01 它是干嘛的
DeepSeek 开放平台把模型能力包装成一个标准接口：软件发一段文字进去，拿一段文字回来。它最大的吸引力是价格——在能力接近的前提下，调用成本明显低于同期许多国际同类模型，这让小额预算的团队也能把 AI 功能做进产品。
02 为什么会有它
想给产品加个 AI，最大的拦路虎往往是账单
很多小团队不是不想用 AI，而是算完账就退缩了。产品的用户量一大，每天成千上万次调用，按 token 走的价格很容易把利润吃光。于是出现了尴尬局面：功能做出来了，却不敢放开用。
另一层顾虑是技术门槛与绑定风险。接口各家一套，接了这家以后再换一家，往往要改代码、重测，成本不低。对小团队来说，选错一家可能要付出很大代价。
DeepSeek 开放平台的切入点是「便宜且省心」：接口设计尽量贴近业界通行的写法，用过其他家接口的人几乎不用重新学；价格又压得很低，让「把 AI 做进产品」从「大公司预算」变成「小团队也玩得起」。它等于把 AI 从奢侈品拉回了日常工具的价格区间。
03 它怎么工作
你的程序带着密钥把请求发到平台，平台完成鉴权、计算资源调度与模型推理，再把答案（通常可流式返回）送回。整个过程被抽象成一个标准网络接口，换语言也能照搬套路。
一次 API 调用从你的程序到拿回答案的全过程
- 1① 携带密钥发起请求
程序在请求头里带上密钥，把「问什么」「用哪个模型」一起发到指定地址，密钥决定身份与计费。
- 2② 平台鉴权与配额检查
服务器验证密钥有效性、余额与调用频率是否在允许范围内，通过后才继续处理。
- 3③ 组装上下文并调度推理
把你的问题、历史对话、系统指令拼成模型能读的格式，交给算力集群上对应的模型处理。
- 4④ 流式或整段返回结果
可以等回答完整返回，也可以一段段接收；流式让用户感觉像有人在实时打字。
- 5⑤ 计量与日志
本次用掉的输入输出 token 数与耗时被记录，用于计费和排查，你也能据此优化成本。
04 谁在用它
把用户提问交给模型生成回复，人工只处理疑难问题，省下大量人力。
每天成千上万条评论、工单、邮件，用模型自动分类、打标签、抽取关键信息。
把模型接进写作、翻译、摘要类产品，作为核心能力对外提供。
拍照搜题后的讲解、作文批改、口语陪练等场景，对成本敏感又需要一定推理能力。
独立开发者预算有限，低价格让它成为做原型与小产品的现实选择。
05 怎么用
需要一点编程基础，接口设计兼容业界通行写法，用过其他大模型 API 的人基本能直接上手。
- 01在开放平台注册账号并创建 API Key，密钥务必保存在服务端，不要写进前端代码。
- 02按官方文档安装对应的 SDK，或直接用任意语言发一次 HTTP 请求。
- 03写一段最小代码：指定模型、传入一条消息，打印返回结果。
- 04把系统指令说清楚，用它规定模型的角色、口吻和不能做的事。
- 05打开流式输出，让长回答边生成边显示，提升用户体感。
- 06加上超时、重试与用量监控，再逐步接入正式业务。
from openai import OpenAI
client = OpenAI(
api_key="你的密钥",
base_url="https://api.deepseek.com"
)
resp = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "system", "content": "你是一个说话简洁、爱举生活例子的助手。"},
{"role": "user", "content": "用一句话解释什么是 API。"}
]
)
print(resp.choices[0].message.content)避坑提示
- !密钥只能放在服务端；一旦进到浏览器，等于把账户余额公开给所有人。
- !把输入和输出的 token 都算进成本，长文档类应用的输出往往比输入更贵。
- !上线前设好调用上限与告警，避免代码死循环或被人刷接口导致账单失控。
06 关键概念
- API
- 程序之间约定好的「接口」，一方按格式发请求，另一方按格式回答案。
- API Key
- 代表你身份的密钥，服务器靠它认人、算账，泄露等于账户被盗用。
- Token
- 模型处理文字的最小单位，约等于一个词或半个汉字，调用按数量计费。
- 兼容接口
- 调用格式与主流写法一致，换到别家或从别家迁来，代码改动很小。