0成本上手！草履虫也能看懂的免费调用 DeepSeek API入门教程

前言

技术小白第一次写技术博客。本篇文章基于我自己的学习日志整理而来，如文中有不合理或者错误的地方，欢迎各位朋友指出来喵~

大语言模型LLM发展到今天，已经有了非常出色的表现，被广泛应用于各种学习研究、代码修改、生活建议等场景。而对于大部分普通用户而言，对于大模型的使用仍局限于使用网页版的LLM大语言模型，虽然已经满足大部分日常使用场景，但倘若能够学会调用各类大语言模型的API，后续可以将LLM扩展到更加广泛的生活工作场景。比如接入各类agent，获得更好的文献翻译表现等。

通过本篇学习笔记，希望能给普通LLM用户带来简单易懂的LLM API入门教程。

食用指南 适合人群：不了解如何调用AI API的普通小白 操作系统：Windows11 示例平台/LLM模型：硅基流动DeepSeekV3.2 示例语言/IDE:Python3.12/PyCharm 付费情况：完全免费！教程内容不涉及任何支付

---

零、API简单介绍：从“聊天框”走向无限可能的 API

省流可以直接跳至第一章。 如果读者对于API感兴趣，可以观看以下视频： 【什么是API？DeepSeek技巧升级2.0～】 https://www.bilibili.com/video/BV1LEKMexEV7/?share_source=copy_web&vd_source=e8df895014bbee54ae6d63b80ad79bc3 可以跳转至视频1：56开始观看 UP主@秋芝2046对ai api的讲解很通俗易懂，也非常适合小白上手，也十分推荐有兴趣的读者观看。

在正式动手之前，我们先聊聊对于普通用户来说比较生疏的两个概念：API 和 AI API。 如果你此前一直通过网页端（如 deepseek.com）与大模型对话，那么您其实是站在“围墙”外观察大模型。而学会使用 API，就是拿到了进入这座“智能工厂”的钥匙 。

API 到底是个啥？

API (Application Programming Interface)，中文叫“应用程序编程接口”。听起来很绕口，但您只需要记住：API就是餐厅里的“服务员”。

• 您（用户/开发者）：坐在餐桌前的客人，你想吃“红烧牛肉面”。
• 厨房（系统/程序）：大模型的核心引擎，里面有复杂的逻辑和海量的数据。
• 服务员（API）：连接你和厨房的中间人。

您不需要知道厨师是怎么拉面的，您只需要告诉服务员：“我要一碗面，不要香菜”，服务员就会把您的需求传达给厨房，并将做好的面端回您面前 。

一句话总结： API 是一套预先定义的规则，它让您不需要了解底层逻辑，就能安全、标准地请求和使用另一个软件的功能 。它就像插座一样，您只需插上插头（发送请求），就能获得电力（数据和服务）。

什么是 AI API？

AI API也是API的一种，只不过普通的 API 可能只是帮您查个天气、查个股票新闻，而AI API则是将您的提问传给大语言模型，他返回给您对应的回复。逻辑和使用网页版的LLM差不多，但是直接调用AI API有很强的拓展性，允许您调整一些参数，并更好地实现一些您的个性化需求。

---

一、获取API

1.1.选择获取API提供方

要获取 DeepSeek 的API，笔者这里给出的途径主要有三条：deepseek官方平台、第三方算力聚合平台（如硅基流动）以及大厂云平台（如阿里云百炼）。硅基流动初次注册赠送14元额度，我们可以先暂时白嫖硅基流动的额度来调用api，平常研究学习使用AI的API是够用的，所以我们这里选择硅基流动获取deepseek的api 。

1.2.基于流动获取deepseek的api密钥的流程

1.2.1.注册硅基流动账号

通过以下链接进入硅基流动的官网

网址链接：https://siliconflow.cn/

登录后完成实名认证

点击余额充值，虽然没有余额，但是点开代金券注意到硅基流动赠送了一张余额为14元的代金券。

其中就可以用来调用deepseek-v3.2的api，我们可以先暂时使用14块钱的代金券进行学习研究。后续有需要也可以充值余额，看个人情况自行选择。

1.2.2.创建基于流动密钥

然后我们点击新建API密钥

随意填写密钥描述，然后新建密钥

即可获取秘钥，获取的秘钥可以用于调用deepseek的api，还可以调用硅基流动上支持的其他大语言模型的api，具体参见硅基流动的支持列表，这里我们主要用deepseek大语言模型。 切记：不要将自己的秘钥公开或传输给任何陌生人，防止自己的余额被盗用！

