通过阿里云百炼平台调用DeepSeek大模型

需求分析这段代码的核心需求是通过阿里云百炼平台调用DeepSeek大模型并实时展示其思考推理过程。具体需求包括1接入阿里云的模型服务API2支持流式输出以提高响应体验3可视化模型的内部思考链让用户了解AI的推理路径4最终呈现格式规范的完整回答。这适用于需要透明化AI推理过程的教育、调试或演示场景。架构设计设计采用了客户端-服务器架构并包含流式处理机制。客户端基于OpenAI SDK兼容模式构建通过base_url重定向至阿里云API端点。关键设计包括1身份验证层通过环境变量管理API密钥2请求构造层在标准对话参数外通过extra_body启用思考过程3流式处理层实时解析响应数据块区分思考内容与最终回复4展示控制层用状态变量is_answering管理输出阶段添加视觉分隔符提升可读性。代码实现from openai import OpenAI import os #阿里云百炼提供的DeepSeek大模型服务 client OpenAI( # 如果没有配置环境变量请用阿里云百炼API Key替换api_keysk-xxx api_keyos.getenv(DASHSCOPE_API_KEY), base_urlhttps://dashscope.aliyuncs.com/compatible-mode/v1, ) messages [{role: user, content: 你是谁}] completion client.chat.completions.create( modeldeepseek-v3.1, # 您可以按需更换为其它深度思考模型 messagesmessages, extra_body{enable_thinking: True}, streamTrue ) is_answering False # 是否进入回复阶段 print(\n * 20 思考过程 * 20) for chunk in completion: delta chunk.choices[0].delta if hasattr(delta, reasoning_content) and delta.reasoning_content is not None: if not is_answering: print(delta.reasoning_content, end, flushTrue) if hasattr(delta, content) and delta.content: if not is_answering: print(\n * 20 完整回复 * 20) is_answering True print(delta.content, end, flushTrue)代码执行结果C:\Users\xiayu\miniconda3\envs\langgraph\python.exe C:\Users\xiayu\PyCharmMiscProject\AI-Agent-Dev-Practices-Code\第3章代码\3.0-deepseek.py 思考过程 唔用户问了一个非常基础的自我介绍问题。这种问题通常出现在对话刚开始时用户想确认对话对象的身份和功能。需要简洁清晰地说明自己的身份和能提供的帮助同时保持友好亲切的语气。 可以用公司名称和产品定位来建立信任感提到核心功能范围让用户快速了解能获得哪些帮助最后用开放式的邀请结束回复鼓励用户继续互动。不需要过多细节避免让新用户觉得信息过载。 想到了用emoji增加亲和力但要注意保持专业感平衡。直接说明是DeepSeek-V3这样熟悉AI领域的用户能立刻明白技术背景。 完整回复 我是DeepSeek-V3一个由深度求索公司创造的智能助手我可以帮助你解答各种问题、提供建议、进行知识查询甚至陪你聊天无论是学习、工作还是日常生活中的疑问尽管问我吧~✨有什么我可以帮你的吗 Process finished with exit code 0代码解析代码分为初始化、请求构建和响应处理三部分。OpenAI客户端配置了阿里云特定的api_key和base_url。请求时指定deepseek-v3.1模型开启enable_thinking和stream。核心循环逻辑为遍历completion流优先检查delta.reasoning_content并打印标记为“思考过程”当检测到delta.content时切换is_answering状态打印“完整回复”标题后输出最终内容。这种设计确保了思考过程与最终回答的清晰分离和顺序展示。