1. 為什么你的 DeepSeek API 調(diào)用總是卡在第一步很多人第一次接觸 DeepSeek 的時(shí)候都會(huì)經(jīng)歷一個(gè)相似的路徑先在網(wǎng)頁(yè)版聊幾句覺得推理能力確實(shí)不錯(cuò)然后想把它接進(jìn)自己的 Python 腳本或者 IDE 插件里結(jié)果卡在了 API 配置這一步。不是 Key 申請(qǐng)流程繞就是 Base URL 填錯(cuò)再不然就是跑起來報(bào)一堆看不懂的錯(cuò)。我自己最開始也是這樣。當(dāng)時(shí)想做一個(gè)自動(dòng)整理會(huì)議紀(jì)要的小工具需要模型能穩(wěn)定輸出 JSON試了好幾個(gè)方案最后發(fā)現(xiàn) DeepSeek 的性價(jià)比確實(shí)高但接入過程里有一些細(xì)節(jié)如果不注意就會(huì)反復(fù)踩坑。比如 OpenAI SDK 的版本兼容問題、base_url 到底該填哪個(gè)、model 名稱寫錯(cuò)了會(huì)返回什么錯(cuò)誤這些在官方文檔里雖然有但散落在不同頁(yè)面新手很容易迷路。這篇內(nèi)容聚焦的就是這條完整鏈路從拿到一個(gè)可用的 Key到用 curl 驗(yàn)證連通性再到 Python 里跑通基礎(chǔ)對(duì)話、JSON 結(jié)構(gòu)化輸出最后進(jìn)階到 Agent 工具調(diào)用。每一步我都會(huì)給出可以直接復(fù)制的配置和命令你跟著做就能跑通。適合誰(shuí)看如果你已經(jīng)會(huì)一點(diǎn) Python想用 DeepSeek 做點(diǎn)實(shí)際的東西比如自動(dòng)提取信息、搭建一個(gè)能調(diào)用外部工具的助手或者只是想先把 API 調(diào)通再慢慢研究那這篇就是寫給你的。如果你完全沒寫過代碼也沒關(guān)系基礎(chǔ)部分的 curl 命令你復(fù)制到終端里就能看到結(jié)果先建立信心再往下走。核心檢索詞先明確一下DeepSeek API 接入、Python 調(diào)用 DeepSeek、Agent 工具調(diào)用、JSON 結(jié)構(gòu)化輸出。這幾個(gè)詞會(huì)貫穿全文你遇到問題的時(shí)候也可以直接拿這些詞去搜對(duì)應(yīng)的報(bào)錯(cuò)。在開始之前先說一下整體思路。我會(huì)用一個(gè)統(tǒng)一的 API 入口來管理 Key 和模型調(diào)用這樣你不需要在多個(gè)平臺(tái)之間來回切換也不用擔(dān)心不同模型的 Base URL 不一樣。這個(gè)入口就是 TaoToken它兼容 OpenAI 的 SDK 格式所以你現(xiàn)有的 Python 代碼幾乎不用大改只需要替換 base_url 和 api_key 兩個(gè)地方。接下來的章節(jié)安排是這樣的先講清楚前置準(zhǔn)備包括 Key 怎么拿、Base URL 是什么然后給出可復(fù)制的配置片段包括 curl 和 Python 兩種方式接著驗(yàn)證請(qǐng)求是否成功并解釋返回結(jié)果再集中排查幾個(gè)最常見的報(bào)錯(cuò)最后給出不同場(chǎng)景下的 CTA 分流方便你直接跳到需要的資源。如果你之前已經(jīng)在用 OpenAI 的 SDK那遷移過來大概只需要兩分鐘。如果你是從零開始那正好跟著步驟走一遍以后換其他模型也是同樣的套路。2. TaoToken 前置準(zhǔn)備統(tǒng)一 Key 與 Base URL 的配置邏輯在寫任何代碼之前先把兩個(gè)東西準(zhǔn)備好API Key 和 Base URL。這兩個(gè)是調(diào)用任何大模型 API 的基礎(chǔ)缺一不可。很多人卡住不是因?yàn)榧夹g(shù)難而是因?yàn)椴恢廊ツ睦镎疫@兩個(gè)值或者找到了但填錯(cuò)了位置。先說 Key。TaoToken 的 Key 管理在控制臺(tái)里你登錄之后找到 API Keys 頁(yè)面創(chuàng)建一個(gè)新的 Key。創(chuàng)建的時(shí)候建議起一個(gè)能認(rèn)出來的名字比如 “deepseek-test” 或者 “agent-demo”這樣以后 Key 多了不至于搞混。創(chuàng)建完成后Key 只會(huì)顯示一次復(fù)制下來存到安全的地方。如果你不小心關(guān)了頁(yè)面那就只能重新創(chuàng)建一個(gè)所以這一步別手快。Base URL 是另一個(gè)關(guān)鍵。TaoToken 的 API 地址是https://taotoken.net/api注意后面不要加多余的斜杠也不要自己補(bǔ)/v1之類的路徑。OpenAI 的 SDK 會(huì)自動(dòng)在 base_url 后面拼接/chat/completions這些端點(diǎn)所以你填的 base_url 應(yīng)該是根路徑。這一點(diǎn)和直接調(diào)用某些官方 API 不太一樣填錯(cuò)了就會(huì)返回 404。