---

二、基于python调用deepseek api

2.1.获取python源码

这里我们基于Python来实现编写程序来获取deepseek对于提问的回复。 首先在硅基流动的“模型广场”找到我们的deepseek-ai/DeepSeek-V3.2，并点击

在弹出来的窗口选择API文档

在新页面的右侧，右上角将cURL改成Python

2.2.源码解读

详细可以参考硅基流动官方API的手册，里面对源码的参数都进行了详细介绍 https://docs.siliconflow.cn/cn/api-reference/chat-completions/chat-completions

复制得到的源码如下: 这个源码是一个通用源码，适用于调用硅基流动下的各种大模型api，但是实际部署时，需要根据实际使用的模型调整一些参数，下面是一些关代码段解读参数解读。

省流直接跳转至2.3.调整过后的python源码

import requests

url = "https://api.siliconflow.cn/v1/chat/completions"

payload = {
    "model": "Pro/zai-org/GLM-4.7",
    "messages": [
        {
            "role": "user",
            "content": "What opportunities and challenges will the Chinese large model industry face in 2025?"
        }
    ,
    "stream": False,
    "max_tokens": 4096,
    "enable_thinking": False,
    "thinking_budget": 4096,
    "min_p": 0.05,
    "stop": None,
    "temperature": 0.7,
    "top_p": 0.7,
    "top_k": 50,
    "frequency_penalty": 0.5,
    "n": 1,
    "response_format": { "type": "text" },
    "tools": [
        {
            "type": "function",
            "function": {
                "name": "<string>",
                "description": "<string>",
                "parameters": {},
                "strict": False
            }
        }
    1
}
headers = {
    "Authorization": "Bearer <token>",
    "Content-Type": "application/json"
}

response = requests.post(url, json=payload, headers=headers)

print(response.text)

2.2.1.模型调用地址url

url = “https://api.siliconflow.cn/v1/chat/completions”

这个指明了你是调用哪个服务商提供的大语言模型接口，选择的大语言模型api提供商不同，这个地址也不太相同。如果您用的是deepseek官方的api，则这个地址是https://api.deepseek.com

硅基流动的则是：https://api.siliconflow.cn/v1/chat/completions

我们从硅基流动复制的源码已经填写好了调用其下模型需要填写的url，这里我们不用更改。

2.2.2.调用模型参数model

“model”: “Pro/zai-org/GLM-4.7”,

这个参数指明了你要调用硅基流动提供的哪个模型，这个不要填错，我们找到想要的模型后，他的名字旁边有个复制的按钮，点击复制可以把模型名字复制下来并替换model的参数

最后实际为：

“model”: “deepseek-ai/DeepSeek-V3.2”

2.2.3.messages内参数介绍

"messages": [
        {
            "role": "user",
            "content": "What opportunities and challenges will the Chinese large model industry face in 2025?"
        }
    ,

“role”: “user”

表示说话的用户是user，也就是我们，这个保持默认即可

“content”: “What opportunities and challenges will the Chinese large model industry face in 2025?”

表示用户提问的具体内容，为了方便观察，我们可以替换一下其中的内容如下

“content”: “API到底是个啥?请问你能用通俗易懂的讲讲吗？”

2.2.4.模型表现参数

"stream": False,
"max_tokens": 4096,
"enable_thinking": False,
"thinking_budget": 4096,
"min_p": 0.05,
"stop": None,
"temperature": 0.7,
"top_p": 0.7,
"top_k": 50,
"frequency_penalty": 0.5,
"n": 1,
"response_format": { "type": "text" },

stream: False: AI 写完整段话再一次性发给你（像写信）。 True: AI 一边写一边发给你（像打字机实时跳字）。

我们配置成False就好

max_tokens: 限制 AI 回复的最大长度。

token可以简单理解为我们说的字数，实际计算方法可能有出入，但是就入门来说大差不差。 配置成4096就意味着AI最多回复的字数是4096，拿来测试已经够用了，保持默认即可。

enable_thinking: 这是 DeepSeek 等模型特有的，开启后 AI 会展示它的“思考过程”。 False: AI 不开启思考 True: AI 开启思考

