Node.js 调用 DeepSeek API 完整指南
简介
本文将介绍如何使用 Node.js 调用 DeepSeek API,实现流式对话并保存对话记录。Node.js 版本使用现代异步编程方式实现,支持流式处理和错误处理。
1. 环境准备
1.1 系统要求
- Node.js 14.0 或更高版本
- npm 包管理器
1.2 项目结构
deepseek-project/
├── main.js # 主程序
├── package.json # 项目配置文件
└── conversation.txt # 对话记录文件
1.3 安装依赖
在项目目录下打开命令行,执行:
# 安装项目依赖
npm install# 如果出现权限问题,可以尝试:
sudo npm install # Linux/Mac
# 或
npm install --force # Windows
此命令会安装 package.json 中定义的所有依赖项:
- axios: 用于发送 HTTP 请求
- moment: 用于时间格式化
如果安装过程中遇到网络问题,可以尝试使用国内镜像:
# 设置淘宝镜像
npm config set registry https://registry.npmmirror.com# 然后重新安装
npm install
1.4 运行程序
安装完依赖后,使用以下命令启动程序:
# 使用 npm 启动
npm start# 或者直接使用 node
node main.js
如果遇到权限问题:
# Linux/Mac
sudo npm start# Windows (以管理员身份运行命令提示符)
npm start
2. 完整代码实现
2.1 package.json
{"name": "deepseek-chat","version": "1.0.0","description": "DeepSeek API chat implementation in Node.js","main": "main.js","scripts": {"start": "node main.js"},"dependencies": {"axios": "^1.6.2","moment": "^2.29.4"}
}
2.2 main.js
const fs = require('fs').promises;
const readline = require('readline');
const axios = require('axios');
const moment = require('moment');class DeepSeekChat {constructor() {this.url = 'https://api.siliconflow.cn/v1/chat/completions';this.apiKey = 'YOUR_API_KEY'; // 替换为你的 API Keythis.logFile = 'conversation.txt';}async saveToFile(content, isQuestion = false) {const timestamp = moment().format('YYYY-MM-DD HH:mm:ss');const text = isQuestion? `
[${timestamp}] Question:
${content}[${timestamp}] Answer:
`: content;await fs.appendFile(this.logFile, text);}async chat() {// 创建命令行接口const rl = readline.createInterface({input: process.stdin,output: process.stdout});// 使用 Promise 封装问题输入const question = (prompt) => new Promise((resolve) => rl.question(prompt, resolve));try {while (true) {const userInput = await question('
请输入您的问题 (输入 q 退出): ');if (userInput.trim().toLowerCase() === 'q') {console.log('程序已退出');break;}// 保存问题await this.saveToFile(userInput, true);// 准备请求数据const data = {model: 'deepseek-ai/DeepSeek-V3',messages: [{role: 'user',content: userInput}],stream: true,max_tokens: 2048,temperature: 0.7,top_p: 0.7,top_k: 50,frequency_penalty: 0.5,n: 1,response_format: {type: 'text'}};try {// 发送流式请求const response = await axios({method: 'post',url: this.url,data: data,headers: {'Content-Type': 'application/json','Authorization': `Bearer ${this.apiKey}`},responseType: 'stream'});// 处理流式响应response.data.on('data', async (chunk) => {const lines = chunk.toString().split('
');for (const line of lines) {if (line.trim() === '') continue;if (line.trim() === 'data: [DONE]') continue;if (line.startsWith('data: ')) {try {const json = JSON.parse(line.slice(6));if (json.choices[0].delta.content) {const content = json.choices[0].delta.content;process.stdout.write(content);await this.saveToFile(content);}} catch (e) {continue;}}}});// 等待响应完成await new Promise((resolve) => {response.data.on('end', async () => {console.log('
----------------------------------------');await this.saveToFile('
----------------------------------------