模型名稱這塊DeepSeek 常用的有兩個(gè)deepseek-chat和deepseek-reasoner。前者是通用對(duì)話模型適合大多數(shù)場(chǎng)景后者是推理模型適合數(shù)學(xué)、邏輯推理這類需要一步步思考的任務(wù)。你在代碼里寫 model 參數(shù)的時(shí)候直接寫這兩個(gè)名字就行不需要加前綴。為了讓你更清楚這幾個(gè)值的關(guān)系我用一個(gè)表格對(duì)照一下配置項(xiàng)值說明Base URLhttps://taotoken.net/api不要加/v1SDK 會(huì)自動(dòng)拼接API Key控制臺(tái)創(chuàng)建后復(fù)制只顯示一次妥善保存Model IDdeepseek-chat或deepseek-reasoner按場(chǎng)景選擇兼容格式OpenAI SDK現(xiàn)有代碼只需改 base_url 和 api_key如果你用的是 Claude Code 或者 Cline 這類工具配置方式會(huì)稍微不同但核心三件套是一樣的Base URL、Key、Model ID。后面我會(huì)在配置章節(jié)里給出具體的 JSON 和 TOML 片段。還有一個(gè)點(diǎn)要注意TaoToken 的 Key 是統(tǒng)一管理的也就是說你同一個(gè) Key 可以調(diào)用不同的模型不需要為每個(gè)模型單獨(dú)申請(qǐng) Key。這在實(shí)際項(xiàng)目里很方便比如你一個(gè)腳本里既用 deepseek-chat 做對(duì)話又用 deepseek-reasoner 做推理只需要在請(qǐng)求里改 model 參數(shù)就行Key 和 Base URL 都不用動(dòng)。準(zhǔn)備好這兩個(gè)值之后就可以進(jìn)入下一步了。如果你還沒有 Key現(xiàn)在可以去控制臺(tái)創(chuàng)建一個(gè)然后回來繼續(xù)。接下來的配置片段你直接復(fù)制把 Key 替換成你自己的就能跑。3. 可復(fù)制配置curl 與 Python 雙驗(yàn)證這一章是整篇的核心操作部分。我會(huì)給出兩種驗(yàn)證方式先用 curl 在終端里快速確認(rèn)連通性再用 Python 跑一個(gè)完整的對(duì)話請(qǐng)求。兩種方式你選一種就行但建議都試一下因?yàn)?curl 能幫你排除 SDK 層面的問題Python 則是你后續(xù)開發(fā)的基礎(chǔ)。3.1 curl 驗(yàn)證最快確認(rèn) Key 和 Base URL 是否正確打開你的終端把下面的命令復(fù)制進(jìn)去記得把YOUR_API_KEY替換成你剛才創(chuàng)建的 Keycurl https://taotoken.net/api/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer YOUR_API_KEY \ -d { model: deepseek-chat, messages: [ {role: user, content: 用一句話解釋什么是注意力機(jī)制} ], temperature: 0.7 }這條命令做了幾件事指定了請(qǐng)求地址、設(shè)置了內(nèi)容類型和認(rèn)證頭、傳入了模型名稱和消息內(nèi)容。如果一切正常你會(huì)看到一個(gè) JSON 格式的返回里面包含choices數(shù)組第一個(gè)元素的message.content就是模型的回答。如果返回的是 401說明 Key 不對(duì)或者沒傳對(duì)如果返回 404大概率是 Base URL 寫錯(cuò)了檢查一下是不是多加了/v1如果返回 400看看 model 名稱是不是寫錯(cuò)了。這些報(bào)錯(cuò)后面會(huì)集中講先跑通再說。curl 的好處是快不需要裝任何依賴終端里直接就能看到結(jié)果。我習(xí)慣在接入新平臺(tái)的時(shí)候先用 curl 跑一遍確認(rèn)網(wǎng)絡(luò)和認(rèn)證沒問題再去寫 Python 代碼。這樣如果后面 Python 報(bào)錯(cuò)就能確定不是 Key 或地址的問題。3.2 Python 基礎(chǔ)對(duì)話用 OpenAI SDK 調(diào)用 DeepSeekPython 這邊你需要先裝 OpenAI 的 SDKpip install openai然后新建一個(gè)deepseek_basic.py文件寫入以下代碼import openai client openai.OpenAI( api_keyYOUR_API_KEY, base_urlhttps://taotoken.net/api ) response client.chat.completions.create( modeldeepseek-chat, messages[ {role: system, content: 你是一位精通 Python 的數(shù)據(jù)科學(xué)家。