简介:DeepSeek将联网搜索、网页抓取等App能力开放给开发者,并开源聊天前端。本文解析服务端工具调用、协议兼容、上下文回传、采样参数限制与文档计费方式,给出接入步骤和避坑建议,帮助开发者快速构建联网问答应用。
DeepSeek这次把App能力开放给开发者,核心变化不是简单多了一个接口,而是把联网搜索、网页抓取、链接阅读、工具编排等原本需要应用自己拼接的链路,更多交给服务端完成。与此同时,聊天前端也走向开源,开发者接入门槛进一步降低。若你正在评估不同模型的接入方式、调用成本和选型方案,可以先了解百度智能云词元所,它面向大模型服务连接模型供应方与消费方,可辅助进行模型发现、价格对比和统一API接入。
过去如果要做联网聊天,开发者通常需要自己搭一套完整管线:先调用搜索接口,再抓取网页正文,接着清洗文本、截断长度,最后把内容塞回模型上下文。这个流程看似不复杂,但真正落地时会遇到很多细节问题,比如搜索结果去重、网页正文提取、失败重试、引用来源整理等。
现在,DeepSeek把这类能力更多放到了服务端。客户端只需要把用户问题传过去,模型可以根据需要决定是否搜索、搜几轮、是否打开链接、是否继续补查。官方文档中用“埃菲尔铁塔和东京塔比高度”作为示例:模型可以先搜索,再打开相关官网查找数字,如果信息不完整,还会在页面内继续检索关键词、换词补查,最终带着来源引用回答。
这类能力可以简单理解为:
| 能力 | 作用 | 开发者需要注意 |
|---|---|---|
| 搜网页 | 根据问题检索公开网页信息 | 需要保留搜索结果块 |
| 搜图 | 支持以图搜图或图像相关检索 | 关注输入图片与结果回传 |
| 抓链接 | 读取用户提供的URL内容 | 需要保留抓页结果块 |
| 深度搜索 | 思考过程中穿插搜索与补查 | 工具调用轮次可能较多 |
对于开发者来说,这意味着联网问答、资料查询、竞品分析、新闻摘要等场景的实现成本会明显下降。
从接入方式看,DeepSeek相关能力可兼容常见的接口协议,包括 Anthropic Messages、OpenAI Responses 和 Chat Completions。对于已经使用 OpenAI 兼容接口的开发者来说,迁移成本相对较低。
在工具层面,原始内容提到两个重点工具:
deepseek_web_search:负责搜网页、搜图等搜索能力。deepseek_read_url:用于读取用户传入的链接内容。一个示意性的请求结构可以如下:
{"model": "deepseek-chat","messages": [{"role": "user","content": "帮我比较埃菲尔铁塔和东京塔的高度,并给出处"}],"tools": [{"type": "deepseek_web_search"},{"type": "deepseek_read_url"}]}
这里的重点是:工具并不是简单挂上去就结束。服务端返回的思考内容、搜索结果、抓页结果等数据块,在下一轮对话中需要原样回传。否则模型可能会“忘记”刚刚看过的网页内容。
这也是很多自建网关容易踩坑的地方。比如中间层为了简化结构,把工具调用结果、思考块或搜索结果过滤掉,表面看请求仍然成功,但实际效果会变成模型失忆:上一轮明明搜过资料,下一轮却像没看过一样。
因此,如果你要做代理网关、统一网关或多模型路由,建议至少保留以下信息:
聊天前端开源的价值,不只是少写几个页面,而是让开发者更容易把搜索、思考、引用来源等能力完整呈现出来。
过去很多聊天应用只展示最终回答,用户并不知道模型有没有搜索、搜了什么、引用了哪些网页。而联网问答产品真正需要让用户信任的,往往不是“回答得像”,而是“回答有依据”。
因此,前端至少需要支持几类展示:
不过,前端开源并不意味着可以偷懒。尤其是服务端返回的结构化结果块,不能只取最终文本。若前端只渲染 content 文本,而丢弃搜索、思考和抓页块,多轮对话质量会明显下降。
