DeepSeek v3 Function calling实现方法

课程说明：

•

体验课内容节选自《2025大模型Agent智能体开发实战》完整版付费课程

体验课时间有限，若想深度学习大模型技术，欢迎大家报名由我主讲的《2025大模型Agent智能体开发实战》：

common.docs_name - LarkCCM_Docs_Menu_Image

68%

32%

此外，ds公开课训练项目代码、数据、及训练完的模型已上传至课件网盘，更体系深入学习大模型，扫码联系⬆️助教，即可咨询正课详情。​

《2025大模型Agent智能体开发实战》体验课

Ch 2.DeepSeek v3 Function calling实现方法

代码块

import os​
from IPython.display import display, Code, Markdown​
import requests​
import json​

代码块

ds_api_key = 'YOUR_DS_API_KEY'

代码块

# 实例化客户端​
client = OpenAI(api_key=ds_api_key, ​
                base_url="https://api.deepseek.com")​

代码块

# 调用 deepseekv3 模型​
response = client.chat.completions.create(​
    model="deepseek-chat",​
    messages=[​
        {"role": "user", "content": "你好，好久不见!"}​
    ]​
)​

代码块

# 输出生成的响应内容​
print(response.choices[0].message.content)​

代码块

你好！好久不见！最近过得怎么样？有什么想聊的吗？

•
Function calling功能简介​

  在这一基本背景下，经过数月的研发和优化，OpenAI在0613的更新中为目前最先进的Chat类模型增加了Function calling功能，该功能的本质是让大语言模型调用外部函数的能力，即Chat模型可以不再仅仅根据自身的数据库知识进行回答，而是可以额外挂载一个函数库，然后根据用户提问进行函数库检索，根据实际需求调用外部函数并获取函数运行结果，再基于函数运行结果进行回答。其基本过程如下：​

DeepSeek v3 Function calling实现方法​

DeepSeek v3 Function calling实现方法