创见博客
用 LangChain 调用 DeepSeek 模型 API：从环境变量到第一次对话
七崽爱吃小饼干2026/10/13阅读 0专栏 LangChain 开发实战

DeepSeek 的 API 与 OpenAI 接口高度兼容，因此借助 LangChain 的 @langchain/deepseek 包，可以非常简洁地接入。这篇文章带你从零跑通一个最小示例：读取 DeepSeek 的环境变量，然后调用模型完成一次对话。

一、准备工作

先准备一个 Node.js 项目（本文基于 Node 20+），并安装依赖：

bash
mkdir langchain-deepseek-demo && cd langchain-deepseek-demo
npm init -y
npm install langchain @langchain/core @langchain/deepseek

这里安装四个包：

  • langchain：LangChain 主包，提供链、Agent 等高层能力；
  • @langchain/core：核心抽象；
  • @langchain/deepseek：DeepSeek 的聊天模型集成，内部基于 OpenAI 兼容协议实现。

二、配置环境变量

@langchain/deepseek 默认会读取名为 DEEPSEEK_API_KEY 的环境变量。你可以在 DeepSeek 开放平台 申请 API Key，然后：

bash
export DEEPSEEK_API_KEY="sk-你的密钥"

为了避免把密钥写进代码，也建议在项目里放一个 .env.example 作为模板：

bash
DEEPSEEK_API_KEY=sk-your-api-key-here

注意：@langchain/deepseek 的 ChatDeepSeek 已经内置了 https://api.deepseek.com 的 baseURL，正常情况下无需手动配置。

三、编写代码

由于 LangChain 的包是纯 ESM 模块，需要在 package.json 中声明 "type": "module"，然后创建 index.js：

js
import { ChatDeepSeek } from "@langchain/deepseek";

// 1. 读取环境变量
const apiKey = process.env.DEEPSEEK_API_KEY;
if (!apiKey) {
  console.error("未找到环境变量 DEEPSEEK_API_KEY，请先设置");
  process.exit(1);
}
console.log("已读取环境变量 DEEPSEEK_API_KEY:", `${apiKey.slice(0, 6)}...`);

// 2. 初始化 DeepSeek 聊天模型
const model = new ChatDeepSeek({
  model: "deepseek-chat",
  apiKey,
  temperature: 0.7,
});

// 3. 调用 API 并打印结果
const response = await model.invoke("用一句话介绍你自己");
console.log("\n模型回复：");
console.log(response.content);

代码分三步，非常直观：读取环境变量、构造模型实例、发起调用。

四、运行

确保环境变量已设置，然后直接运行：

bash
node index.js

你会看到类似输出：

text
已读取环境变量 DEEPSEEK_API_KEY: sk-e24...

模型回复：
我是 DeepSeek，由深度求索公司创造的 AI 助手，随时为你提供帮助。

至此，你已经成功用 LangChain 调通了 DeepSeek API。

五、进阶用法

流式输出

对话内容较长时，流式输出体验更好：

js
const stream = await model.stream("写一首关于秋天的短诗");
for await (const chunk of stream) {
  process.stdout.write(chunk.content);
}

多轮对话

用消息数组维护上下文：

js
import { HumanMessage, SystemMessage } from "@langchain/core/messages";

const messages = [
  new SystemMessage("你是一个简洁的中文助手。"),
  new HumanMessage("LangChain 是什么？"),
];

const res = await model.invoke(messages);
console.log(res.content);

把历史消息不断追加进数组，就能实现多轮对话。

结构化输出

需要让模型返回固定结构时，可以配合 schema 做结构化输出，方便程序进一步处理。

六、常见问题：版本兼容

一个容易踩的坑是版本冲突。例如 langchain@1.2.12 会强制要求 @langchain/core@1.1.16，而当前 @langchain/deepseek 依赖的新版 @langchain/openai 需要更新的 core，运行时可能报：

text
ERR_PACKAGE_PATH_NOT_EXPORTED: Package subpath './errors' is not defined by "exports"

解决办法是让整个依赖树保持一致的较新版本：

bash
npm install langchain@latest @langchain/core@latest @langchain/openai@latest @langchain/deepseek@latest

另外，@langchain/deepseek 是纯 ESM 包，如果在 CommonJS 项目里用 require 引入会报错，使用 import 或把 package.json 的 type 设为 module 即可。

七、小结

用 LangChain 调用 DeepSeek 的完整流程只有三步：设置 DEEPSEEK_API_KEY 环境变量、new ChatDeepSeek(...) 初始化模型、invoke/stream 发起调用。得益于 DeepSeek 的 OpenAI 兼容接口和 LangChain 的统一抽象，你几乎可以零成本切换不同模型，并继续叠加链、工具、Agent 等更复杂的能力。

评论
0/100