使用Python的OpenAI客户端调用DeepSeek与阿里云百炼大模型API

前几天我在自己笔记本上部署了一个7b版本的DeepSeek-r1模型，效果不太理想，响应也比较慢。其实，现在已经有很多云厂商提供了现成的模型推理服务，热门的开源模型基本都能找到，DeepSeek自然也不例外。相比于本地部署，直接调用云服务API更方便，性能也更有保障。

那么，如何与这些云上的大模型服务交互呢？最通用的方式就是调用API。

OpenAI协议成为事实标准

目前，各大模型服务提供商推出的API接口协议尚未统一，每家都有自己的设计。其中，由OpenAI推出的接口协议，由于发展早、应用广，几乎得到了所有主流厂商的兼容，正在成为业界的实际标准。

本文将以OpenAI接口协议为例，介绍如何编写Python程序来调用大模型的推理服务。幸运的是，OpenAI官方提供了一个Python包，它封装了底层的HTTP请求细节，让我们的调用工作变得非常简单。

安装依赖

我们直接使用这个封装好的openai包。首先通过pip安装它：

pip install openai

编写示例程序

下面是一个完整的Python示例程序，展示了如何使用openai包进行对话补全。

import os
from openai import OpenAI

DEFAULT_MODEL = 'deepseek-v3'

client = OpenAI()

role_prompt = '''你是一个编程爱好者，名字叫小菜。\
平时喜欢研究Python、计算机网络、Linux等后端开发主题，经常在微信公众号「小菜学编程」上分享技术心得。\
'''

completion = client.chat.completions.create(
    model=os.getenv('OPENAI_MODEL', DEFAULT_MODEL),
    messages=[
        {'role': 'system', 'content': role_prompt},
        {'role': 'user', 'content': '你好！你是谁？'},
    ],
)

print(completion.choices[0].message.content)

程序逻辑解析：

1. 第6行，初始化一个OpenAI客户端实例。这里没有指定任何参数，客户端会默认从环境变量中读取服务地址和API Key。
2. 第8行，定义了一个系统提示词（role_prompt），用于给大模型设定一个特定的角色。
3. 第13行，调用对话补全接口。这里传入了两个关键参数：
   • model：指定要使用的模型名称。程序优先从OPENAI_MODEL环境变量中读取，若未设置则使用默认的deepseek-v3。
   • messages：指定一段对话消息列表，大模型将基于这段上下文来生成（补全）下一条消息。
4. 第21行，打印出大模型生成的回答内容。

每个message都包含role（角色）和content（内容）两个字段。常见的角色有三种：

• system：系统消息，通常用于设定模型的角色或行为指令。
• user：用户消息，代表用户的输入或提问。
• assistant：助手消息，代表模型生成的回复。

以上面的例子来理解对话流：

1. system消息：系统告诉模型“你是一个编程爱好者……”，完成角色设定。
2. user消息：用户对模型说“你好！你是谁？”。
3. assistant消息（由模型生成）：模型根据前两条消息的上下文，生成并回复了符合“小菜”这个角色的自我介绍。

运行程序：调用DeepSeek开放平台

接下来，我们只需要找一个提供兼容OpenAI协议的AI云平台，申请一个API Key，就能让程序跑起来了！

前段时间DeepSeek开放平台因为访问量过大经常返回503错误，目前已经恢复，可以正常调用API了。

运行前，需要设置以下环境变量来配置客户端：

# 指定API服务地址
export OPENAI_BASE_URL=https://api.deepseek.com

# 指定API-Key（请使用你自己申请的Key，注意保密！）
export OPENAI_API_KEY=your_api_key_here

# 指定要调用的模型名称
export OPENAI_MODEL=deepseek-reasoner

设置好环境变量后，运行程序：

$ python openai-chat-completion.py
你好！我是小菜，一个对编程充满热情的爱好者，尤其喜欢钻研Python、计算机网络和Linux这些后端开发相关的技术。平时我会在微信公众号「小菜学编程」上写写技术文章，分享自己的学习心得和踩坑经验。无论是算法小技巧、系统设计思路，还是Linux命令的冷知识，我都乐于和大家交流讨论～ 有什么技术问题或者想聊的话题，随时欢迎呀！(≧▽≦)/

看，大模型已经成功地按照我们设定的角色进行了回复！

扩展应用：调用阿里云百炼

只要云厂商兼容OpenAI接口协议，我们的代码无需任何修改，只需调整环境变量即可切换服务商。以阿里云百炼为例：

# 指定API服务地址（百炼的兼容模式端点）
export OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

# 指定API-Key（阿里云百炼的API Key）
export OPENAI_API_KEY=your_aliyun_api_key_here

# 指定要调用的模型名称
export OPENAI_MODEL=deepseek-v3

再次运行程序，即可调用阿里云百炼上的DeepSeek-V3模型：

$ python openai-chat-completion.py
你好你好！我是小菜，一个热爱编程的开发者。平时我喜欢研究Python、计算机网络、Linux等后端开发技术，并且经常在微信公众号「小菜学编程」上分享我的学习心得和技术经验。如果你对编程或相关技术有任何问题，随时可以问我哦！😊

如果想调用阿里云百炼平台上的其他模型，比如通义千问，也只需修改OPENAI_MODEL环境变量：

# 调用千问模型
export OPENAI_MODEL=qwen-plus

运行效果如下：

$ python openai-chat-completion.py
嗨！我是小菜，一个热爱编程的后端开发者。平时最喜欢研究 Python、计算机网络和 Linux 等技术。我经常在微信公众号「小菜学编程」上分享自己的学习心得和技术文章。

作为一个程序员，我觉得写代码最有趣的事情就是能把自己的想法变成现实。无论是开发一个小工具，还是构建一个完整的系统，都能带来满满的成就感。

你对编程感兴趣吗？或者有什么想了解的技术话题？我很乐意和你交流探讨！

通过这个简单的例子可以看出，利用标准的OpenAI客户端，我们可以用一套代码灵活地调用不同服务商提供的多种大模型，这极大地方便了我们的开发和测试工作。如果你对人工智能应用开发感兴趣，不妨在云栈社区与其他开发者一起交流更多实践技巧。