DeepSeek 完全使用指南：国产大模型的正确打开方式

为什么选择 DeepSeek？

2024 年底，DeepSeek 以其惊人的性价比和卓越的性能引爆了整个 AI 圈。作为国产大模型的代表，DeepSeek R1 在推理能力上甚至可以与 GPT-4 掰手腕，而成本却只有对方的几十分之一。

如果你还在犹豫要不要用 DeepSeek，或者不知道怎么用才能发挥最大价值，这篇指南就是为你准备的。

DeepSeek 的三种使用方式

方式一：官网直接使用

最简单的方式就是访问 DeepSeek 官网，注册账号后直接在网页端使用。这种方式适合：

• 轻度用户，偶尔需要 AI 辅助
• 不想折腾配置的新手
• 需要快速验证想法的场景

官网地址：https://chat.deepseek.com

优点是零配置、即开即用，缺点是高峰期可能会排队。

方式二：API 调用

对于开发者来说，API 才是正确的打开方式。DeepSeek API 的价格非常有竞争力：

DeepSeek-V3: 输入 ¥1/百万token，输出 ¥2/百万token
DeepSeek-R1: 输入 ¥4/百万token，输出 ¥16/百万token

对比一下 GPT-4o 的价格（输入 $2.5/百万token，输出 $10/百万token），你就会发现这个价格有多香。

API 调用示例：

from openai import OpenAI

client = OpenAI(
    api_key="your-api-key",
    base_url="https://api.deepseek.com"
)

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "你是一个专业的编程助手"},
        {"role": "user", "content": "用 Python 写一个快速排序"}
    ]
)

print(response.choices[0].message.content)

方式三：本地部署

如果你有显卡资源，可以本地部署 DeepSeek 模型。使用 Ollama 或 vLLM 都可以轻松实现：

ollama run deepseek-r1:7b

python -m vllm.entrypoints.openai.api_server \
    --model deepseek-ai/DeepSeek-R1-Distill-Qwen-7B \
    --port 8000

本地部署的好处是数据不出本地，适合处理敏感信息。

DeepSeek R1 的推理能力

DeepSeek R1 是专门为推理任务优化的模型，它会展示"思考过程"，让你看到 AI 是如何一步步推导出答案的。

这种"思维链"模式特别适合：

• 数学证明和计算
• 代码调试和优化
• 复杂逻辑分析
• 学术研究辅助

举个例子，当你让 R1 解一道数学题时，它会先分析题目，然后一步步推导，最后给出答案和验证过程。这种透明度是普通模型不具备的。

提示词技巧

技巧一：明确角色和任务

不要问得太泛，给模型一个明确的身份：

❌ 帮我写个脚本
✅ 你是一个 Python 自动化专家，帮我写一个批量重命名图片的脚本，
   支持按日期排序，输出格式为 20240101_001.jpg

技巧二：使用结构化输出

让 AI 按你想要的格式输出：

请分析以下代码的复杂度，按以下格式输出：
1. 时间复杂度：O(?)
2. 空间复杂度：O(?)
3. 优化建议：...
4. 改进代码：...

技巧三：利用 R1 的推理能力

对于复杂问题，明确要求展示思考过程：

请分析这个 bug 的根本原因，展示你的推理过程：
1. 首先列出可能的原因
2. 逐一排除
3. 给出最终结论和修复方案

实战案例：用 DeepSeek 写爬虫

假设你要爬取一个电商网站的商品信息，可以这样做：

import requests
from bs4 import BeautifulSoup

def scrape_products(url):
    """DeepSeek 生成的爬虫示例"""
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'
    }
    
    response = requests.get(url, headers=headers)
    soup = BeautifulSoup(response.text, 'html.parser')
    
    products = []
    for item in soup.select('.product-item'):
        products.append({
            'name': item.select_one('.name').text.strip(),
            'price': item.select_one('.price').text.strip(),
            'rating': item.select_one('.rating').text.strip() if item.select_one('.rating') else 'N/A'
        })
    
    return products

data = scrape_products('https://example.com/products')
print(f"获取到 {len(data)} 个商品")

这只是一个基础示例，DeepSeek 可以帮你处理更复杂的场景，比如反爬虫、代理池、异步请求等。

成本对比：DeepSeek vs 其他模型

为了让你更直观地了解 DeepSeek 的性价比，这里做一个简单的对比：

模型	输入价格	输出价格	推理能力
DeepSeek-V3	¥1/M	¥2/M	★★★☆☆
DeepSeek-R1	¥4/M	¥16/M	★★★★★
GPT-4o	¥18/M	¥72/M	★★★★☆
Claude 3.5 Sonnet	¥21/M	¥105/M	★★★★★

按月使用 100 万 token 计算，DeepSeek-V3 的成本不到 GPT-4o 的十分之一。

注意事项

使用 DeepSeek 时有几个注意点：

1. 高峰期可能响应慢：DeepSeek 太火了，晚上高峰期可能需要排队 2. API 限流：新账号有速率限制，需要逐步提升额度 3. 输出长度：R1 的推理过程可能很长，要预留足够的 token 4. 中文优化：DeepSeek 对中文的理解非常出色，中文场景优先选择

总结

DeepSeek 的出现，让高质量 AI 变得人人可用。无论你是开发者、学生还是普通用户，都能从中找到适合自己的使用方式。

推荐配置：日常对话用 DeepSeek-V3，需要深度推理时切换到 R1，重要数据本地部署。

AI 工具只是辅助，关键还是你如何用它来提升效率。希望这篇指南能帮你更好地驾驭 DeepSeek，让 AI 真正成为你的生产力倍增器。

---

你在使用 DeepSeek 时有什么心得？欢迎在评论区分享你的经验！

本文链接：https://www.kkkliao.cn/?id=658 转载需授权！