}, {role: user, content: 請(qǐng)解釋一下 Transformer 架構(gòu)中的注意力機(jī)制并用代碼演示。} ], temperature0.7, max_tokens2048, streamFalse ) print(response.choices[0].message.content)運(yùn)行這個(gè)腳本你應(yīng)該能看到模型返回的解釋和代碼示例。注意幾個(gè)細(xì)節(jié)base_url填的是https://taotoken.net/api不要加/v1api_key替換成你自己的model用的是deepseek-chat。如果你想把結(jié)果流式輸出把stream改成True然后這樣處理stream client.chat.completions.create( modeldeepseek-chat, messages[{role: user, content: 寫一首關(guān)于秋天的短詩(shī)}], streamTrue ) for chunk in stream: if chunk.choices[0].delta.content: print(chunk.choices[0].delta.content, end)流式輸出在交互式應(yīng)用里體驗(yàn)更好用戶不用等整個(gè)回答生成完才看到內(nèi)容。3.3 JSON 結(jié)構(gòu)化輸出讓模型返回可解析的數(shù)據(jù)基礎(chǔ)對(duì)話跑通之后下一步就是讓模型輸出結(jié)構(gòu)化的 JSON。這在做數(shù)據(jù)提取、信息整理的時(shí)候特別有用。DeepSeek 支持 JSON 模式你只需要在請(qǐng)求里加上response_format參數(shù)response client.chat.completions.create( modeldeepseek-chat, messages[ {role: system, content: 你是一個(gè)信息提取助手只輸出 JSON不要包含其他文字。}, {role: user, content: 提取以下文本中的實(shí)體信息張三于2023年入職了百度公司擔(dān)任算法工程師。} ], response_format{type: json_object}, temperature0.1 ) import json result json.loads(response.choices[0].message.content) print(result)返回的結(jié)果會(huì)是一個(gè)可以直接json.loads的字符串里面包含person、company、position、year這些字段。注意temperature設(shè)低一點(diǎn)0.1 左右這樣輸出更穩(wěn)定。如果你用的是 Cline 或者 Claude Code 這類工具配置方式是通過 JSON 或 TOML 文件。以 Cline 的 MCP 配置為例你需要在設(shè)置里填入{ mcpServers: { taotoken-deepseek: { command: npx, args: [-y, modelcontextprotocol/server-openai], env: { OPENAI_API_KEY: YOUR_API_KEY, OPENAI_BASE_URL: https://taotoken.net/api, OPENAI_MODEL: deepseek-chat } } } }這里的三件套就是OPENAI_API_KEY、OPENAI_BASE_URL、OPENAI_MODEL分別對(duì)應(yīng) Key、Base URL 和 Model ID。Claude Code 的配置類似在settings.json里填入對(duì)應(yīng)的字段就行。配置完成后你可以用同樣的 curl 命令驗(yàn)證一下確認(rèn)工具能正常調(diào)用模型。如果報(bào)錯(cuò)先檢查 JSON 格式是不是合法再檢查 Key 和 Base URL 有沒有填錯(cuò)。4. 驗(yàn)證請(qǐng)求與成功結(jié)果從返回體看模型是否真正跑通配置寫完之后怎么確認(rèn)真的跑通了不是看代碼有沒有報(bào)錯(cuò)而是看返回體里有沒有你期望的內(nèi)容。這一章我會(huì)拆解幾個(gè)典型的返回結(jié)果告訴你哪些字段是關(guān)鍵的哪些值說明請(qǐng)求成功了。先看 curl 的返回。當(dāng)你執(zhí)行完那條命令后終端里會(huì)打印出一段 JSON。你重點(diǎn)看這幾個(gè)字段{ id: chatcmpl-xxx, object: chat.completion, created: 1710000000, model: deepseek-chat, choices: [ { index: 0, message: { role: assistant, content: 注意力機(jī)制是一種讓模型在處理序列時(shí)能夠動(dòng)態(tài)關(guān)注不同位置信息的方法... }, finish_reason: stop } ], usage: { prompt_tokens: 15, completion_tokens: 48, total_tokens: 63 } }choices[0].message.content就是模型的回答。