这里我们可以改为True，即：

 “enable_thinking”: True, 

thinking_budget： 限制AI思考过程时，“内心”思考花费的token 参数范围是128 <= x <= 32768

我们用默认值即可

temperature (温度):越低 （如 0.1）回复越严谨、固定。 越高（如 0.9）回复越随机、有创意。

这里我们也保持默认

其他参数：

“min_p”: 0.05,

Qwen3独有的，我们用不到，实际代码可以不写这个参数 。

"top_p": 0.7,
"top_k": 50,
"frequency_penalty": 0.5,
"n": 1,

以上参数， 解释起来比较复杂，也可以不用管，实际使用也可以不写出来。

tools: 插件功能。如果你想让 AI 上网查天气或查股价，就在这里定义工具。 这个后面制作ai agent有用，但是现在我们用不到，可以先不写出来

2.2.5.身份验证：headers (请求头)

headers = {
    "Authorization": "Bearer <token>",
    "Content-Type": "application/json"
}

Authorization: 这是你的通行证。 需要换成在硅基流动后台申请的 API Key。没有它，服务器会拒绝服务。 Content-Type: 告诉服务器，我包裹里装的是 JSON 格式的数据，请按 JSON 格式拆箱。

2.2.6.输出回复

response = requests.post(url, json=payload, headers=headers)
print(response.text)

requests.post：这个方法会根据传入的url,json,headers返回回复，返回的格式也是一个json文件 print(response.text)：则是将response内text的具体内容打印出来，这就是AI的回复。

2.3.调整过后的python示例代码

我们对代码进行了重写排布，使其更容易看清楚，且可以直接复制到python的任意IDE跑起来。

请注意：api_key一定要填写之前我们在硅基流动上得到的秘钥key

import requests

# 1. 基础配置
url = "https://api.siliconflow.cn/v1/chat/completions"
api_key = "你的_SILICONFLOW_API_KEY"  # 替换为真实的 sk-xxx

# 2. 构造请求体
payload = {
    "model": "deepseek-ai/DeepSeek-V3.2",  # 修改为 V3.2 的模型 ID
    "messages": [
        {
            "role": "user",
            "content": "API到底是个啥?请问你可以能通俗易懂的讲讲吗？"
        }
    ],
    "stream": False,  # 是否使用流式输出
    "max_tokens": 4096,
    "temperature": 0.7,
    "enable_thinking": True, 
    "thinking_budget": 4096  
}

headers = {
    "Authorization": f"Bearer {api_key}",
    "Content-Type": "application/json"
}

# 3. 发起请求
try:
    response = requests.post(url, json=payload, headers=headers)
    print(response.text)
    
except requests.exceptions.RequestException as e:
    print(f"请求失败: {e}")

2.4.实际调用

请打开任意一个可以编辑python文件的IDE（这里使用Pycharm），并创建一个工程，可以取名为AI_Agent_Learn，并创建deepseek_api_test.py (其实名字都随意)

注意：如果你的python环境特别干净，请在终端执行命令

 pip install requests  

用于安转导入requests库

理论上，我们直接把第三步6小节的代码复制进deepseek_api_test.py，并修改api_key的值并运行即可

可以在工程目录打开终端，输入python deepseek_api_test.py运行程序（IDE自带“运行”按钮，直接运行也可以）

这个过程AI回复需要时间，需要耐心等待~

得到的结果如下：

说明API已经成功调用成功了

---

三、拓展项目：安全性优化（可选，推荐）

实际上我们做项目开发，最好不要在python deepseek_api_test.py暴露自己的key。

想象一个场景，项目写完了能用了，key留在你的源码里，你分享源码给你的同事，或者推送到Github，key就那么明摆摆的暴露出来了，但是python deepseek_api_test.py的api_key总得有个参数，我们提出以下两种方法解决。

