DeepSeek高级功能与工具调用

本文基于 2026 年真实的 DeepSeek API（OpenAI 兼容） 介绍工具调用（Function Calling）、流式输出、推理模型 R1 的 reasoning_content 处理与 JSON 结构化输出。所有代码使用 openai SDK + baseURL: "https://api.deepseek.com"，不使用任何虚构包或方法，可直接作为面试回答。

⚠️ 修订说明：弃用虚构 API

旧版本使用了 new DeepSeekClient()、client.generate({ prompt, tools: true })、client.registerTools()、client.generateStream()、deepseek-multimodal 等——这些都不存在。DeepSeek 是 OpenAI 兼容 API，工具调用、流式、JSON 输出全部走 标准 chat.completions.create 接口。下文据此重写。

🔧 工具调用（OpenAI 格式 Function Calling）

DeepSeek 的工具调用与 OpenAI 完全一致：在请求里传 tools 数组（每个工具是 { type: "function", function: {...} }），模型决定是否调用并在响应里返回 tool_calls。

定义工具

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.DEEPSEEK_API_KEY,
  baseURL: "https://api.deepseek.com",
});

const tools = [
  {
    type: "function",
    function: {
      name: "get_weather",
      description: "获取指定城市的天气信息",
      parameters: {
        type: "object",
        properties: {
          city: { type: "string", description: "城市名称，如北京、上海" },
          date: { type: "string", description: "日期 YYYY-MM-DD，可选" },
        },
        required: ["city"],
      },
    },
  },
];

完整调用流程：tool_calls → 执行 → role tool 回注

标准三步：① 模型返回 tool_calls；② 本地执行函数；③ 把结果以 role: "tool" 消息回注，再次请求拿到最终答复。

// 本地函数实现
async function executeTool(name, args) {
  if (name === "get_weather") {
    // 实际项目替换为真实天气 API
    return { city: args.city, date: args.date ?? "today", temperature: "25°C", condition: "晴朗" };
  }
  throw new Error(`未知工具: ${name}`);
}

async function chatWithTools(userText) {
  const messages = [{ role: "user", content: userText }];

  // ① 第一次请求：模型可能要求调用工具
  let resp = await client.chat.completions.create({
    model: "deepseek-chat",
    messages,
    tools,
    tool_choice: "auto",
  });

  let msg = resp.choices[0].message;

  // ② 如果有 tool_calls，逐个执行并回注
  while (msg.tool_calls?.length) {
    messages.push(msg); // 先把带 tool_calls 的 assistant 消息加入历史

    for (const call of msg.tool_calls) {
      const args = JSON.parse(call.function.arguments);
      const result = await executeTool(call.function.name, args);
      messages.push({
        role: "tool",
        tool_call_id: call.id, // 必须回填对应的 id
        content: JSON.stringify(result),
      });
    }

    // ③ 带着工具结果再次请求
    resp = await client.chat.completions.create({
      model: "deepseek-chat",
      messages,
      tools,
    });
    msg = resp.choices[0].message;
  }

  console.log("最终回复:", msg.content);
  return msg.content;
}

chatWithTools("北京明天天气怎么样？");

关键点（面试常考）：

tool_calls 的 function.arguments 是 JSON 字符串，需 JSON.parse。

回注时用 role: "tool" 且必须带 tool_call_id。

用 while 循环支持多轮工具调用，直到模型不再请求工具。

tool_choice 控制调用行为

"auto"（默认）：模型自行决定是否调用。
"none"：禁止调用，强制直接回答。
{ type: "function", function: { name: "get_weather" } }：强制调用指定工具。

🔄 流式输出

流式只需 stream: true，逐块读取 delta.content：

async function streamChat(userText) {
  const stream = await client.chat.completions.create({
    model: "deepseek-chat",
    messages: [{ role: "user", content: userText }],
    stream: true,
  });

  let full = "";
  for await (const chunk of stream) {
    const delta = chunk.choices[0]?.delta?.content || "";
    process.stdout.write(delta);
    full += delta;
  }
  return full;
}

流式 + 工具调用时，tool_calls 也会分片到达（delta.tool_calls 带 index），需要按 index 拼接 function.name 与 function.arguments 字符串后再 JSON.parse。

🧠 推理模型 R1：分离 reasoning_content 与 content

调用 deepseek-reasoner 时，响应会同时包含推理过程 reasoning_content 与最终答案 content，必须分开处理：

async function reason(question) {
  const stream = await client.chat.completions.create({
    model: "deepseek-reasoner",
    messages: [{ role: "user", content: question }],
    stream: true,
  });

  let reasoning = "";
  let answer = "";
  for await (const chunk of stream) {
    const d = chunk.choices[0]?.delta;
    if (d?.reasoning_content) reasoning += d.reasoning_content; // 思维链（可折叠展示/仅调试）
    if (d?.content) answer += d.content;                       // 真正返回给用户的答案
  }
  return { reasoning, answer };
}

注意事项：

多轮对话只回传 content，不要把 reasoning_content 加回 messages。
推理模型通常不支持 temperature、top_p、tools 等部分参数（以官方文档为准）；需要工具调用时用 deepseek-chat。

📦 JSON 结构化输出

要求模型返回合法 JSON，用 response_format: { type: "json_object" }，并在提示里明确描述字段结构：

async function extractProduct(reviewText) {
  const completion = await client.chat.completions.create({
    model: "deepseek-chat",
    messages: [
      {
        role: "system",
        content:
          '从评论中抽取信息，仅输出 JSON：{"sentiment":"positive|negative|neutral","keyPoints":string[]}',
      },
      { role: "user", content: reviewText },
    ],
    response_format: { type: "json_object" },
  });

  const data = JSON.parse(completion.choices[0].message.content);
  return data;
}

extractProduct("这块智能手表续航很好，屏幕清晰，就是价格略高。");

json_object 模式保证输出是合法 JSON，但不保证字段完全符合你的业务 schema，仍需做一次校验（如用 Zod）。若用 OpenAI 模型可进一步用 json_schema + strict: true 强约束结构（见 AI API集成与调用技巧的 Structured Outputs 专节）。

🖼️ 关于多模态

旧教程里的 deepseek-multimodal 模型 并不存在。截至 2026 年，DeepSeek 主线 API（deepseek-chat / deepseek-reasoner）以文本为主；如确有图像理解需求，请以官方文档当时公布的多模态模型/视觉模型为准，或改用具备成熟视觉能力的模型（如 GPT-5 系列、Gemini 2.5 Pro/Flash、Claude 4.x）。不要臆造模型 ID。

📝 总结

DeepSeek 高级功能全部走 OpenAI 兼容接口：工具调用用 tools + tool_calls + role: "tool" 回注；流式用 stream: true；JSON 用 response_format。
R1（deepseek-reasoner）单独返回 reasoning_content，需与 content 分离，且不回传到下一轮。
弃用一切虚构 API（DeepSeekClient、generate、registerTools、deepseek-multimodal）。
工具调用要点：arguments 是 JSON 字符串、回注必须带 tool_call_id、用循环支持多轮调用。

目录​

⚠️ 修订说明：弃用虚构 API​

🔧 工具调用（OpenAI 格式 Function Calling）​

定义工具​

完整调用流程：tool_calls → 执行 → role tool 回注​

tool_choice 控制调用行为​

🔄 流式输出​

🧠 推理模型 R1：分离 reasoning_content 与 content​

📦 JSON 结构化输出​

🖼️ 关于多模态​

📝 总结​

目录