如果這個(gè)字段有內(nèi)容說明請(qǐng)求成功了。finish_reason是stop表示正常結(jié)束如果是length說明達(dá)到了 max_tokens 限制回答被截?cái)嗔?。usage里的 token 數(shù)可以幫你估算成本。Python 這邊response.choices[0].message.content拿到的就是同樣的內(nèi)容。你可以直接 print 出來看。如果是流式輸出每個(gè) chunk 里delta.content拼接起來就是完整回答。JSON 模式下的返回稍微不同content字段是一個(gè) JSON 字符串你需要用json.loads解析。解析成功的話你會(huì)得到一個(gè) Python 字典可以直接按 key 取值。如果解析失敗說明模型沒有嚴(yán)格按照 JSON 格式輸出這時(shí)候檢查一下 system prompt 里有沒有強(qiáng)調(diào)“只輸出 JSON”。Agent 工具調(diào)用的返回會(huì)更復(fù)雜一些。當(dāng)你傳入tools參數(shù)后模型可能返回一個(gè)tool_calls數(shù)組里面包含函數(shù)名和參數(shù)。你的程序需要解析這個(gè)數(shù)組執(zhí)行對(duì)應(yīng)的函數(shù)然后把結(jié)果再傳回給模型。這個(gè)過程叫“函數(shù)調(diào)用循環(huán)”后面會(huì)詳細(xì)講。驗(yàn)證的時(shí)候我建議你按這個(gè)順序來先用 curl 確認(rèn)基礎(chǔ)連通性再用 Python 跑一個(gè)簡(jiǎn)單對(duì)話然后試 JSON 輸出最后再上 Agent。每一步都確認(rèn)返回體里有預(yù)期內(nèi)容再進(jìn)入下一步。這樣如果出問題你能快速定位是哪一層的問題。還有一個(gè)細(xì)節(jié)如果你用的是deepseek-reasoner模型返回體里會(huì)多一個(gè)reasoning_content字段里面是模型的思考過程。這個(gè)字段在調(diào)試推理任務(wù)的時(shí)候很有用你可以看到模型是怎么一步步得出結(jié)論的。成功跑通之后你可以把返回結(jié)果保存下來作為后續(xù)對(duì)比的基準(zhǔn)。比如你調(diào)整了 temperature 或者換了 prompt可以對(duì)比返回內(nèi)容的變化判斷參數(shù)調(diào)整是否有效。5. 常見報(bào)錯(cuò)排查401、local proxy failed、reading choices、OAuth這一章集中處理幾個(gè)高頻報(bào)錯(cuò)。這些報(bào)錯(cuò)我在不同項(xiàng)目里都遇到過有的是配置問題有的是環(huán)境問題有的是 SDK 版本問題。每個(gè)報(bào)錯(cuò)我都會(huì)給出具體的錯(cuò)誤信息和排查步驟你對(duì)照著看就行。5.1 401 UnauthorizedKey 沒傳對(duì)或者失效了報(bào)錯(cuò)信息通常長(zhǎng)這樣{ error: { message: Invalid API key, type: invalid_request_error, code: invalid_api_key } }排查步驟第一檢查Authorization頭是不是Bearer YOUR_API_KEY的格式注意 Bearer 后面有個(gè)空格。第二檢查 Key 有沒有復(fù)制完整有沒有多余的空格或換行。第三去控制臺(tái)確認(rèn)這個(gè) Key 還在有效期內(nèi)沒有被刪除或禁用。第四如果你用的是環(huán)境變量確認(rèn)變量名拼寫正確比如OPENAI_API_KEY不要寫成OPENAI_KEY。5.2 local proxy failed網(wǎng)絡(luò)層的問題這個(gè)報(bào)錯(cuò)通常出現(xiàn)在你本地設(shè)置了代理但代理不可用的時(shí)候。錯(cuò)誤信息可能是Error: local proxy failed: connect ECONNREFUSED 127.0.0.1:7890排查步驟檢查你的系統(tǒng)代理設(shè)置看看是不是開了一個(gè)代理但服務(wù)沒啟動(dòng)。如果你不需要代理把環(huán)境變量里的HTTP_PROXY和HTTPS_PROXY清掉。如果你確實(shí)需要代理才能訪問外網(wǎng)確認(rèn)代理服務(wù)正常運(yùn)行端口號(hào)填對(duì)。在 Python 里你可以這樣臨時(shí)禁用代理import os os.environ.pop(HTTP_PROXY, None) os.environ.pop(HTTPS_PROXY, None)5.3 reading choices返回體結(jié)構(gòu)不對(duì)這個(gè)報(bào)錯(cuò)通常是因?yàn)槟阍L問了不存在的字段比如response.choices是 None或者choices數(shù)組為空。