');resolve();});});} catch (error) {const errorMsg = `请求错误: ${error.message}
`;console.error(errorMsg);await this.saveToFile(errorMsg);}}} finally {rl.close();}}
}// 运行程序
async function main() {const chatbot = new DeepSeekChat();await chatbot.chat();
}main().catch(console.error);
3. 代码详解
3.1 类结构
DeepSeekChat: 主类,封装所有功能constructor: 构造函数,初始化配置saveToFile: 异步保存对话记录chat: 主对话循环
3.2 关键功能
文件操作
async saveToFile(content, isQuestion = false) {const timestamp = moment().format('YYYY-MM-DD HH:mm:ss');const text = isQuestion? `
[${timestamp}] Question:
${content}[${timestamp}] Answer:
`: content;await fs.appendFile(this.logFile, text);
}
流式处理
response.data.on('data', async (chunk) => {const lines = chunk.toString().split('
');for (const line of lines) {if (line.startsWith('data: ')) {const json = JSON.parse(line.slice(6));if (json.choices[0].delta.content) {const content = json.choices[0].delta.content;process.stdout.write(content);await this.saveToFile(content);}}}
});
3.3 参数说明
model: 使用的模型名称stream: 启用流式输出max_tokens: 最大输出长度 (2048)temperature: 控制随机性 (0.7)top_p,top_k: 采样参数frequency_penalty: 重复惩罚系数
4. 错误处理
代码包含完整的错误处理机制:
- 网络请求错误处理
- JSON 解析错误处理
- 文件操作错误处理
- 优雅退出处理
5. 使用方法
5.1 安装依赖
在项目目录下打开命令行,执行:
# 安装项目依赖
npm install# 如果出现权限问题,可以尝试:
sudo npm install # Linux/Mac
# 或
npm install --force # Windows
此命令会安装 package.json 中定义的所有依赖项:
- axios: 用于发送 HTTP 请求
- moment: 用于时间格式化
如果安装过程中遇到网络问题,可以尝试使用国内镜像:
# 设置淘宝镜像
npm config set registry https://registry.npmmirror.com# 然后重新安装
npm install
5.2 修改配置
在 main.js 中替换 YOUR_API_KEY 为你的实际 API Key。
5.3 运行程序
安装完依赖后,使用以下命令启动程序:
# 使用 npm 启动
npm start# 或者直接使用 node
node main.js
如果遇到权限问题:
# Linux/Mac
sudo npm start# Windows (以管理员身份运行命令提示符)
npm start
5.4 交互方式
- 输入问题进行对话
- 输入 ‘q’ 退出程序
- 查看 conversation.txt 获取对话记录
6. 性能优化建议
-
内存管理
- 使用流式处理大数据
- 及时清理事件监听器
- 避免内存泄漏
-
错误处理
- 实现重试机制
- 添加超时处理
- 优雅降级策略
-
并发控制
- 限制并发请求数
- 实现请求队列
- 添加速率限制
总结
Node.js 版本的 DeepSeek API 实现充分利用了异步编程特性,提供了流畅的对话体验和完善的错误处理机制。代码结构清晰,易于维护和扩展。
立即体验
想要体验 DeepSeek 的强大功能?现在就开始吧!
快来体验 DeepSeek:https://cloud.siliconflow.cn/i/vnCCfVaQ
快来体验 DeepSeek:https://cloud.siliconflow.cn/i/vnCCfVaQ
快来体验 DeepSeek:https://cloud.siliconflow.cn/i/vnCCfVaQ
相关文章:
Node.js 调用 DeepSeek API 完整指南
简介 本文将介绍如何使用 Node.js 调用 DeepSeek API,实现流式对话并保存对话记录。Node.js 版本使用现代异步编程方式实现,支持流式处理和错误处理。 1. 环境准备 1.1 系统要求 Node.js 14.0 或更高版本npm 包管理器 1.2 项目结构 deepseek-proje…...
盛铂科技 SMF106 低相位噪声贴片式频率综合器模块
在现代通信和电子设备领域,频率综合器作为关键组件,其性能优劣直接影响系统的整体表现。盛铂科技的 SMF106 低相位噪声贴片式频率综合器,以其卓越的性能和独特设计,成为众多高性能系统的选择。 一、频率覆盖范围广,步进…...
小米 R3G 路由器(Pandavan)实现网络打印机功能
小米 R3G 路由器(Pandavan)实现网络打印机功能 一、前言 家中有多台 PC 设备需要打印服务,但苦于家中的 Epson L380 打印机没有网络打印功能,并且配置 Windows 共享打印机实在是过于繁琐且需要共享机保持唤醒状态过于费电。想到…...
Okay, But Please Don’t Stop Talking
Okay, But Please Don’t Stop Talking 研发背景 现有问题:像ChatGPT的高级语音模式这类先进的语音对语音系统,容易被“我明白”“嗯哼”等在人类对话中常见的插入语打断。这表明现有语音交互系统在处理自然对话中的语音重叠情况时存在不足。 新的尝试&…...
Python的那些事第二十一篇:Python Web开发的“秘密武器”Flask
基于 Flask 框架的 Python Web 开发研究 摘要 在 Web 开发的江湖里,Python 是一位武林高手,而 Flask 则是它手中那把小巧却锋利的匕首。本文以 Flask 框架为核心,深入探讨了它在 Python Web 开发中的应用。通过幽默风趣的笔触,结合实例和表格,分析了 Flask 的特性、优势以…...
