在 Engee 中使用 DeepSeek-R1¶

在本例中，我们将了解创建和发送查询的过程、并向Engee输出响应的过程。 DeepSeek-R1 通过第三方 Python 服务的 API 输出响应的过程。

简介¶

DeepSeek-R1是近期所有DeepSeek LLM中最相关、最受关注的型号。有几种免费和付费的聊天方式、在我们的例子中，我们将考虑最简单的免费访问方式。

我们将向开放式 LLM 访问服务 https://openrouter.ai/ 发送 JSON 请求。这是将语言模型集成到用户应用程序中的可行方法之一。

我们使用 openrouter.ai 网站作为 LLM 聊天访问 API 的示例。我们提醒您注意该网站上存在付费服务，并且我们建议您使用专家的帮助执行类似工作。此外，我们声明本示例并非所使用服务的广告。

开始使用¶

首先，检查是否安装了requests Python 库。通过它可以处理 HTTP 请求。例如，可以在 .ipynb 文件的单元格中执行以下代码：

!pip install requests

之后，我们将安装并连接库PyCall.jl 以使用 Python in Julia 中的代码。

]add PyCall     # Установка библиотеки

using PyCall    # Подключение библиотеки

现在让我们连接图书馆requests ：

py"""
import requests
"""

准备工作完成后，我们就可以进行查询了。

形成查询¶

使用 Openrouter API 访问页面 (API_URL) 和用户密钥 ( ) 创建变量。和用户密钥 (API_KEY) 创建变量。下面输入的密钥在当前示例中专用，目前禁用。如有必要，请输入您自己的 API 密钥。

py"""
API_KEY = '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'
API_URL = 'https://openrouter.ai/api/v1/chat/completions'
"""

接下来，让我们定义 API 请求头：

py"""
headers = {
    'Authorization': f'Bearer {API_KEY}',
    'Content-Type': 'application/json'
}
"""

以 JSON 格式定义请求数据：

py"""
data = {
    "model": "deepseek/deepseek-r1:free",
    "messages": [{"role": "user", "content": "Напиши программу Hello World! на Julia"}]
}
"""

此处：deepseek/deepseek-r1:free 是免费的 DeepSeek-R1、可通过 OpenRouter 聊天。
在messages 字段中的用户角色 ("role": "user") 定义了文本查询content 。

接收并输出答案¶

让我们把生成的 POST 请求发送给 OpenRouter：

py"""
response = requests.post(API_URL, json=data, headers=headers)   # Отправляем POST-запрос
"""

检查请求是否成功，并打印必要的数据。

py"""
if response.status_code == 200:                                                 # если код ответа "200", то:
    for content in response.json()['choices']:                                      # из поля "choices" ответа
        output = content                                                                # получаем содержимое "content"
    print(output['message']['content'])                                             # а из этого содержимого печатаем "content" поля "messages"              
else:                                                                           # иначе:
    print("Failed to fetch data from API. Status Code:", response.status_code)      # Печать сообщения об ошибке
"""

Для написания программы "Hello World!" на языке Julia достаточно использовать встроенную функцию `println`, которая выводит текст с переводом строки. Вот пример кода:

```julia
println("Hello World!")
```

**Объяснение:**
- `println` — функция, выводящая переданные аргументы в консоль, добавляя символ новой строки.
- Строковые литералы заключаются в двойные кавычки (`"..."`).

**Как запустить:**
1. Сохраните код в файл с расширением `.jl` (например, `hello.jl`).
2. Запустите в терминале: `julia hello.jl`.

Это минимальный пример, демонстрирующий базовый вывод в Julia. Для более сложных программ код можно организовать в функции и модули.

如果请求处理成功，如上文所述、我们会收到来自神经网络的响应。
为了清晰起见，DeepSeek 的响应是用 Markdown 标记的。我们可以将其保存到具有相应扩展名的文件中。

write("Py_LLM.md", py"output['message']['content']");

代码屏蔽¶

在处理脚本时，Engee 无可否认的便利之处是能够屏蔽代码单元]1 的功能。因此，我们可以轻松创建因此，我们可以很容易地创建最低限度的必要图形用户界面，以使用编写的应用程序：

py"""
# Define the request payload (data)
Вопрос = "Ответь максимально коротко на вопрос о жизни, вселенной и вообще" # @param {type:"string"}

data = {
    "model": "deepseek/deepseek-r1:free",
    "messages": [{"role": "user", "content": str(Вопрос)}]
}

# Send the POST request to the DeepSeek API
response = requests.post(API_URL, json=data, headers=headers)

# Check if the request was successful
if response.status_code == 200:
    for content in response.json()['choices']:
        output = content
    print(output['message']['content'])
else:
    print("Failed to fetch data from API. Status Code:", response.status_code)
"""

42.

**$$\blacksquare$***

结论¶

在本示例中，我们考虑了一种相当简单的方法，即在 Engee 脚本中将聊天与 DeepSeek-R1 神经网络在 Engee 脚本中将聊天与 DeepSeek-R1 神经网络连接起来的简单方法。该程序用 Python 实现，其工作包括通过第三方服务的 API 生成 JSON 格式的请求。此外，它还将接收到的响应输出显示到 Markdown 文件中，并屏蔽代码单元，在 Engee 脚本中创建图形用户界面程序。 Engee。