DeepSeek API 生产清单

端点配置和基础 URL

将你的客户端指向正确的基础 URL 是第一步。我们使用标准的 OpenAI 兼容结构，这意味着你现有的 SDK 无需大量重构即可工作。设置 base_url 到 https://api.deepseekunrestricted.com/v1 并在授权头中配置你的 API 密钥。此设置确保所有标准端点，如 /v1/chat/completions 完全按文档所述行为。您无需重写路由逻辑。

• 基础 URL： https://api.deepseekunrestricted.com/v1
• Auth 标头： Authorization: Bearer YOUR_API_KEY
• 模型 ID： uncensored

此配置允许您在将来扩展时在不同的模型之间切换，但就目前而言，请坚持使用单个 uncensored 模型。该端点专为文本输入、文本输出操作而设计。它支持温度等标准参数和 top_p。将您的配置集中化以避免在多个位置硬编码 URL。这减少了我们在更新 API 版本时的维护开销。

Token 计算与成本估算

成本估算依赖于分别追踪输入和输出 token。定价结构清晰：每 1M 输入 token $0.15，每 1M 输出 token $0.50。错误和拒绝不消耗额度，因此您只为成功处理付费。这种预付费模式确保您的预算得到严格控制。您可以使用加密货币充值，大额充值享有优惠。

• 输入成本：每 1M token $0.15
• 输出成本：0.50 美元每 1M 令牌
• 退款：无，但余额不会过期

始终监控 usage field in the response to track your spend accurately. Implement a local counter to estimate costs before sending large batches. This prevents unexpected depletion of your prepaid balance. Remember that the credit never expires, so you can top up when prices are favorable. Use the bonus tiers to maximize your purchasing power. A $100 top-up gives you 10% extra credit, which effectively lowers your per-token rate.

高效处理流式响应

流式响应通过增量交付内容来改善用户体验。我们支持服务器发送事件（SSE）进行实时令牌交付。每个数据块包含部分文本和元数据。解析这些数据块以平滑更新你的 UI。最后一个数据块包含请求的总令牌使用情况。

• 通过将 stream: true
• 解析 SSE 格式以获取部分更新
• 从最后一个块提取使用数据

优雅地处理潜在的网络中断。如有必要，重试失败的块。确保您的解析器忽略非数据事件。这种方法降低了长输出的感知延迟。它还允许用户看到模型生成文本的进度。实现一个缓冲区来聚合 token 后再渲染。这防止了动态界面中的闪烁。收到最后一个块后，始终关闭流连接以释放资源。

管理速率限制与并发

速率限制旨在确保所有用户的稳定性能。每个 API 密钥限制为每分钟 300 次请求。您可以同时拥有最多八个并发请求。超出这些限制将导致 429 错误。实现指数退避以有效处理重试。

• 限制：每分钟每个密钥 300 次请求
• 并发：8 个同时请求
• 主体大小：最大 8 MB

监控您的请求队列以避免达到并发上限。使用信号量或线程池来管理并行请求。记录速率限制错误以识别模式。如果您需要更高的吞吐量，请考虑生成额外的密钥，尽管每个账户仅限一个活动密钥。战略性地轮换密钥以分配负载。这确保关键任务不会被后台作业阻塞。

错误处理和重试逻辑

强大的错误处理可防止您的应用程序在 API 调用期间崩溃。我们返回标准的 HTTP 状态码以指示成功或失败。4xx 错误通常表示客户端问题，例如密钥无效或请求格式错误。5xx 错误表示服务器端问题，可能会自行解决。

• 4xx：客户端错误（检查您的请求）
• 5xx：服务器错误（使用退避重试）
• 429：超出速率限制（等待并重试）

实现带有指数退避的重试机制以处理瞬态错误。除非与速率限制有关，否则不要重试 4xx 错误。记录错误详细信息以供调试。在日志中包含请求 ID 以帮助支持团队。这有助于快速诊断问题。始终将网络超时与 HTTP 错误分开处理。如果未处理任何令牌，失败的请求不应消耗您的令牌余额。

用于结构化数据输出的 JSON 模式

JSON 模式可确保模型返回有效的 JSON 结构。这对于集成期望结构化数据的其他系统至关重要。设置 response_format 参数到 {"type": "json_object"}. 这强制模型遵循 JSON 语法规则。

• 设置 response_format 到 json_object
• 使用 JSON 解析器验证输出
• 优雅地处理模式违规

虽然 JSON 模式提高了稳定性，但不能保证符合模式。始终根据您的预期模式验证输出。如果输出无效，请使用更严格的提示重试请求。这减少了后处理的需求。将此功能用于数据提取或配置生成等任务。它确保您的下游系统接收可预测的输入。彻底测试您的 JSON 解析逻辑以处理边缘情况。

函数调用与工具使用

函数调用允许模型根据用户输入执行特定操作。在 tools 参数。模型将返回函数调用对象而非纯文本。您的应用随后执行该函数并将结果返回给模型。

• 在 tools 数组
• 解析函数调用响应
• 返回结果以继续对话

这启发了复杂的工作流程，如数据库查询或网络搜索。确保您的函数定义清晰且文档齐全。模型依赖这些定义来选择正确的工具。处理模型调用未定义函数的情况。这可以防止执行逻辑中的错误。使用函数调用来扩展 LLM 的功能。它弥合了语言生成与动作执行之间的差距。

上下文窗口管理

上下文窗口决定了模型一次能处理多少文本。我们的 API 支持 100,000 token 的上下文窗口。这包括提示词和补全部分。请注意每个请求的最大输出限制为 16,000 token。如果超出此限制，模型将截断响应。

• 上下文窗口：100,000 个 token
• 最大输出：16,000 个 token
• 默认最大输出：2,048 个令牌

对于长文档，实现滑动窗口或摘要策略。这将把上下文保持在限制范围内，同时保留关键信息。监控提示中的分词计数以避免溢出。截断可能导致不完整的响应。使用 max_tokens 用于控制输出长度的参数。这有助于管理成本和响应时间。请仔细规划您的 token 预算，以确保模型推理有足够空间。

安全和密钥轮换

当将 API 暴露给生产系统时，安全至关重要。使用环境变量存储你的 API 密钥。避免将其硬编码在源代码中。定期轮换密钥以最小化暴露风险。我们通过仪表板支持密钥轮换。

• 将密钥存储在环境变量中
• 定期轮换密钥
• 监控用量以发现异常

实施日志记录以跟踪 API 使用情况并检测异常活动。为高流量请求设置警报。这有助于识别潜在的滥用或攻击。保持 SDK 版本更新以获取安全补丁。对所有 API 通信使用 HTTPS。这确保您的数据在传输过程中加密。定期审计您的 API 使用情况有助于保持安全卫生。