需完成身份认证、请求构造与响应解析：一、安装requests并配置API密钥；二、构造符合OpenAI格式的JSON请求调用chat/completions接口；三、解析JSON响应提取content字段；四、封装为支持流式输出的函数；五、集成至定时自动化任务脚本。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望在Python项目中调用DeepSeek API以实现文本生成、代码补全等自动化任务，则需要完成身份认证、请求构造与响应解析等关键环节。以下是具体实施步骤：
一、安装必要依赖并配置API密钥
DeepSeek API通过HTTP请求调用，需使用requests库发送POST请求，并将API密钥置于请求头中进行身份验证。密钥需从DeepSeek官方平台获取并安全存储。
1、在终端执行命令安装requests库：pip install requests。
2、访问DeepSeek Platform登录账户，在API Keys页面点击“Create New Key”生成密钥。
立即学习“Python免费学习笔记（深入）”；
3、将生成的密钥保存至环境变量，例如在Linux/macOS中执行：export DEEPSEEK_API_KEY="sk-xxx"；Windows用户可使用set命令或系统环境变量设置。
二、构造标准请求体并调用chat/completions接口
DeepSeek API遵循OpenAI兼容格式，需按指定JSON结构组织messages字段，模型名称固定为deepseek-chat，temperature控制输出随机性。
1、在Python脚本中导入requests模块并定义API基础URL：BASE_URL = "https://api.deepseek.com/v1/chat/completions"。
2、构建headers字典，包含Authorization与Content-Type字段：{"Authorization": f"Bearer {os.getenv('DEEPSEEK_API_KEY')}", "Content-Type": "application/json"}。
3、构造data字典，包含model、messages、temperature三项，其中messages为包含role和content的字典列表，例如[{"role": "user", "content": "写一个Python函数计算阶乘"}]。
三、处理响应并提取生成文本
API返回为JSON格式，需检查response.status_code是否为200，并从嵌套结构response.json()["choices"][0]["message"]["content"]中提取模型输出内容。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
1、使用response = requests.post(BASE_URL, headers=headers, json=data)发起请求。
2、添加异常处理逻辑：若status_code不为200，则打印response.status_code与response.text。
3、成功响应后执行result = response.json()["choices"][0]["message"]["content"].strip()，确保去除首尾空白字符。
四、封装为可复用函数并支持流式响应
为提升脚本复用性，可将请求逻辑封装为函数，并通过stream参数控制是否启用逐字节流式输出，适用于长文本生成场景。
1、定义函数def deepseek_call(prompt: str, stream: bool = False) -> str:，内部构造完整请求参数。
2、当stream=True时，在headers中添加{"Accept": "text/event-stream"}，并使用response.iter_lines()逐行解析SSE格式数据。
3、对每行数据解码后匹配data:前缀，用json.loads()提取delta.content字段并拼接为完整响应字符串。
五、集成至自动化任务脚本示例
将API调用嵌入周期性任务中，如每日自动生成周报摘要，需结合datetime与schedule库实现定时触发，同时避免高频调用触发限流。
1、使用schedule.every().monday.at("09:00").do(deepseek_call, prompt="生成上周工作摘要")设定执行时间。
2、在请求前加入随机延迟（如time.sleep(random.uniform(0.5, 2))），防止因请求过于集中被服务端拒绝。
3、将生成结果写入本地Markdown文件，路径使用datetime.now().strftime("%Y-%m-%d-summary.md")动态生成。
