自從 DeepSeek 橫空出世，周圍的小伙伴都在瘋狂嘗試。每天不是在排隊使用服務，就是在找攻略。
如果你也正在為如何上手 DeepSeek 而煩惱，那這篇絕對適合你！
榮姐把自己摸索 DeepSeek 的心得，用最通俗易懂的語言整理出來，讓你看完就能上手，小白也能秒變專家。
1 DeepSeek簡介
DeepSeek（深度求索）是一家專注于通用人工智能（AGI）研究的中國科技公司，成立于2023年，總部在中國杭州。
推出的比較有名的模型是Deepseek V3 和Deep R1。正在全球 AI 領域引發廣泛關注和討論。
核心優勢是：性能卓越，低成本開發，開源策略。
在2025年1月27日同時登頂蘋果中美應用商店免費榜。
2 訪問入口
2.1 DeepSeek 網頁版
網址：
https://chat.deepseek.com/
2.2 DeepSeek App
支持蘋果、安卓手機下載
應用商店搜索：DeepSeek，注意公司是杭州深度求索
2.3 API接口
API接口文檔地址：
https://api-docs.deepseek.com/zh-cn/
2.4 本地化部署工具
Ollama網址：
https://ollama.com/
2.5 多模態開源模型 Janus-Pro
報告地址：
https://github.com/deepseek-ai/Janus/blob/main/janus_pro_tech_report.pdf
開源模型下載地址：
https://github.com/deepseek-ai/Janus
3 詳細教程
3.1 聊天對話
3.1.1 模型的選擇
1、打開官網，默認是下面界面，已勾選深度思考R1和聯網搜索，這時候文件上傳按鈕是灰色的，聯網搜索狀態不支持文件上傳。
2、不勾選聯網思考，這時候用的是深度思考R1模型，支持上傳文件。
3、不勾選深度思考R1和聯網搜索，這時候用的是Deepseek V3模型，支持上傳文件。
4、不勾選深度思考R1，勾選聯網搜索，這時候用的是Deepseek V3模型，不支持上傳文件。
小伙伴們記得根據自己的需求來選擇模型，是否需要聯網搜索，是否需要上傳文件哦！
3.1.2 模型使用
1、對話
大的原則：沒有套路
簡化提問：避免使用復雜的提示詞，直接提出你的問題。DeepSeek更擅長自然對話，過于結構化的提示詞可能會限制其表現。
場景化提問：使用場景化模板，明確你的目標、對象、期望效果和潛在問題。
術語解釋：如果涉及專業術語，盡量用簡單的語言解釋。如果大模型不明白，你可以說我是個小學生，請用小學生能明白的語言解釋（小學生、初中生、高中生等等）
DeepSeek不需要你寫'專業提示詞'，
它需要的是真實場景和具體需求。
送您一個萬能公式：
我要xx，要給xx用，希望達到xx效果，但擔心xx問題...比如下面的提問技巧：
我要做客戶演示，客戶代表明天下午要聽，希望重點展現XX產品的核心功能，最好在演示中表現出我們的專業能力，讓客戶都信服，但又擔心演示過程不夠流暢，顯得我們準備不足……
2、文件分析
可以上傳文件給Deepseek進行分析。
服務器異常，暫時無法截圖對話案例了。本來特別想讓他分析一下Janus-Pro的那篇報告的。
上傳文件時記得關閉聯網搜索。
3.2 API接口調用
DeepSeek R1模型文檔
https://api-docs.deepseek.com/zh-cn/guides/reasoning_model
3.2.1 創建API Key
1、訪問網址：https://platform.deepseek.com/api_keys，創建API Key。
2、輸入API key名稱，隨意起一個即可。
3、點擊創建后會出現API key，記住只出現一次，保存好。
API Key：sk-b55cb01382df4eeca23b68e947a6bad1
3.2.2 使用Python程序調用API Key
如果沒有安裝openai的庫，要先安裝一下。使用 pip install openai 。
代碼中<DeepSeek API Key>記得替換成小伙伴們自己的。
官方示例代碼：
非流式：
from openai import OpenAIclient = OpenAI(api_key='<DeepSeek API Key>', base_url='https://api.deepseek.com')# Round 1messages = [{'role': 'user', 'content': '9.11 and 9.8, which is greater?'}]response = client.chat.completions.create( model='deepseek-reasoner', messages=messages)reasoning_content = response.choices[0].message.reasoning_contentcontent = response.choices[0].message.content# Round 2messages.append({'role': 'assistant', 'content': content})messages.append({'role': 'user', 'content': 'How many Rs are there in the word 'strawberry'?'})response = client.chat.completions.create( model='deepseek-reasoner', messages=messages)# ...流式：
from openai import OpenAIclient = OpenAI(api_key='<DeepSeek API Key>', base_url='https://api.deepseek.com')# Round 1messages = [{'role': 'user', 'content': '9.11 and 9.8, which is greater?'}]response = client.chat.completions.create(model='deepseek-reasoner',messages=messages,stream=True)reasoning_content = ''content = ''for chunk in response:if chunk.choices[0].delta.reasoning_content:reasoning_content += chunk.choices[0].delta.reasoning_contentelse:content += chunk.choices[0].delta.content# Round 2messages.append({'role': 'assistant', 'content': content})messages.append({'role': 'user', 'content': 'How many Rs are there in the word 'strawberry'?'})response = client.chat.completions.create(model='deepseek-reasoner',messages=messages,stream=True)# ...
