DeepSeek 与 Django 快速集成
本篇文章主要介绍如何在 Django 项目中快速集成 DeepSeek API，通过详细步骤与实操代码，帮助开发者在实际项目中实现智能对话服务。

一、准备工作

在开始集成前，请确保：

已注册并获取了 DeepSeek API Key：DeepSeek 官方网站
已安装 Python 环境和 Django 框架。
（1）安装必要的 Python 库：

pip install django requests

二、创建 Django 项目与应用

（1）创建 Django 项目
在终端中执行：

django-admin startproject deepseek_demo
cd deepseek_demo
python manage.py startapp chat

（2）注册应用
修改项目的 settings.py，将新创建的 chat 应用加入：

# deepseek_demo/settings.py
INSTALLED_APPS = [
# 默认已存在的应用...
'chat',
]

三、实现 DeepSeek API 的调用

（1）创建视图函数
编辑 chat/views.py：

import requests
import json
from django.http import JsonResponse
from django.views.decorators.csrf import csrf_exempt

# 请替换成你的 DeepSeek API Key
API_KEY = "YOUR_DEEPSEEK_API_KEY"
API_URL = "https://api.deepseek.com/v1/chat/completions"

@csrf_exempt
def chat_with_deepseek(request):
if request.method == "POST":
try:
data = json.loads(request.body)
user_message = data.get("message", "")

headers = {
"Authorization": f"Bearer {API_KEY}",
"Content-Type": "application/json"
}

payload = {
"model": "deepseek-chat",
"messages": [{"role": "user", "content": user_message}],
"temperature": 0.7
}

response = requests.post(API_URL, json=payload, headers=headers)

if response.status_code == 200:
reply = response.json()["choices"][0]["message"]["content"]
return JsonResponse({"reply": reply})
else:
return JsonResponse({"error": response.text}, status=response.status_code)

except Exception as e:
return JsonResponse({"error": str(e)}, status=500)

return JsonResponse({"error": "只支持POST请求"}, status=405)



⚠️ 注意：为简化示例使用了 @csrf_exempt，实际生产环境中应注意安全性，建议添加 CSRF 验证或 Token 验证。

（2）配置路由 URL
创建文件：chat/urls.py

from django.urls import path
from .views import chat_with_deepseek

urlpatterns = [
path('chat/', chat_with_deepseek, name='chat'),
]

接下来，在主项目中引入上述路由：

修改 deepseek_demo/urls.py：

from django.contrib import admin
from django.urls import path, include

urlpatterns = [
path('admin/', admin.site.urls),
path('api/', include('chat.urls')),
]

四、启动与测试 Django 服务

（1）启动服务：

python manage.py migrate
python manage.py runserver

服务启动后，会默认运行在：http://127.0.0.1:8000

（2）接口调用测试：
可以通过 Postman 或 Curl 测试接口，例如使用 Curl：

curl -X POST http://127.0.0.1:8000/api/chat/ \
-H "Content-Type: application/json" \
-d '{"message": "请简单介绍一下DeepSeek。"}'

调用成功后将返回类似的 JSON 响应：

{
"reply": "DeepSeek是一个人工智能模型平台，提供包括DeepSeek Chat、Coder等模型，可用于构建智能聊天助手、编程辅助工具等各种AI应用。"
}

Postman调用示例图

五、目录结构总结：

最终的 Django 项目结构如下：

deepseek_demo/
├── chat
│ ├── __init__.py
│ ├── admin.py
│ ├── apps.py
│ ├── migrations
│ ├── models.py
│ ├── tests.py
│ ├── urls.py
│ └── views.py
├── deepseek_demo
│ ├── __init__.py
│ ├── asgi.py
│ ├── settings.py
│ ├── urls.py
│ └── wsgi.py
└── manage.py

六、总结与练习

本教程详细阐述了DeepSeek API与Django框架的高效集成方案，系统性地讲解了API调用方法及服务接口的实现逻辑。通过实践，学员已掌握在Django应用中构建智能对话服务的基础开发能力。

课后实践建议：
1. 开发基础前端交互界面，实现：
- 用户输入文本提交功能
- DeepSeek API对话交互
- 对话历史记录展示组件

2. 优化后端API调用模块：
- 实现统一的异常处理机制
- 集成系统日志记录功能
- 完善错误处理流程

本技术方案为DeepSeek API与Django的深度集成提供了标准化实现路径。建议开发者基于此基础架构，进一步探索以下扩展方向：
- 多场景对话模式实现
- 性能优化方案
- 高级功能扩展开发

该集成方案具有高可用性和易扩展性特点，可快速部署于实际业务场景。