DeepSeek
類型：人工智能
簡(jiǎn)介：一款基于深度學(xué)習(xí)和自然語(yǔ)言處理技術(shù)的產(chǎn)品，人氣趕超ChatGPT。
DeepSeek的/chat/completions API采用 “無(wú)狀態(tài)”設(shè)計(jì)理念。也就說(shuō)明服務(wù)端不會(huì)主動(dòng)記錄用戶請(qǐng)求的上下文信息。因此用戶在每一次發(fā)起請(qǐng)求時(shí)，都需要把之前所有的對(duì)話歷史精心拼接起來(lái)，再傳遞給對(duì)話 API，以此確保模型能夠全面理解整個(gè)對(duì)話的來(lái)龍去脈，進(jìn)而給出精準(zhǔn)恰當(dāng)?shù)幕貜?fù)。
一、Python代碼實(shí)現(xiàn)多輪對(duì)話
接下來(lái)將以Python語(yǔ)言為例，向展示如何進(jìn)行上下文拼接，從而輕松實(shí)現(xiàn)多輪對(duì)話。
pythonfrom openai import OpenAI
# 初始化 OpenAI 客戶端，填入 DeepSeek API Key 并指定 API 基礎(chǔ) URL
client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.deepseek.com")
# 第一輪對(duì)話
# 構(gòu)建初始消息列表，包含用戶的第一個(gè)問(wèn)題
messages = [{"role": "user", "content": "What's the highest mountain in the world?"}]
# 向 API 發(fā)送請(qǐng)求，獲取模型的回復(fù)
response = client.chat.completions.create(
model="deepseek - chat",
messages=messages
)
# 將模型的回復(fù)添加到消息列表中
messages.append(response.choices[0].message)
print(f"Messages Round 1: {messages}")
# 第二輪對(duì)話
# 用戶提出新的問(wèn)題，將其添加到消息列表末尾
messages.append({"role": "user", "content": "What is the second?"})
# 再次向 API 發(fā)送請(qǐng)求，包含之前的對(duì)話歷史和新問(wèn)題
response = client.chat.completions.create(
model="deepseek - chat",
messages=messages
)
# 將本輪模型的回復(fù)添加到消息列表中
messages.append(response.choices[0].message)
print(f"Messages Round 2: {messages}")
二、各輪請(qǐng)求消息解析
下面我們?cè)敿?xì)解析每一輪請(qǐng)求中傳遞給 API 的 messages 內(nèi)容：
1、第一輪請(qǐng)求
在第一輪請(qǐng)求時(shí)，傳遞給 API 的 messages 僅包含用戶提出的第一個(gè)問(wèn)題：
[
{"role": "user", "content": "What's the highest mountain in the world?"}
]
2、第二輪請(qǐng)求
在進(jìn)行第二輪請(qǐng)求時(shí)，需要按照特定步驟更新 messages 列表：
- 把第一輪中模型給出的輸出添加到 messages 列表的末尾，這樣模型就能知曉之前的回復(fù)內(nèi)容；
- 將用戶新提出的問(wèn)題添加到 messages 列表的末尾，讓模型了解最新的提問(wèn)；
- 最終傳遞給 API 的 messages 列表如下：
[
{"role": "user", "content": "What's the highest mountain in the world?"},
{"role": "assistant", "content": "The highest mountain in the world is Mount Everest."},
{"role": "user", "content": "What is the second?"}
]
