基于GiteeAI快速搭建自有DeepSeek

前言

DeepSeek的能力有目共睹，但是最近对话服务由于一些外部原因经常出现无法响应的情况，用起来不是很顺畅。作为一个工程师，今天我们尝试通过一些免费资源快速搭建一个自用的DeepSeek。

• 开发软件毋庸置疑是Cursor，只有不断使用，我们才能更加准确的把握它的能力范围。

• 模型的话直接采用Gitee AI提供的Serverless API，重要的是，每个账号每天有100次免费使用机会。

前置知识

Gitee AI

“Gitee AI 的 Serverless API 为您提供开箱即用的企业级的大模型 API 服务。”

Gitee AI 提供模型体验、推理、微调、部署和应用的一站式服务，支持便捷的Serverless API方式，也支持模型部署方式，同时，还支持很多国产硬件平台，大家有需要可以上去看看。

其中Serverless API每个模型可以在线体验，也有demo代码直接使用。

Streamlit

Streamlit是一个开源的Python框架，工程师只需几行代码即可用它构建交互式数据应用，支持实时交互，无需前端知识。

实操

初始化

1. 安装python3.12。
2. 创建项目文件夹。
3. 使用Cursor打开文件夹。
4. 个人喜欢使用python的虚拟环境隔离各个应用的python环境，Ctrl+Shift+P创建虚拟环境。

整理需求（提示词）

需要注意以下几点：

• 技术栈（streamlit、openai及版本）
• Gitee AI接口Cursor不一定了解，可以通过demo告知
• DeepSeek和普通对话模型不同的地方是需要显示思考过程

使用Streamlit帮我实现一个类似ChatGPT的智能对话助手。

前端需要注意响应内容应该区分思考过程和最终结果。
后端模型采用GiteeAI的Serverless API，示例代码如下：
---
from openai import OpenAI

client = OpenAI(
base_url="https://ai.gitee.com/v1",
api_key="XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX",
default_headers={"X-Failover-Enabled":"true","X-Package":"1910"},
)

response = client.chat.completions.create(
model="DeepSeek-R1-Distill-Qwen-7B",
stream=True,
max_tokens=2048,
temperature=0.6,
top_p=0.8,
extra_body={
"top_k": 20,
},
frequency_penalty=1.1,
messages=[
 {
 "role":"system",
 "content":"You are a helpful and harmless assistant. You should think step-by-step."
 },
 {
 "role":"user",
 "content":"Can you please let us know more details about your "
 }
],
)
---
依赖：
streamlit==1.41.1
openai==1.61.0

Gitee AI 的Serverless API demo：

Cursor生成

该章节所有内容都是与Cursor协同完成。

初步生成

在Cursor Composer模式下，使用以上提示词进行生成。

上图中可以看到，已经按照我们要求进行生成了，下图则是总结生成代码并给出后续建议。

按照Cursor给出的后续步骤进行执行。

1. 安装依赖。
2. 设置Gitee AI Key。
3. 运行。

初版运行效果

运行后的界面如下：

拿一个问题测试下。

问题：

作为小学生家长，应该如何培养孩子学习的习惯。

结果：

界面优化

思考过程有明显标识，优化显示效果。

提示词：

响应结果中思考过程通过<think></think>进行分隔，请针对思考过程设置背景颜色进行明显区分。

生成结果：

修改效果：

总结

借助Cursor和Gitee AI，整个过程非常顺利。

强调几个地方：

1. 不要期望Cursor自己完成全部任务，比如创建虚拟环境、设置依赖版本，还是手动比较高效，可以指定自己熟悉的版本。尤其是python依赖版本，我碰到过几次Cursor给出的版本都不是最新的，建议提前设置好。
2. 提示词中如果需要调用特有的接口，可以提供demo代码，或者文档链接进行校正。