錯(cuò)誤信息可能是TypeError: NoneType object is not subscriptable排查步驟先 print 整個(gè) response看看返回體長(zhǎng)什么樣。如果choices是空的檢查 model 名稱是不是寫錯(cuò)了或者請(qǐng)求參數(shù)有沒有問題。如果返回的是錯(cuò)誤信息而不是正常的 completion那choices字段根本不存在你需要先處理錯(cuò)誤。另外如果你用的是流式輸出choices在每個(gè) chunk 里都有但結(jié)構(gòu)略有不同注意區(qū)分。5.4 OAuth 相關(guān)報(bào)錯(cuò)認(rèn)證方式不對(duì)如果你在 Claude Code 或者某些工具里看到 OAuth 相關(guān)的報(bào)錯(cuò)比如Error: OAuth token expired or invalid這通常是因?yàn)楣ぞ吣J(rèn)走了 OAuth 認(rèn)證流程但你配置的是 API Key 方式。排查步驟檢查工具的配置文件確認(rèn)認(rèn)證方式設(shè)置成了 API Key 而不是 OAuth。在 Claude Code 里你需要在settings.json里明確指定apiKey字段而不是依賴 OAuth 登錄。如果你用的是 Cline 的 MCP 配置確認(rèn)env里的OPENAI_API_KEY填的是你的 TaoToken Key而不是其他平臺(tái)的。5.5 其他常見問題模型名稱寫錯(cuò)會(huì)返回 400錯(cuò)誤信息里會(huì)提示model not found。這時(shí)候檢查一下是不是寫成了deepseek或者deepseek-v3這種不存在的名稱。正確的名稱是deepseek-chat和deepseek-reasoner。Base URL 多加了/v1會(huì)返回 404。TaoToken 的地址是https://taotoken.net/apiSDK 會(huì)自動(dòng)拼接/chat/completions所以你不需要手動(dòng)加/v1。請(qǐng)求超時(shí)的話檢查一下網(wǎng)絡(luò)連接或者把 timeout 參數(shù)設(shè)長(zhǎng)一點(diǎn)。Python SDK 默認(rèn)的超時(shí)是 600 秒一般夠用但如果你的網(wǎng)絡(luò)環(huán)境不穩(wěn)定可以顯式設(shè)置client openai.OpenAI( api_keyYOUR_API_KEY, base_urlhttps://taotoken.net/api, timeout30.0 )排查的時(shí)候我習(xí)慣從最簡(jiǎn)單的 curl 命令開始一步步排除。先確認(rèn)網(wǎng)絡(luò)通不通再確認(rèn) Key 對(duì)不對(duì)然后確認(rèn) model 名稱和參數(shù)最后才去看代碼邏輯。這樣能避免在代碼里繞圈子。6. 從基礎(chǔ)到進(jìn)階Agent 工具調(diào)用與長(zhǎng)期編碼方案基礎(chǔ)對(duì)話和 JSON 輸出跑通之后下一步就是 Agent 工具調(diào)用。這是 DeepSeek 比較強(qiáng)的一個(gè)能力也是很多實(shí)際項(xiàng)目里最有價(jià)值的部分。簡(jiǎn)單說Agent 就是讓模型自己決定什么時(shí)候調(diào)用外部函數(shù)你的程序負(fù)責(zé)執(zhí)行然后把結(jié)果返回給模型模型再基于結(jié)果生成最終回答。6.1 Agent 工具調(diào)用的完整流程先定義一個(gè)函數(shù)比如查詢天氣def get_weather(city: str) - str: # 這里模擬一個(gè)天氣查詢實(shí)際項(xiàng)目中替換成真實(shí) API 調(diào)用 weather_data { 北京: 晴25°C, 上海: 多云28°C, 廣州: 小雨30°C } return weather_data.get(city, 未知城市)然后在請(qǐng)求里把這個(gè)函數(shù)描述傳給模型tools [ { type: function, function: { name: get_weather, description: 查詢指定城市的天氣, parameters: { type: object, properties: { city: { type: string, description: 城市名稱比如北京、上海 } }, required: [city] } } } ] response client.chat.completions.create( modeldeepseek-chat, messages[{role: user, content: 北京今天天氣怎么樣}], toolstools, tool_choiceauto )如果模型決定調(diào)用這個(gè)函數(shù)返回的message里會(huì)有一個(gè)tool_calls數(shù)組tool_call response.choices[0].message.tool_calls[0] function_name tool_call.function.name arguments json.loads(tool_call.function.arguments)你根據(jù)function_name執(zhí)行對(duì)應(yīng)的函數(shù)拿到結(jié)果后把結(jié)果作為一條新消息追加到對(duì)話里messages [ {role: user, content: 北京今天天氣怎么樣}, response.choices[0].message, { role: tool, tool_call_id: tool_call.id, content: get_weather(**arguments) } ] final_response client.chat.completions.create( modeldeepseek-chat, messagesmessages, toolstools ) print(final_response.choices[0].message.content)這樣模型就會(huì)基于天氣數(shù)據(jù)生成最終回答比如“北京今天晴天氣溫 25°C適合外出”。6.2 長(zhǎng)期編碼與 Agent 場(chǎng)景的 CTA 分流如果你打算把 DeepSeek 用在長(zhǎng)期的編碼項(xiàng)目或者 Agent 工作流里建議直接上 Coding Plan。它比按量付費(fèi)更適合高頻調(diào)用而且有專門的額度管理。你可以通過這個(gè)鏈接了解詳情https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite如果你只是想先驗(yàn)證模型效果或者做幾個(gè)小實(shí)驗(yàn)?zāi)怯媚Ｐ蛯?duì)話頁(yè)面就夠了https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite如果你在接入過程中遇到報(bào)錯(cuò)需要查文檔或者管理 Key這兩個(gè)入口更直接API Keys 頁(yè)面 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 和接入文檔 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite6.3 一個(gè)實(shí)際踩過的坑我之前做一個(gè)自動(dòng)整理會(huì)議紀(jì)要的工具需要模型從一段對(duì)話里提取待辦事項(xiàng)輸出 JSON 格式。一開始用deepseek-chattemperature 設(shè)了 0.7結(jié)果輸出的 JSON 偶爾會(huì)多出一些解釋性文字導(dǎo)致json.loads失敗。后來把 temperature 降到 0.1并且在 system prompt 里明確寫了“只輸出 JSON不要包含任何其他文字”問題就解決了。另一個(gè)坑是 Agent 調(diào)用的時(shí)候如果函數(shù)參數(shù)比較復(fù)雜模型有時(shí)候會(huì)生成不合法的 JSON。這時(shí)候可以在parameters里把每個(gè)字段的類型和描述寫清楚減少歧義。如果還是不穩(wěn)定可以在 system prompt 里加一句“調(diào)用函數(shù)時(shí)參數(shù)必須是合法的 JSON 格式”。還有一個(gè)實(shí)用技巧在長(zhǎng)對(duì)話里如果發(fā)現(xiàn)模型開始“忘記”之前的指令可以在每幾輪之后重新貼一下關(guān)鍵的系統(tǒng)提示。雖然 DeepSeek 的上下文很長(zhǎng)但注意力在中間位置確實(shí)會(huì)衰減主動(dòng)提醒一下能提高穩(wěn)定性。最后如果你想把 DeepSeek 接入 Claude Code 或者 Cline 這類工具記得配置三件套Base URL 填https://taotoken.net/apiKey 填你的 TaoToken KeyModel ID 填deepseek-chat或deepseek-reasoner。Claude Code 的配置在settings.json里Cline 的 MCP 配置在設(shè)置頁(yè)面的 JSON 編輯器里。配置完成后用 curl 命令驗(yàn)證一下確認(rèn)工具能正常調(diào)用模型再開始用。整個(gè)鏈路跑通之后你會(huì)發(fā)現(xiàn) DeepSeek 的接入并不復(fù)雜關(guān)鍵是把 Base URL、Key、Model ID 這三個(gè)值填對(duì)然后用 curl 和 Python 分別驗(yàn)證一遍。遇到報(bào)錯(cuò)的時(shí)候?qū)φ盏?5 章的排查步驟基本都能解決。