錯誤，伺服器出現問題。 ### 錯誤響應示例 ``` { "success": false, "error": { "code": "api_error", "message": "fetch failed" }, "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89" } ``` ## 結論 透過本文檔，您已經了解了如何使用 DeepSeek Chat Completion API 輕鬆實現官方 DeepSeek 的對話功能。希望本文檔能幫助您更好地對接和使用該 API。如有任何問題，請隨時聯繫我們的技術支持團隊。