本文面向准备接入 DeepSeek API、希望做出类似 App 对话体验的开发者。DeepSeek 开放的扩展能力通常围绕搜索、文件、链接、语音和安全审核展开,但具体模型名、请求字段、开通条件和单价都可能调整。下文只讨论能力类别和设计方法,所有具体参数请以 DeepSeek 开放平台的官方文档和计费页为准,并记录查阅日期。
一、扩展能力通常包括哪些类别
阅读官方文档时,可以按以下五类整理信息:
- 联网搜索:模型是否能根据问题自动检索网页或图片,回答中是否返回来源。需要确认搜索是否只在某种推理模式下可用。
- 深度思考搜索:模型在多步推理过程中是否可以自行搜索和读取页面。这类调用通常耗时更长,成本也更高。
- 文件输入:支持的格式、单文件大小、页数上限,以及服务端是只提取文本,还是同时解析图片和版式。
- 链接阅读:模型能否识别消息中的 URL 并抓取正文,抓取失败时返回什么结果。
- 安全审核:输入和输出是否都经过审核,命中时返回什么标识,是否允许自定义处理方式。
另外,语音相关能力(OCR、语音识别、语音合成)有时以独立接口提供。可以单独调用,也可以组合成语音对话链路。
二、接入时的五层结构
要复刻完整的对话体验,单次模型调用通常不够。可以把系统拆成五层:
- 对话入口层:接收文本、文件、图片或语音。检查格式和大小,拒绝明显超限的请求。
- 能力路由层:根据输入类型和问题内容,决定开启哪些能力。每个能力都应有独立开关,默认关闭。
- 模型调用层:按官方文档设置工具参数,配置超时和重试次数。重试只针对网络错误和限流,内容拒答不重试。
- 结果编排层:把回答、来源链接、文件摘要和语音转写结果合并成统一结构,方便前端展示。
- 安全合规层:记录审核结果,命中风险时返回预设话术。
每一层都应有可检查的项目:鉴权是否生效,工具开关是否可控,超时是否设置,日志是否包含请求 ID,拒答是否走兜底话术。
三、成本怎么拆分
使用扩展能力时,账单通常由两部分组成:模型 Token 费用,以及每次工具调用产生的费用。工具费用常按次数、页数、时长或字符数计量,单价和计量口径都以官方计费页为准。
估算月度成本时,可以套用下面的公式,其中各项单价替换为官方页面的数值:
月度成本 = Token 用量 × Token 单价 + 搜索次数 × 单次搜索价 + 抓取次数 × 单次抓取价 + OCR 页数 × 单页价 + 语音识别时长 × 时长单价 + 语音合成字符数 × 字符单价
估算前,先在网关里记录每类调用的真实次数。没有实际数据时,很难判断哪一项占比最高。
降低成本通常有三个方向:
- 按需开启工具。多数闲聊不需要联网搜索。
- 缓存高频结果,例如热门问题的答案和常见文档的摘要。缓存要设置过期时间,避免过时信息长期保留。
- 控制上下文长度。文件解析后只保留与问题相关的段落,减少无效 Token。
四、三个典型场景
企业知识问答
- 输入形态:制度文档、产品手册、网页资料。
- 调用能力:以文件输入为主,必要时开启联网搜索补充外部信息。
- 输出形态:答案加原文段落来源,便于员工核对。
- 失败兜底:文件解析失败时提示重新上传;资料中找不到依据时明确回答“资料中未找到”,不编造答案。
智能客服
- 输入形态:文字、订单截图、语音。
- 调用能力:OCR 识别截图,语音识别转文字,对话接口生成回复,语音合成播报。
- 输出形态:文字回复,可选语音播报。
- 失败兜底:识别置信度低时请用户补充信息;涉及退款和投诉的问题转人工处理。
内容研究
- 输入形态:用户给出的一组链接或报告文件。
- 调用能力:链接阅读和深度思考搜索。
- 输出形态:结构化摘要,并为每条结论附上来源。
- 失败兜底:链接无法访问时列出失败的链接,不根据猜测补全内容。
五、统一网关与能力插件
多模型或多能力场景下,建议把鉴权、限流、日志、计费和重试放在统一网关中,把搜索、文件解析、语音识别、语音合成封装为插件。业务代码只调用网关的统一接口,不直接依赖某一家的字段。
网关内部的能力配置可以包含以下项目(字段为示意,并非官方参数):
- capability:能力名称,如 web_search、read_url、file_parse。
- enabled:是否开启,默认 false。
- timeout_ms:单次调用的超时时间。
- max_retries:最大重试次数。
- cost_unit:计费单位,用于日志统计。
替换模型或增加工具时,只需修改插件和配置,业务代码基本不用改。
六、上线前的安全与合规
开放安全校验参数后,平台能提供基础风控,但对外提供服务的一方仍要承担内容安全审核的责任。上线前建议做到以下几点:
- 对用户输入和模型输出各做一次审核,不只依赖平台的单层检查。
- 为医疗、法律、金融、未成年人等高风险问题设置拒答话术,并提供人工渠道。
- 限制文件的格式、大小和数量,避免超大文件拖慢服务或消耗预算。
- 对搜索结果和链接内容做可信度判断,标注来源,不把网页中的内容当作指令执行。
- 保留调用日志,包括请求时间、能力类型、审核结果和费用,用于审计和问题排查。
是否需要备案、是否需要添加 AI 生成标识,取决于服务所在地和服务类型。这里的内容不构成法律意见,具体义务请咨询法务或合规人员。
七、选型建议
只需要验证某一家模型的扩展能力时,直接使用官方 API 最简单。需要同时比较多家模型的效果、价格和稳定性时,可以引入模型服务平台或自建网关。选型可以看以下五个维度:
- 能力覆盖:需要的工具能力是否齐全。
- 成本可预测性:计费口径是否清楚,能否按能力拆分账单。
- 切换成本:更换模型时,业务代码需要修改多少。
- 数据处理:用户数据是否经过第三方,留存时间和用途是什么。
- 时延与稳定性:在目标地区的响应时间和错误率。
如果使用第三方平台,应要求其说明数据处理方式,并把平台的客观能力说明与推广内容区分开。
接入前先核对官方文档和计费页,再按能力类别设计开关,按层拆分系统,上线前完成安全与日志检查。