欧拉函数杂记
定义 φ ( n ) \varphi (n) φ(n)表示 [ 1 , n ] [1,n] [1,n]中与 n n n互质的数的个数。 性质 φ ( p ) p − 1 , p ∈ P \varphi (p)p-1,\ p\in \mathbb {P} φ(p)p−1, p∈P φ ( n ) n ∏ i 1 m p i − 1 p i \varphi (n)n\prod_{i1}^{m} \frac{p_i-1}{p_i} φ(n)ni1∏…...
基于IOS实现各种倒计时功能
ZJJTimeCountDown 效果图 特点: 1、已封装,支持自定义 2、支持文本各种对齐模式 3、各种效果都可以通过设置 ZJJTimeCountDownLabel 类属性来实现 4、支持背景图片设置 5、分文本显示时间时,支持设置文字大小,来动态设置每个文本…...
Linux(Centos 7.6)命令详解:head
1.命令作用 将每个文件的前10行打印到标准输出(Print the first 10 lines of each FILE to standard output) 2.命令语法 Usage: head [OPTION]... [FILE]... 3.参数详解 OPTION: -c, --bytes[-]K,打印每个文件的前K字节-n, --lines[-],打印前K行而…...
微软 Microsoft Windows Office Professional LTSC 2024 专业增强版
Office 链接:https://pan.xunlei.com/s/VOIyE3ALg0hDvQfj47cLf3MdA1?pwdvzuz#...
【愚公系列】《Python网络爬虫从入门到精通》009-使用match()进行匹配
标题详情作者简介愚公搬代码头衔华为云特约编辑,华为云云享专家,华为开发者专家,华为产品云测专家,CSDN博客专家,CSDN商业化专家,阿里云专家博主,阿里云签约作者,腾讯云优秀博主,腾讯云内容共创官,掘金优秀博主,亚马逊技领云博主,51CTO博客专家等。近期荣誉2022年度…...
Spring Boot 3 集成Xxl-job 3.0.0 单机
下载Xxl-job项目 https://gitee.com/xuxueli0323/xxl-jobhttps://github.com/xuxueli/xxl-job 创建相关数据库 数据库文件再/xxl-job/doc/db/tables_xxl_job.sql直接在数据库中运行SQL文件即可创建相关数据库 配置调度中心 打开项目找到 xxl-job-admin模块找到/xxl-job/xx…...
DeepSeek自动批量写作的AI软件
DeepSeek作为一款专注于数据处理与分析的AI软件,凭借其强大的功能和精准的分析能力,正在帮助企业实现智能化升级。无论是数据分析、市场预测还是内容创作,DeepSeek都能提供高效的解决方案。 无法使用Deepseek批量创作文案的,可在1…...
NLLB 与 ChatGPT 双向优化:探索翻译模型与语言模型在小语种应用的融合策略
作者:来自 vivo 互联网算法团队- Huang Minghui 本文探讨了 NLLB 翻译模型与 ChatGPT 在小语种应用中的双向优化策略。首先介绍了 NLLB-200 的背景、数据、分词器和模型,以及其与 LLM(Large Language Model)的异同和协同关系。接着…...
OpenCV机器学习(4)k-近邻算法(k-Nearest Neighbors, KNN)cv::ml::KNearest类
操作系统:ubuntu22.04 OpenCV版本:OpenCV4.9 IDE:Visual Studio Code 编程语言:C11 算法描述 cv::ml::KNearest 是 OpenCV 机器学习模块中的一部分,它提供了实现 k-近邻算法(k-Nearest Neighbors, KNN)的…...
在nodejs中使用RabbitMQ(三)Routing、Topics、Headers
示例一、Routing exchange类型direct,根据消息的routekey将消息直接转发到指定队列。producer.ts 生产者主要发送消息,consumer.ts负责接收消息,同时也都可以创建exchange交换机,创建队列,为队列绑定exchangeÿ…...
浏览器扩展实现网址自动替换
作为一个开发爱好者,不能顺畅访问github是很痛苦的,这种状况不知道何时能彻底解决。 目前也有很多方案可以对应这种囧况,我此前知道有一个网站kkgithub,基本上把github的静态内容都搬了过来,我们如果需要访问某个githu…...
《open3d qt 网格泊松采样成点云》
open3d qt 网格泊松采样成点云 效果展示二、流程三、代码效果展示 效果好一点,速度慢一点。 二、流程 创建动作,链接到槽函数,并把动作放置菜单栏 参照前文 三、代码 1、槽函数实现 void on_actionMeshPossionSample_triggered()//泊松采样 void MainWindow::...