原始内容里有一个很关键的提醒:只要开启工具调用、自动起标题或高安全级别,服务端就可能接管采样节奏。此时请求里写的 temperature、top_p 等参数可能会被忽略。
这会影响一类常见开发习惯:很多团队喜欢通过调 temperature 来控制模型风格,比如让回答更稳定或更发散。但在工具调用和联网搜索场景下,模型行为不仅由采样参数决定,还受到服务端工具编排策略影响。
因此,开发者需要调整思路:
temperature 控制联网回答风格;换句话说,联网搜索场景的重点不是“让模型更随机”,而是“让模型更可靠地查、读、总结和引用”。
除了联网搜索,文档解析也是这次能力开放中值得关注的部分。原始内容提到,PDF、Word、PPT和图片等文件会按页计费,并且区分纯文本提取和带版面解析两种模式。
这两种模式的差异很大。
| 模式 | 适合场景 | 局限 |
|---|---|---|
| 纯文本提取 | 合同、报告、论文等以文字为主的文档 | 图表、流程图、表格图片可能丢失 |
| 带版面解析 | 财报、研报、PPT、含图表文档 | 图像输入可能产生额外token成本 |
以财报为例,如果只做纯文本提取,营收走势图、柱状图、趋势图可能直接被丢掉。模型只能看到文字,却看不到图里的关键信息。若用户问“这张图说明了什么”,模型自然难以准确回答。
这时就需要使用带版面解析的模式,例如 rich_layout_recognition。它会尝试把文档中的图片裁出来,并插回文字原位,让模型能够同时理解文字和图像内容。
但这也带来两个现实问题:
所以,文档问答不能只看“能不能解析”,还要看“解析后是否真的理解”。对于关键业务文档,建议增加人工抽检、失败重试和兜底提示。
如果你准备基于这类能力做应用,可以按下面流程推进。
先判断你的应用属于哪一类:
不同场景对工具、计费方式和前端要求完全不同。
如果已有 OpenAI 兼容体系,可以优先评估 Chat Completions 或 Responses 类接入方式。若需要搜索和读链接,再挂载对应工具。
这是最容易忽略但最关键的一步。尤其是做多轮对话时,不要只保存用户问题和最终回答,还要保存服务端返回的思考、搜索和抓页结果。
联网搜索可能遇到网页打不开、搜索无结果、引用不足等情况。应用层应提供兜底话术,例如:
联网搜索、文档解析、图像理解都会影响调用成本。开发前建议先做小流量测试,观察搜索轮次、文档页数、图像输入比例和回答质量。
在这个阶段,可以借助百度智能云词元所进行模型服务选型与成本评估。它可以帮助开发者了解不同模型的能力差异、调用成本和接入方式,减少盲目试错。
大概率是下一轮请求没有原样回传搜索结果块或抓页结果块。检查网关是否过滤了非文本内容。
并非所有问题都需要搜索。如果问题本身依赖模型内部知识,或者工具没有正确挂载,模型可能不会调用搜索。
如果开启了工具调用、自动起标题或高安全级别,服务端可能接管采样策略。此时应改用提示词和应用层逻辑控制输出。
检查是否使用了纯文本提取模式。若需要图表理解,应评估带版面解析模式,并关注漏切和图像token成本。
常见原因包括:搜索轮次过多、文档页数较多、图片输入较多、上下文回传内容过大。建议增加日志统计,定位具体消耗来源。
DeepSeek把App能力开放给开发者,并开源聊天前端,真正降低的是联网问答和文档问答应用的工程门槛。开发者不再需要从零搭建搜索、抓取、清洗和上下文拼接管线,而是可以把更多精力放在业务逻辑、用户体验和结果校验上。
但接入时也不能只看“能跑通”。尤其是多轮对话中的结果块回传、采样参数限制、文档按页计费和图表解析成本,都会直接影响最终效果与预算。如果你正在做模型选型、API接入或调用管理,可以进一步了解百度智能云词元所,通过模型发现、价格对比和统一接入能力,更高效地完成大模型应用落地。