3.1.电脑系统创建环境变量解决

这里经提供win11的操作演示，linux系统可参考其他网上教程，原理一致。

win11搜索框搜索编辑系统环境变量，并打开

点击环境变量

找到用户的环境变量，并点击新建

变量名：随意填写，为了可读性，推荐写SILICONFLOW_API_KEY，指明这是来自硅基流动的API密钥 变量值：填写在硅基流动获得的API密钥

填写完毕后，一路点击确定。

记得重启一下您用于编写python程序的IDE

后面将代码优化成以下形式即可：

import os
import requests

# 直接从操作系统环境变量中提取
api_key = os.environ.get("SILICONFLOW_API_KEY")

if not api_key:
    print("错误：请先在系统中配置环境变量 SILICONFLOW_API_KEY")
else:
    # 正常进行 API 调用
    print(f"成功获取 API Key")
    
    # 您的 payload 和请求代码...

核心心是：

api_key = os.environ.get("SILICONFLOW_API_KEY") os.environ.get("SILICONFLOW_API_KEY")这个方法调用了电脑上名SILICONFLOW_API_KEY的参数值，也就是我们之前填好的密钥

这样就能在python deepseek_api_test.py内不暴露api秘钥的情况下运行程序，就可以愉快的将代码分析给好友或推送至Github上了~

3.2.使用env.文件保存密钥(推荐）

实际上，在一般项目开发中，我们一般更常用env.文件来记录保存我们的密钥。以下是具体操作过程。

1.创建.env文件

在您的工程根目录（就是放 deepseek_api_test.py 的地方）新建一个纯文本文件，命名为 .env（注意前面有个点，没有后缀名）。

打开.env文件，输入

# 硅基流动的 API 密钥
SILICONFLOW_API_KEY=你的实际密钥_SILICONFLOW_API_KEY_

2.安装加载库python-dotenv

如果你的python环境特别干净，没有安装过库python-dotenv，请打开终端输入一下指令并回车：

pip install python-dotenv

3.修改代码实现

import os
import requests
from dotenv import load_dotenv #导入python-dotenv相关功能

# 1. 加载 .env 文件中的变量
load_dotenv()

# 2. 基础配置
url = "https://api.siliconflow.cn/v1/chat/completions" 
# 这里的 get 会优先读取 .env 中的配置
api_key = os.environ.get("SILICONFLOW_API_KEY") 

if not api_key: 
    print("错误：未能在 .env 文件或系统中找到 SILICONFLOW_API_KEY") 
else:
    print(f"成功获取 API Key，准备发起请求...") 
    
# 3. 构造请求体
payload = {
    "model": "deepseek-ai/DeepSeek-V3.2",  # 修改为 V3.2 的模型 ID
    "messages": [
        {
            "role": "user",
            "content": "API到底是个啥?请问你可以能通俗易懂的讲讲吗？"
        }
    ],
    "stream": False,  # 是否使用流式输出
    "max_tokens": 4096,
    "temperature": 0.7,
    "enable_thinking": True,
    "thinking_budget": 4096
}

headers = {
    "Authorization": f"Bearer {api_key}",
    "Content-Type": "application/json"
}

# 4. 发起请求
try:
    response = requests.post(url, json=payload, headers=headers)
    print(response.text)

except requests.exceptions.RequestException as e:
    print(f"请求失败: {e}") 

运行代码效果如下

这样以后您可以把您的秘钥写入.env，并且可以创建一个.env.eaxmple模版，填入如下内容

# 硅基流动 API 密钥模板
# 请复制此文件并重命名为 .env，然后填入你真实的 API Key
SILICONFLOW_API_KEY=your_api_key_here

然后当你需要把代码分享给您的同事或者上传至开源仓库时，分享.env.example即可。

切记不要分享.env!!!!!!!!

希望本篇笔记对您有帮助喵~

免责声明

“本文仅为个人学习笔记与技术分享，旨在介绍 LLM API 的调用方法。文中所涉服务商（硅基流动）及优惠政策（如赠送额度）以其官方最新公告为准。作者与文中提及的平台无利益相关。”