Skip to main content

ChatDeepSeek

这将帮助你快速入门 DeepSeek 聊天模型。有关 ChatDeepSeek 所有功能和配置的详细文档，请前往 API 参考文档。

概览​

集成详情​

类包本地支持可序列化Python 支持包下载量包最新版本
ChatDeepSeek@langchain/deepseek❌（参见 Ollama）beta✅NPM - 下载量NPM - 版本

模型功能​

以下表格标题中的链接提供了如何使用特定功能的指南。

工具调用结构化输出JSON 模式图像输入音频输入视频输入逐 token 流式传输token 使用情况logprobs
✅✅✅❌❌❌✅✅✅

注意：截至 2025 年 1 月 27 日，deepseek-reasoner 当前不支持工具调用和结构化输出。

准备工作​

要访问 DeepSeek 模型，你需要创建一个 DeepSeek 账户，获取一个 API 密钥，并安装 @langchain/deepseek 集成包。

你也可以通过如 Together AI 或 Ollama 等提供商访问 DeepSeek API。

凭证​

前往 https://deepseek.com/ 注册 DeepSeek 账户并生成一个 API 密钥。完成之后，设置 DEEPSEEK_API_KEY 环境变量：

export DEEPSEEK_API_KEY="your-api-key"

如果你想自动追踪模型调用，也可以取消以下 LangSmith API 密钥的注释：

# export LANGSMITH_TRACING="true"
# export LANGSMITH_API_KEY="your-api-key"

安装​

LangChain 的 ChatDeepSeek 集成位于 @langchain/deepseek 包中：

:::提示 请参阅安装集成包的一般说明部分。 :::

yarn add @langchain/deepseek @langchain/core

实例化​

现在我们可以实例化我们的模型对象并生成聊天补全结果：

import { ChatDeepSeek } from "@langchain/deepseek";

const llm = new ChatDeepSeek({
  model: "deepseek-reasoner",
  temperature: 0,
  // other params...
});
const aiMsg = await llm.invoke([
  [
    "system",
    "You are a helpful assistant that translates English to French. Translate the user sentence.",
  ],
  ["human", "I love programming."],
]);
aiMsg;
AIMessage {
  "id": "e2874482-68a7-4552-8154-b6a245bab429",
  "content": "J'adore la programmation.",
  "additional_kwargs": {,
    "reasoning_content": "...",
  },
  "response_metadata": {
    "tokenUsage": {
      "promptTokens": 23,
      "completionTokens": 7,
      "totalTokens": 30
    },
    "finish_reason": "stop",
    "model_name": "deepseek-reasoner",
    "usage": {
      "prompt_tokens": 23,
      "completion_tokens": 7,
      "total_tokens": 30,
      "prompt_tokens_details": {
        "cached_tokens": 0
      },
      "prompt_cache_hit_tokens": 0,
      "prompt_cache_miss_tokens": 23
    },
    "system_fingerprint": "fp_3a5770e1b4"
  },
  "tool_calls": [],
  "invalid_tool_calls": [],
  "usage_metadata": {
    "output_tokens": 7,
    "input_tokens": 23,
    "total_tokens": 30,
    "input_token_details": {
      "cache_read": 0
    },
    "output_token_details": {}
  }
}
console.log(aiMsg.content);
J'adore la programmation.

链式调用​

我们可以像这样将模型与提示模板链式调用：

import { ChatPromptTemplate } from "@langchain/core/prompts";

const prompt = ChatPromptTemplate.fromMessages([
  [
    "system",
    "You are a helpful assistant that translates {input_language} to {output_language}.",
  ],
  ["human", "{input}"],
]);

const chain = prompt.pipe(llm);
await chain.invoke({
  input_language: "English",
  output_language: "German",
  input: "I love programming.",
});
AIMessage {
  "id": "6e7f6f8c-8d7a-4dad-be07-425384038fd4",
  "content": "Ich liebe es zu programmieren.",
  "additional_kwargs": {,
    "reasoning_content": "...",
  },
  "response_metadata": {
    "tokenUsage": {
      "promptTokens": 18,
      "completionTokens": 9,
      "totalTokens": 27
    },
    "finish_reason": "stop",
    "model_name": "deepseek-reasoner",
    "usage": {
      "prompt_tokens": 18,
      "completion_tokens": 9,
      "total_tokens": 27,
      "prompt_tokens_details": {
        "cached_tokens": 0
      },
      "prompt_cache_hit_tokens": 0,
      "prompt_cache_miss_tokens": 18
    },
    "system_fingerprint": "fp_3a5770e1b4"
  },
  "tool_calls": [],
  "invalid_tool_calls": [],
  "usage_metadata": {
    "output_tokens": 9,
    "input_tokens": 18,
    "total_tokens": 27,
    "input_token_details": {
      "cache_read": 0
    },
    "output_token_details": {}
  }
}

API 参考文档​

如需详细了解 ChatDeepSeek 的所有功能和配置，请访问 API 参考文档：https://api.js.langchain.com/classes/\_langchain_deepseek.ChatDeepSeek.html

Was this page helpful?


You can also leave detailed feedback on GitHub.