关于最近热度爆炸的DeepSeek是什么我就不多做说明了，接下来直接进入主题--派聪明集成DeepSeek大模型上。

派聪明的响应架构

翻了一下之前的系列教程，发现派聪明的整体设计还没有给大家正式的介绍过，那么就趁着这个机会，把这块补上

三层交互：

• 前端交互层：基于websocket的主站 + 基于http的微信公众号问答方式
• Chat门面层：对上提供统一的交互体验，对下路由选择具体的大模型进行交互
• 大模型服务层：对接大模型，实现具体问答

基于上面的设计架构，当我们需要新集成一个大模型时，重点关注的就是 ChatService的实现，而与用户的交互层则无需改动

DeepSeek集成准备工作

接下来我们看一下如何进行集成DeepSeek，看一下如何在派聪明中新加一个大模型

2.1 账号注册

进入官方开放平台，按照个人实际需要，注册账号 https://platform.deepseek.com/sign_in

注册之后，进入 API Keys，创建一个新的 API key

我们需要拿到的就是 sk-3eeca****

2.2 官方对接文档

接下来我们打开 DeepSeek 开放平台的接入文档，看一下如何接入他们的openApi

2.2.1 鉴权方式：

https://api-docs.deepseek.com/zh-cn/

从示例上可以明确看到，鉴权采用的是 HTTP Basic Auth认证 方式，直接在请求头中携带上面创建的 API key

2.2.2 问答交互：

https://api-docs.deepseek.com/zh-cn/api/create-chat-completion

关键的问答交互，则主要是对话补全接口

关键的请求参数如下

• Messages: 对话内容
  • Role: 角色,用于AI了解它应该如何行为以及谁在发起调用
    • system: 了解它应该如何行为以及谁在发起调用， 如 content = 你现在是一个资深后端java工程师
    • user: 消息/提示来自最终用户或人类
    • assistant: 消息是助手（聊天模型）的响应 --> 即ai的返回结果，在多轮对话中，我们需要将之前的聊天记录传递给机器人，以获取更好的结果
  • Content：具体的内容
• Model： 模型选择，官方当前支持两个：deepseek-chat + deepseek-reasoner（推理模型）
• Stream: true表示流式返回/false表示一次全部返回

2.2.3 多轮对话：

https://api-docs.deepseek.com/zh-cn/guides/multi_round_chat

需要注意的是，现在的大模型开放平台基本上都是无状态的api，不记录用户的问答上下文；可以简单理解为，你的每一次问答，对它而言，都是一次全新的交互

那么问题来了，在我们实际体验的官方聊天机器人中，很明显是有状态的啊，我可以让它修改上次回答的内容，或者按照我得想法，对之前的回答进行扩充，这是怎么做到的呢？

• 再一次新的提问中，将之前的交互内容，同样塞入messages中，传为参数传递过去，即将对话历史拼接好之后给它，从而实现多轮对话

实现方式也比较简单，一个多轮对话的示例如下：

在第一轮请求时，传递给 API 的 messages 为：

[
    {"role": "user", "content": "What's the highest mountain in the world?"}
]

在第二轮请求时：

1. 要将第一轮中模型的输出添加到 messages 末尾
2. 将新的提问添加到 messages 末尾

最终传递给 API 的 messages 为：

[
    {"role": "user", "content": "What's th...