本地算力不够？一键获取爆火的DeepSeek大模型API，完美对接LLM

「亲爱的粉丝朋友们好啊！今天熊猫又来介绍好玩有趣的Docker项目了，喜欢的记得点个关注哦！」

引言

相信不少人最近都尝试过了本地部署「DeepSeek」了，网上的教程也是非常之多，什么电脑本地部署、NAS上Docker部署，甚至用手机部署1.5b的模型，相信只要是日常使用AI比较多的小伙伴都已经自己尝试过了。

DeepSeek

不过，虽说DeepSeek提供了各种参数的模型，算力不够也能玩玩，甚至手机也能玩，但我猜应该还是有人在用官方的服务，不过有一说一，虽说DeepSeek官网体验蛮不错的，且APP也非常简洁，甚至让我觉得这居然是个国产软件，但也就是因为太简洁了，很多对于大模型来说很有用的功能没有。例如AI的人设设定、插件支持以及提示词设置等等，这些能很大程度的简化我们使用AI的过程，同时也能增加AI的无限可能性。

API暂时维护

所以这时候我们就需要用到第三方的「LLM平台」，通过它们来「让DeepSeek拥有很多功能」，例如对接个人知识库、插件支持、AI助手预设以及大模型集成等等，但DeepSeek官方的API最近一直提示维护升级，所以熊猫今天介绍「DeepSeek-V3 R1大模型逆向API项目」，通过Docker部署。

「特性：」

• 支持高速流式输出

• 多轮对话

• 联网搜索

• R1深度思考

• 零配置部署

• 多路token支持

项目页

部署机

本次部署用到的为极空间Z423旗舰版，之所以选择极空间其实还有个原因是free-api本身还有其他大模型的逆向项目，而熊猫也一直是部署在这上面的，同时对应的One API项目也在极空间上，所以很大程度集中式的管理会更为方便。

容器项目

因为Z423旗舰版本身出厂内存就有32G，所以在即便熊猫目前已经部署了非常多的容器项目，同时还有虚拟机在运行，内存使用率依然能稳定在50%以下，这也是为什么熊猫经常使用Z423旗舰版部署容器的原因，毕竟折腾这些容器和虚拟机，内存可是非常关键的因素。

设备状态

Free-API部署

DeepSeek V3 Free的部署非常简单，因为其项目本身就是一个提供接口的功能，所以不需要去设置容器文件的本地化，也不需要多高的性能，只需要映射其端口即可。不过在部署前，请注意自己的极空间网络环境，提前设置好镜像加速地址。

加速器配置

设置好镜像加速之后我们来到仓库界面，搜索镜像vinlic/deepseek-free-api并下载，如果搜索不到，直接用自定义拉取也可以。

镜像拉取

镜像下载之后先不着急部署，这时候我们需要去获取Token，进入DeepSeek随便发起一个对话，然后F12打开开发者工具，从Application > LocalStorage中找到userToken中的value值，这将作为Authorization的Bearer Token值：Authorization: Bearer TOKEN

token获取

随后在部署Docker时我们在环境变量中新增变量DEEP_SEEK_CHAT_AUTHORIZATION，将其值填入我们刚刚获取的token。

image.png

端口上我们需要映射8000端口，例如熊猫这里设置为8704。

端口设置

最后点击应用启动容器，这时候逆向的API也就获取成功了。

One API部署

虽说API已经逆向获取成功了，但这时候还不能直接用，我们还需要用One API项目来转为OpenAI接口。该项目的部署也不难，还是一样在仓库界面搜索镜像justsong/one-api，下载之后双击创建容器。

One API部署

在文件夹路径这里，为了保证本地持久化运行以及容器重启数据不丢失，我们需要映射容器路径/data。

路径映射

最后映射容器端口3000，例如熊猫这里填的为3300。

端口映射

点击应用启动容器，这时候One API也就部署成功了。

如何使用API

API和承载API的工具都部署好了，这时候我们只需要去One API设置好就行。浏览器输入Http://极空间IP:3300进入One API项目界面，初始用户名为root，密码为123456，登陆之后点击渠道这个选项。

API设置

可以看到熊猫这里已经部署有智谱和千问了，我们点击下方的添加新的渠道，类型设置为OpenAI，名称设置为DeepSeek，模型就选择填入相关模型即可。

渠道设置

最后在下面密钥这里填入我们获取的token值，在代理这里填写我们部署的API逆向工程项目地址，例如熊猫的地址为http://极空间IP:8704，设置好之后点击提交。

提交渠道

渠道设置好之后回到渠道界面可以点击测试，能看到API的响应时间，因为最近DeepSeek也是在风口浪尖，所以响应速度比起刚开始慢了不少。因为熊猫这里模型比较多，如果想要只使用Deepseek，就需要设置好优先级。

响应测速

要使用它也很简单，随便选择一个LLM平台，可以是ChatGPT Next Web、BotGem、OpenCat或者LobeChat，只要是支持OpenAI接口的都可以，这里熊猫选择的为之前自部署的LobeChat。

LMM平台

在模型设置这里找到OpenAI设置项， API的代理地址就是我们部署的One API项目，而API Key直接在One API项目中的令牌里去复制即可，设置好之后可以检查一下是否连通。

模型设置

最后回到AI聊天界面，首先验明一下模型的身份。

身份验证

通过LobeChat，我们能够直接赋予DeepSeek多种身份。在LobeChat的发现界面中，你可以浏览到众多预设的AI助手，并可直接套用。

预设助手

写在最后

目前也是用了好几天的Deepseek了，比起国内其他一种AI模型它的确要优秀不少，通过API的形式也能让其对接到LLM平台，从而实现更为方便和快捷的使用，这几天的使用个人感觉非常不错。

以上便是本期的全部内容了，如果你觉得还算有趣或者对你有所帮助，不妨点赞收藏，最后也希望能得到你的关注，咱们下期见！

三连

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～