admin/aiagent

Fork 0

Files

rjb 6674060f2f 第一次提交

2026-01-19 00:09:36 +08:00

4.7 KiB

Raw Blame History

DeepSeek集成说明

✅ 已完成

已成功集成DeepSeek API，LLM节点现在可以使用DeepSeek模型。

功能特性

1. DeepSeek支持

兼容OpenAI API格式
支持DeepSeek Chat和DeepSeek Coder模型
与OpenAI使用相同的调用接口
支持自定义API地址

2. 配置

独立的API Key配置
独立的Base URL配置
可在节点级别选择提供商

配置方法

1. 设置DeepSeek API Key

在 backend/.env 文件中添加：

DEEPSEEK_API_KEY=your-deepseek-api-key-here
DEEPSEEK_BASE_URL=https://api.deepseek.com

或者使用环境变量：

export DEEPSEEK_API_KEY=your-deepseek-api-key-here
export DEEPSEEK_BASE_URL=https://api.deepseek.com

2. 重启后端服务

docker-compose -f docker-compose.dev.yml restart backend

使用方法

1. 在工作流中添加LLM节点

打开工作流设计器
从节点工具箱拖拽"LLM"节点到画布
配置节点参数

2. 配置LLM节点使用DeepSeek

在节点配置面板中设置：

{
  "provider": "deepseek",
  "prompt": "请处理以下输入：\n{input}",
  "model": "deepseek-chat",
  "temperature": 0.7,
  "max_tokens": 1000
}

参数说明：

provider: 选择 deepseek
prompt: 提示词模板，支持变量替换
model: 模型名称
- deepseek-chat: DeepSeek Chat模型（通用对话）
- deepseek-coder: DeepSeek Coder模型（代码生成）
temperature: 温度参数（0-2），默认0.7
max_tokens: 最大生成token数，可选

3. 支持的模型

DeepSeek Chat

模型名称：deepseek-chat
用途：通用对话、文本生成、分析等
推荐场景：日常对话、内容创作、数据分析

DeepSeek Coder

模型名称：deepseek-coder
用途：代码生成、代码解释、代码优化
推荐场景：代码生成、代码审查、技术问答

示例工作流

示例1：使用DeepSeek进行文本处理

开始 → LLM节点(DeepSeek) → 结束

LLM节点配置：

{
  "provider": "deepseek",
  "prompt": "请将以下文本翻译成英文：{input}",
  "model": "deepseek-chat",
  "temperature": 0.7
}

示例2：使用DeepSeek Coder生成代码

开始 → LLM节点(DeepSeek Coder) → 结束

LLM节点配置：

{
  "provider": "deepseek",
  "prompt": "请用Python编写一个函数，功能是：{input}",
  "model": "deepseek-coder",
  "temperature": 0.3
}

示例3：多提供商工作流

开始 → LLM节点(OpenAI) → LLM节点(DeepSeek) → 结束

可以在同一个工作流中使用不同的提供商，实现：

成本优化（DeepSeek通常更便宜）
结果对比
功能互补

提供商选择建议

选择OpenAI的场景

需要最新的GPT-4模型
需要更强的推理能力
预算充足

选择DeepSeek的场景

需要高性价比
代码生成任务（DeepSeek Coder）
中文场景（DeepSeek对中文支持较好）
需要更快的响应速度

错误处理

如果DeepSeek API调用失败，节点会返回错误信息：

{
  "output": null,
  "status": "failed",
  "error": "DeepSeek API调用失败: 具体错误信息"
}

常见错误：

API Key未配置：DeepSeek API Key未配置，请在环境变量中设置DEEPSEEK_API_KEY
API调用失败：检查网络连接、API Key有效性、余额等
模型不存在：检查模型名称是否正确

注意事项

API费用：DeepSeek通常比OpenAI更便宜，但每次调用仍会产生费用
API限制：注意DeepSeek的速率限制和配额
网络连接：确保服务器可以访问DeepSeek API（https://api.deepseek.com）
模型选择：根据任务类型选择合适的模型
兼容性：DeepSeek兼容OpenAI API格式，但某些高级功能可能不支持

前端配置

在前端工作流编辑器中，LLM节点配置面板现在包含：

提供商选择：下拉菜单选择OpenAI或DeepSeek
模型选择：根据选择的提供商显示对应的模型列表
提示词输入：多行文本输入框
温度调节：滑块控制（0-2）
最大Token数：数字输入框（可选）

测试建议

配置API Key：在.env文件中设置DEEPSEEK_API_KEY
创建测试工作流：添加LLM节点，选择DeepSeek提供商
测试不同模型：分别测试deepseek-chat和deepseek-coder
对比结果：与OpenAI的结果进行对比
检查错误处理：测试API Key错误、网络错误等情况

后续计划

支持更多DeepSeek模型
支持流式输出（Streaming）
添加模型性能对比功能
支持自动选择最优提供商

状态: ✅ 已完成时间: 2024年

4.7 KiB Raw Blame History Unescape Escape