运行环境：需 Python ≥ 3.7.1，执行启动本地服务，在浏览器中逐段编写运行代码，非常适合新手调试。依赖安装：Claude 平台安装anthropic官方包，DeepSeek 平台安装openai包，Notebook 内统一使用%pip魔法命令安装。密钥管理：禁止将密钥硬编码在代码中，统一存入笔记本同级目录的.env文件，通过读取，从根源避免密钥泄露。调用流程：初始化客户端 → 传入模型名

从最简单的单轮问答，到封装函数、进阶技巧，再到完整的多轮聊天机器人，这就是 DeepSeek API 入门的全部核心内容。新手学习时建议按顺序实操：先跑通单轮问答，再写翻译函数，接着尝试少样本和续写，最后完成聊天机器人，遇到报错直接对照第六部分的表格排查即可。

对比项不带 Token（401）带 Token（200）相当于没带身份证去办事带了身份证去办事服务器反应“你谁啊？不给进！“哦，是你啊，请进！能拿到数据吗❌ 不能✅ 能（自己的信息）生产环境（真实项目）中，几乎所有涉及隐私或修改数据的操作（比如发帖子、改密码、删仓库），都必须带 Token。这个练习就是为了让你亲眼看一眼“不带 Token 被拒绝”和“带 Token 被放行”的区别。

当项目中频繁使用流式调用时，重复编写 chunk 判断、文本拼接的代码会很冗余，可以封装成通用的流处理器类。"""自定义流处理器，封装流式响应全流程处理逻辑"""self.full_content = [] # 缓存完整响应文本"""处理每一段文本：绿色打印 + 存入缓存""""""流式传输结束时的回调处理"""print("\n\n✅ 生成完成！")使用示例messages=[{"role":

大语言模型不是以完整单词 / 汉字为单位处理文本，而是以token（令牌）为最小单位。你可以把 token 理解为"文本碎片"：模型先把输入文本拆成 token，再逐 token 生成输出内容。英文场景：1 个 token ≈ 3.5 个英文字符中文场景：1 个 token ≈ 1~2 个汉字四大核心参数是驾驭大模型 API 的基础，理解它们的原理与适用场景，就能精准控制输出的长度、风格、格式与角

商用大模型厂商普遍会推出多档位产品线，在能力、速度、成本之间形成不同的权衡组合，满足不同复杂度的业务需求。大模型选型本质是一场「能力、速度、成本」的三角权衡，没有一步到位的完美选择。从轻量模型起步快速验证，用真实业务数据做评估，按需逐步升级。希望这篇教程能帮你建立完整的模型选型认知，少走弯路，快速找到最适合你项目的大模型方案。

从最简单的单轮问答，到封装函数、进阶技巧，再到完整的多轮聊天机器人，这就是 DeepSeek API 入门的全部核心内容。新手学习时建议按顺序实操：先跑通单轮问答，再写翻译函数，接着尝试少样本和续写，最后完成聊天机器人，遇到报错直接对照第六部分的表格排查即可。

分支的核心思想：主线代码保持稳定，新功能在分支上开发，开发测试没问题了再合并回主线。用游戏存档来理解：你玩到了第三章（存档三），主线剧情很稳定想试试"加入暗影教团"的支线，但怕搞砸了影响主线于是复制一份存档三，在副本上玩支线支线玩得好，就把成果融入主线；玩崩了，删掉副本就行主线永远不受影响知识点作用说明存放位置Skills技能自定义的斜杠快捷命令.cloud/skills/ 目录skill.md技

所谓Agent（智能体/代理），本质上就是一个数字员工。它由三部分组成：组成部分作用现实类比技能Skills决定这个Agent能做什么事，技能越多能力越强员工掌握的专业技能，比如财务技能、编程技能记忆MemoryAgent知道自己是谁、要干什么、之前发生了什么员工的工作记忆和经验积累模型ModelAgent的大脑，负责思考、决策、推理员工的智商和思维能力这三者缺一不可，组合在一起就形成了一个可以独

最后，用一张完整的学习进阶路线图收尾，帮助你建立从入门到精通的全局认知。阶段核心主题关键知识点Stage 1基础入门LLM原理、Token概念、Context Window、Local LLM、QuantizationStage 2提示与上下文Prompt Engineering、Zero/Few-shot、CoT思维链、Context EngineeringStage 3Agent基础Stage