构建DeepSeek-V3多轮对话机器人及模型参数列表

构建DeepSeek-V3多轮对话机器人及模型参数列表

一、构建DeepSeek v3多轮对话机器人相关函数

1. extract_url_and_text函数
   • 作用：从用户输入文本中提取URL和描述文本。利用正则表达式查找URL，若找到则提取URL并去除原文本中的URL部分得到描述文本；若未找到则返回原文本和None。此函数为未来DeepSeek v3支持多模态功能时处理图片URL输入做准备。
   • 示例代码：

import re  # 导入re模块，用于正则表达式操作

def extract_url_and_text(input_text):
    url_pattern = re.compile(r'(https?://[^\s]+)')  # 编译正则表达式，用于匹配URL
    url_match = url_pattern.search(input_text)  # 在输入文本中搜索URL
    if url_match:  # 如果找到URL
        url = url_match.group(0)  # 获取匹配到的URL
        description = input_text.replace(url, '').strip()  # 从输入文本中移除URL并去除两端的空白字符
        return description, url  # 返回描述文本和URL
    else:  # 如果未找到URL
        return input_text, None  # 返回原输入文本和None

2. create_message函数
   • 作用：将用户输入信息包装成符合要求的message格式。接收消息角色（如user、assistant或system）和消息内容（字符串或包含文本、图片链接的数组）作为参数，返回包含role和content的字典。
   • 示例代码：

def create_message(role, content):
    return {
        "role": role,  # 消息角色，如user、assistant、system
        "content": content  # 消息内容，可以是文本或包含文本、图片链接的数组
    }

3. process_user_input函数
   • 作用：判断用户输入是否包含URL。若包含，根据情况生成带图像链接的消息；若不包含，则生成普通文本消息。
   • 示例代码：

def process_user_input(input_text):
    description, url = extract_url_and_text(input_text)  # 调用extract_url_and_text函数获取描述文本和URL
    if url:  # 如果存在URL
        if not description:  # 如果描述文本为空
            description = "请帮我分析这张图片的内容。"  # 设置默认描述文本
        return create_user_message_with_image(description, url)  # 创建包含文本和图像链接的用户消息
    else:  # 如果不存在URL
        return create_message("user", description)  # 创建普通文本的用户消息

4. create_user_message_with_image函数
   • 作用：当用户输入同时包含文本和图片信息时，将文本和图片URL分别包装成不同的格式，组合成一个符合要求的用户消息message。
   • 示例代码：

def create_user_message_with_image(text, image_url):
    return {
        "role": "user",  # 消息角色为用户
        "content": [
            {"type": "text", "text": text},  # 消息内容中的文本部分
            {"type": "image_url", "image_url": {"url": image_url}}  # 消息内容中的图像链接部分
        ]
    }

5. chat_with_DeepSeek函数
   • 作用：执行对DeepSeek模型的单次调用。接收实例化的OpenAI客户端和消息列表作为参数，使用deepseek-chat模型进行对话，返回模型生成的回复内容。
   • 示例代码：

def chat_with_DeepSeek(client, messages):
    response = client.chat.completions.create(
        model="deepseek-chat",  # 使用deepseek-chat模型
        messages=messages  # 对话消息列表
    )
    return response.choices[0].message.content  # 返回模型生成的回复内容

6. multi_round_chat函数
   • 作用：实现多轮对话的核心逻辑。初始化包含系统消息的消息列表，在循环中不断捕获用户输入，处理后添加到消息列表，调用模型获取回复并展示，再将回复添加到消息列表，当用户输入exit时退出对话。
   • 示例代码：

from IPython.display import display, Markdown  # 从IPython.display模块导入display和Markdown，用于显示Markdown格式文本

def multi_round_chat():
    messages = []  # 初始化消息列表
    system_message = create_message("system", "You are a helpful assistant.")  # 创建系统消息
    messages.append(system_message)  # 将系统消息添加到消息列表
    while True:  # 无限循环，持续进行对话
        user_input = input("User: ")  # 获取用户输入
        user_message = process_user_input(user_input)  # 处理用户输入，生成用户消息
        messages.append(user_message)  # 将用户消息添加到消息列表
        assistant_reply = chat_with_DeepSeek(client, messages)  # 调用模型获取回复
        display(Markdown(f"Assistant: {assistant_reply}"))  # 显示模型的回复
        messages.append(create_message("assistant", assistant_reply))  # 将模型回复添加到消息列表
        if user_input.lower() == 'exit':  # 如果用户输入为exit
            print("对话结束。")  # 打印对话结束信息
            break  # 退出循环

