• class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="2">
  • class="hljs-ln-code"> class="hljs-ln-line">
  • class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="3"> class="hljs-ln-code"> class="hljs-ln-line">from openai import OpenAI
  • class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="4"> class="hljs-ln-code"> class="hljs-ln-line">
  • class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="5"> class="hljs-ln-code"> class="hljs-ln-line">client = OpenAI(api_key="sk-e210d055226d417f8e1617e36a3260cd", base_url="https://api.deepseek.com")
  • class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="6"> class="hljs-ln-code"> class="hljs-ln-line">
  • class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="7"> class="hljs-ln-code"> class="hljs-ln-line">response = client.chat.completions.create(
  • class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="8"> class="hljs-ln-code"> class="hljs-ln-line"> model="deepseek-chat",
  • class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="9"> class="hljs-ln-code"> class="hljs-ln-line"> messages=[
  • class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="10"> class="hljs-ln-code"> class="hljs-ln-line"> {"role": "system", "content": "You are a helpful assistant"},
  • class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="11"> class="hljs-ln-code"> class="hljs-ln-line"> {"role": "user", "content": "Hello"},
  • class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="12"> class="hljs-ln-code"> class="hljs-ln-line"> ],
  • class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="13"> class="hljs-ln-code"> class="hljs-ln-line"> stream=False
  • class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="14"> class="hljs-ln-code"> class="hljs-ln-line">)
  • class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="15"> class="hljs-ln-code"> class="hljs-ln-line">
  • class="hljs-ln-numbers"> class="hljs-ln-line hljs-ln-n" data-line-number="16"> class="hljs-ln-code"> class="hljs-ln-line">print(response.choices[0].message.content)
  • class="hljs-button signin active" data-title="登录复制" data-report-click="{"spm":"1001.2101.3001.4334"}" onclick="hljs.signin(event)">
    c. 运行效果

    现在是报了个错,使用AI辅助工具Marscode解释下错误,它认识这个错误(表扬下Marscode!)

    目前官方限制了充值,等到后面充值放开,就可以正常使用了。

      

    3)价格(很有竞争力)

     

    4 DeepSeek 本地私有化部署(Ollama):

    优势

    1)本地安装 ollama 

    a. 下载ollama: 网址 https://ollama.com/download/windows  

      

    b. 安装:双击OllamaSetup.exe

     

     c. 检查是否安装成功:打开cmd命令行,输入ollama命令

     

    2)ollama 启动 deepseek 

    a. 选择合适的模型: 根据显卡显存大小

    初始体验的话,选择最小版本即可

    b. 启动命令

    如果是首次启动,ollama会自动下载模型。

    ollama run deepseek-r1:1.5b class="hljs-button signin active" data-title="登录复制" data-report-click="{"spm":"1001.2101.3001.4334"}" onclick="hljs.signin(event)">
    c. 模型拉取中    

    3)  服务启动OK,开始AI问答

    在cmd命令窗口中,直接交互式提问响应。到这里本地部署的DeepSeek就OK了。

    但是黑乎乎的命令行窗口有点丑,是不是?

    要是有个美观的交互界面就好了!

     4)美化:ChatBox 美观不美观?

    官网 https://chatboxai.app/zh 

    a.下载ChatBox

     b. 安装ChatBox

    c. 启动ChatBox,配置Ollama DeepSeek模型
     d. ChatBox 配置OK,开始AI问题

    总结:使用DeepSeek的四种方法就写完了,欢迎交流,wx6550523 

    id="blogExtensionBox" style="width:400px;margin:auto;margin-top:12px" class="blog-extension-box"> class="blog_extension blog_extension_type2" id="blog_extension"> class="extension_official" data-report-click="{"spm":"1001.2101.3001.6471"}"> class="blog_extension_card_left"> class="blog_extension_card_cont"> YYDataV系统开发 class="blog_extension_card_cont_r"> 微信名片
    注:本文转载自blog.csdn.net的HelloCode5110的文章"https://yydatav.blog.csdn.net/article/details/145669559"。版权归原作者所有,此博客不拥有其著作权,亦不承担相应法律责任。如有侵权,请联系我们删除。
    复制链接

    评论记录:

    未查询到任何数据!