企业网站的缺点建网站方法
目录
1、获取api
2、获取base_url和chat_model
3、配置模型参数
方法一：终端中临时将加入
方法二：创建.env文件
4、 配置client
5、利用deepseek大模型实现简易问答
deepseek-v3是截止博文撰写之日，无论是国内还是国际上发布的大模型中表现十分亮眼的模型，这里以deepseek为例，讲解如何获取api_key、base_url、chat_model。
1、获取api
首先打开deepseek接口的官网:DeepSeek
点右上角“开放平台”
新号一般会送10元的余额，左上方会显示你当前余额按照当前的价格所拥有的tokens数量（tokens可以简单的理解为你输入给大模型的提示词+大模型输出的内容之和所占用的字符数，这个后续博客中会细讲分词原理），这个tokens数量可能会随着模型价格变化而变化，不过deepseek的api价格比较便宜，如图上所展示的送给新人的500万tokens数也够个人使用很久了。
接着，点击左侧的API keys,然后点击创建API key
一般需要给API key命名用来区分不同的API，比如下图命名为“test”
这里需要注意的是，系统生成的API key只有第一次创建时能看到并且复制，此后都无法再次看到，只能看到名字，所以需要大家第一次就将其复制下来，保存到你的文件中，当然如果忘记了也影响不大，重新创建一个就行。
2、获取base_url和chat_model
同样以deepseek为例，点击2.1.1页面左下角的接口文档，或者直接进入DeepSeek API文档
进入文档后，在“快速开始”的“首次调用API”中，可以找到base_url和chat_model，如下：
base_url = https://api.deepseek.com/v1
chat_model='deepseek-chat'
其他平台与deepseek的获取方式差不多
3、配置模型参数
base_url和chat_model直接定义即可，但api key是关乎着模型是否能够使用的，所以尽量不要把其暴露在模型定理里面，而是把他添加到环境变量里，这里介绍两种方法添加环境变量。
方法一：终端中临时将加入
在终端中临时将token加入变量，此时该环境变量只在当前终端内有效 ！！！所以该种方法需要我们在该终端中运行我们的py脚本。
export api_key="填入你的api token"若是想永久加入环境变量，可以对 ~/.bashrc 文件中添加以下内容并保存。
export api_key="填入你的api token"此时在代码中获取api 只需要在Python脚本中添加以下代码即可
import os
api_key = os.getenv('api_key')
base_url = "https://api.deepseek.com/v1"
chat_model = "deepseek-chat"方法二：创建.env文件
终端输入命令临时创建也比较麻烦，而且只在当前终端内有效，而创建.env文件存储api_key则不存在这种问题。
首先创建.env文件，然后输入以下内容，记得替换成你的token
api_key="your api_key"同一路径下创建脚本文件，然后在代码中添加以下内容
import os
from dotenv import load_dotenv# 加载.env文件中的环境变量
load_dotenv()# 获取特定的环境变量
api_key = os.getenv('api_key')base_url = "https://api.deepseek.com/v1"
chat_model = "deepseek-chat"
4、 配置client
有了前面的三个参数，我们就可以构造一个client，构造client只需要两个东西：api_key和base_url。
from openai import OpenAI
client = OpenAI(api_key = api_key,base_url = base_url
)5、利用deepseek大模型实现简易问答
我们这里使用第二种方式定义api_key，创建.env文件存储api_key后，在.env同一目录下创建脚本文件，填入以下代码：
import os
from dotenv import load_dotenv
from openai import OpenAI
# 加载环境变量
load_dotenv()
# 从环境变量中读取api_key
api_key = os.getenv('api_key')
base_url = "https://api.deepseek.com/v1"
chat_model = "deepseek-chat"client = OpenAI(api_key = api_key,base_url = base_url
)有了这个client，我们就可以去实现各种能力了。
举个简单例子测试一下模型是否配置成功，配置好api的token后，输入以下代码
import os
from dotenv import load_dotenv
from openai import OpenAI# 加载环境变量
load_dotenv()# 从环境变量中读取api_key
api_key = os.getenv('api_key')
base_url = "https://api.deepseek.com/v1"
chat_model = "deepseek-chat"client = OpenAI(api_key=api_key,base_url=base_url
)try:# 发送一个简单的消息到模型response = client.chat.completions.create(model=chat_model,messages=[{"role": "system", "content": "你是一个乐于助人的AI助手，能够帮助用户解决各种专业问题."},{"role": "user", "content": "你好，介绍下你自己"}])# 打印模型的回复print("Model response:")print(response.choices[0].message.content)
except Exception as e:print(f"An error occurred: {e}")结果如下：
证明配置成功，如果没有回应，检查API key是否配置对了，如果对了可能是平台服务器的原因，等服务器恢复正常就好了