二、DeepSeek v3模型参数列表

参数名	类型	必填/可选	默认值	说明
model	string	必填	无	指定要使用的模型ID，例如deepseek-chat或deepseek-code
store	boolean或null	可选	false	是否存储本次对话的输出，供模型精炼或评估产品使用
metadata	object或null	可选	null	开发者自定义的标签和值，用于过滤仪表盘中的补全结果
frequency_penalty	number或null	可选	0	数值在 -2.0到2.0之间，正值减少重复生成内容的可能性
logit_bias	map	可选	null	调整某些特定tokens出现的可能性，值在 -100到100之间
logprobs	boolean或null	可选	false	是否返回生成的每个token的对数概率
top_logprobs	integer或null	可选	null	指定返回最有可能出现的前几个tokens及其概率，需开启logprobs
max_completion_tokens	integer或null	可选	null	指定模型生成的最大token数，包括可见文本和推理tokens
n	integer或null	可选	1	每个输入生成的对话补全选项数量，值越大，生成的回复越多
presence_penalty	number或null	可选	0	数值在 -2.0到2.0之间，正值鼓励生成新的主题和内容
response_format	object	可选	null	指定生成结果的格式，可以设置为json_schema确保结构化输出，或json_object用于JSON格式
seed	integer或null	可选	null	保持生成的一致性，确保结构化输出，以确保每次生成相同的结果
service_tier	string或null	可选	auto	指定服务延迟等级，适用于付费订阅用户，默认为auto
stop	string / array / null	可选	null	最多指定4个序列，API遇到这些序列时会停止生成进一步的tokens
stream	boolean或null	可选	false	是否启用流式响应，若启用，生成的tokens将逐步返回
stream_options	object或null	可选	null	流式响应的选项，仅当stream为true时设置
temperature	number或null	可选	1	控制生成输出的随机性，值越高生成的文本越随机。建议调整此值或top_p，而不是同时调整
top_p	number或null	可选	1	使用核采样方法，选择最有可能的tokens，总概率达到top_p百分比。建议与temperature二选一
tools	array	可选	null	模型可以调用的工具列表，目前仅支持函数调用
user	string	可选	null	表示最终用户的唯一标识符，用于监控和检测滥用行为

1. 模型和输出相关参数
   • model：必填，指定使用的模型ID，如deepseek-chat或deepseek-code 。决定模型功能，是对话还是编程等任务的关键设定。
   • store：可选，布尔值或null，默认false。控制是否存储对话输出，用于模型训练或评估 。
   • metadata：可选，对象或null，默认null。开发者添加自定义标签，方便在仪表盘中过滤补全结果。
   • max_completion_tokens：可选，整数或null。指定模型生成的最大token数，包括可见文本和推理tokens，控制生成内容长度，影响生成成本。
   • n：可选，整数，默认1。每个输入生成的对话补全选项数量，值越大回复越多，同样影响生成成本。
2. 生成行为控制参数
   • frequency_penalty：可选，数值在 -2.0到2.0之间，默认0。正值减少重复生成内容可能性，影响生成结果的内容重复度。
   • presence_penalty：可选，数值在 -2.0到2.0之间，默认0。正值鼓励生成新主题和内容，与frequency_penalty共同影响生成结果的新颖性。
   • logit_bias：可选，映射类型，默认null。调整特定tokens出现概率，取值在 -100到100之间，是高级控制工具。
   • temperature：可选，数值，默认1。控制生成输出的随机性，值越高文本越随机，建议与top_p选其一调整。
   • top_p：可选，数值，默认1。使用核采样方法，选择总概率达到top_p百分比的最有可能的tokens，与temperature二选一调整随机性。
3. 高级功能参数
   • logprobs：可选，布尔值或null，默认false。是否返回生成的每个token的对数概率，用于更细粒度分析模型输出。
   • top_logprobs：可选，整数或null，默认null。指定返回最有可能出现的前几个tokens及其概率，需开启logprobs 。
   • stream：可选，布尔值或null，默认false。启用后生成的tokens将逐步返回，适用于需要实时展示内容的场景。
   • tools：可选，数组，默认null。模型可调用的工具列表，目前仅支持函数调用，用于扩展模型功能。
4. 服务和用户相关参数
   • service_tier：可选，字符串或null，默认auto。指定服务延迟等级，适用于付费订阅用户，控制服务的延迟和稳定性。
   • user：可选，字符串，默认null。表示最终用户的唯一标识符，用于监控和检测滥用行为。