从算法到落地:DeepSeek如何突破AI工具的同质化竞争困局
🎁个人主页:我们的五年 🔍系列专栏:Linux网络编程 🌷追光的人,终会万丈光芒 🎉欢迎大家点赞👍评论📝收藏⭐文章 Linux网络编程笔记: https://blog.cs…...
阿里云一键部署DeepSeek-V3、DeepSeek-R1模型
目录 支持的模型列表 模型部署 模型调用 WebUI使用 在线调试 API调用 关于成本 FAQ 点击部署后服务长时间等待 服务部署成功后,调用API返回404 请求太长导致EAS网关超时 部署完成后,如何在EAS的在线调试页面调试 模型部署之后没有“联网搜索…...
python学opencv|读取图像(六十六)使用cv2.minEnclosingCircle函数实现图像轮廓圆形标注
【1】引言 前序学习过程中,已经掌握了使用cv2.boundingRect()函数实现图像轮廓矩形标注,相关文章链接为:python学opencv|读取图像(六十五)使用cv2.boundingRect()函数实现图像轮廓矩形标注-CSDN博客 这篇文章成功在图…...
嵌入式经常用到串口,如何判断串口数据接收完成?
说起通信,首先想到的肯定是串口,日常中232和485的使用比比皆是,数据的发送、接收是串口通信最基础的内容。这篇文章主要讨论串口接收数据的断帧操作。 空闲中断断帧 一些mcu(如:stm32f103)在出厂时就已经在…...
面试真题 | B站C++渲染引擎
一、基础与语法 自我介绍 请简要介绍自己的背景、专业技能和工作经验。实习介绍 详细描述你在实习期间参与的项目、职责和成果。二、智能指针相关问题回答 unique_ptr 是如何实现的?它有哪些特点和优势? unique_ptr 是C++11引入的一种智能指针,用于管理动态分配的内存资源…...
系统不是基于UEFI的win11,硬盘格式MBR,我如何更改为GPT模式添加UEFI启动?
我的系统不是基于UEFI的win11,硬盘格式MBR,我如何更改为GPT模式添加UEFI启动? 相当于你的Windows 11系统从MBR转换为GPT,并添加UEFI启动支持,你需要执行以下步骤: 备份数据 首先,强烈建议你备份…...
Vue2/Vue3分别如何使用computed
computed 是 Vue 中用于定义计算属性的功能,它会根据依赖的数据动态计算并缓存结果。Vue 2 和 Vue 3 中的 computed 使用方式有所不同,以下是详细说明: Vue2中的computed 在 Vue 2 中,computed 是通过选项式 API 实现的ÿ…...
操作系统知识速记:实现线程同步的方式
操作系统知识速记:实现线程同步的方式 在当今的多核和多线程世界里,线程同步是确保数据一致性和提高系统性能的关键。 互斥锁(Mutex) 互斥锁是实现线程安全的基础。它通过确保同一时间只有一个线程能访问共享资源来防止数据竞争。…...
用vue3写一个好看的wiki前端页面
以下是一个使用 Vue 3 Element Plus 实现的 Wiki 风格前端页面示例,包含现代设计、响应式布局和常用功能: <template><div class"wiki-container"><!-- 头部导航 --><el-header class"wiki-header"><d…...
从图像中提取的每行数字作为一张完整的图片,而不是每个数字单独成为一张图片
具体实现思路: 提取行区域:先通过轮廓或空白区域分割出每行数字。确保每行是一个整体:在提取每行时,确保提取区域的宽度包含该行所有的数字(即避免单独分割每个数字)。保存每一行作为一张图片:…...
【Elasticsearch】通过运行时字段在查询阶段动态覆盖索引字段
在 Elasticsearch 中,Override field values at query time是指通过运行时字段(runtime fields)在查询阶段动态覆盖索引字段的值,而无需修改原始索引数据。这种功能特别适用于以下场景: 1. 动态修改字段值:…...
文心一言4月起全面免费,6月底开源新模型:AI竞争进入新阶段?
名人说:莫听穿林打叶声,何妨吟啸且徐行。—— 苏轼 Code_流苏(CSDN)(一个喜欢古诗词和编程的Coder😊) 目录 一、文心一言免费化的背后:AI成本与应用的双重驱动1️⃣成本下降,推动文心一言普及2…...
基于斜坡单元的机器学习模型预测滑坡易发性,考虑条件因素的异质性
1、引用 Chang Z, Catani F, Huang F, et al. Landslide susceptibility prediction using slope unit-based machine learning models considering the heterogeneity of conditioning factors[J]. Journal of Rock Mechanics and Geotechnical Engineering, 2023…...
