ChatDeepSeek

这将帮助您开始使用 DeepSeek 聊天模型。有关所有 ChatDeepSeek 功能和配置的详细文档，请访问 API 参考。

概述

集成详情

类	包	本地	可序列化	PY 支持	包下载量	最新包
ChatDeepSeek	@langchain/deepseek	❌（参见 Ollama）	beta	✅

模型功能

请参阅下表标题中的链接，以获取有关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	令牌级流式传输	令牌使用量	Logprobs
✅	✅	✅	❌	❌	❌	✅	✅	✅

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

设置

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

您还可以通过 Together AI 或 Ollama 等提供商访问 DeepSeek API。

凭证

访问 https://deepseek.com/ 注册 DeepSeek 并生成 API 密钥。完成后，设置 DEEPSEEK_API_KEY 环境变量

export DEEPSEEK_API_KEY="your-api-key"

如果您希望获得模型调用的自动追踪，您还可以通过取消注释以下内容来设置您的 LangSmith API 密钥

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

安装

LangChain ChatDeepSeek 集成位于 @langchain/deepseek 包中

提示

请参阅此部分，了解有关安装集成包的一般说明。

npm

npm i @langchain/deepseek @langchain/core

yarn

yarn add @langchain/deepseek @langchain/core

pnpm

pnpm 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完成

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.

链接

我们可以像这样使用提示模板链接我们的模型

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

有关所有 ChatDeepSeek 功能和配置的详细文档，请访问 API 参考：https://api.js.langchain.com/classes/\_langchain_deepseek.ChatDeepSeek.html

相关内容

• 聊天模型概念指南
• 聊天模型操作指南