3.2.3 模型價格
價格參考官網信息：
https://api-docs.deepseek.com/zh-cn/quick_start/pricing
3.3 把DeepSeek接入到VScode
1、打開vscode，點擊左側擴展插件，搜索 Roo code ，點擊安裝。
2、配置參數
3、配置完成后就可以在對話框中進行使用了。下圖是調用R1 API接口編寫貪吃蛇的小游戲。
3.4 使用ollama進行本地部署
3.4.1 命令行部署
1、下載ollama
https://ollama.com/
目前Ollama支持macOS、Linux、Windows，選擇相應的系統，macOS和Windows直接下載，Linux系統需要執行下面命令：
curl -fsSL https://ollama.com/install.sh | sh |
榮姐這次選擇Windows本地下載，直接安裝即可。
2、選擇模型
點擊Models，第一條就是deepseek-r1模型。或者搜索框輸入模型名稱進行搜索。
點擊進去后，查看各個模型，不同模型執行的命令不同。
如7b：ollama run deepseek-r1:7b
3、運行命令
選擇一個最小的模型來玩一下。如果你配置高，可以選擇更大的，畢竟越大效果越好。
4、效果測試
當界面出現success顯示安裝成功。
輸入你是誰，看到deepseek的回答。
5、參數解釋
模型的參數量表示模型中可學習的變量數量，影響模型的學習能力和計算復雜度。DeepSeek R1提供多個版本，參數量越大，模型通常越強大，但也需要更多的計算資源。
比如1.5B代表有15億個參數。
3.4.2 web界面部署
使用python環境進行部署。
1、在終端或命令行工具中運行pip install open-webui進行安裝。
2、安裝完成后，輸入open-webui serve，打開http://localhost:8080/，注冊Admin信息后即可使用。
3.5 多模態開源模型 Janus-Pro
DeepSeek于2025年1月28日發布了多模態開源模型Janus-Pro，這一模型在多模態理解和文本到圖像生成任務上取得了顯著進展，并在多個基準測試中超越了現有的領先模型，如OpenAI的DALL-E 3和Stable Diffusion。
DeepSeek已將Janus-Pro的兩種版本（7B和1.5B）上傳至Hugging Face平臺，向開發者和研究人員免費開放。這一開源舉措將極大地促進多模態AI模型的普及和應用，為開發者社區帶來新的創新機會。
報告中的生圖效果：
4 Deepseek狀態診斷
通過下面網站查詢DeepSeek狀態，如有異常會官方會在此顯示。
如果API異常了，那你通過API方式訪問DeepSeek是解決不了問題的哦。
https://status.deepseek.com/
本地部署隨便玩，不受官方性能限制。有條件的朋友來玩一下吧!
##DeepSeek相關文章##
1、只需三步把DeepSeek R1接入Vscode，Cursor的國產平替終于來了，性能對標OpenAI o1
2、DeepSeek R1大顯神通！2分鐘完成網頁版掃雷游戲
4、曹雪芹看了沉默！DeepSeek黑科技：用紅樓夢詩讖解碼甄嬛傳，刀刀見血
5、國產之光，DeepSeek榮登中美App Store榜首，超越ChatGPT
