DeepSeek把App里的能力开放成API了

在DeepSeek里读一份财报，操作已经很熟悉：上传PDF，问营收有什么变化，再打开联网搜索，看看公司后来有没有发布新的公告。文件、网页和追问，都留在同一个聊天窗口里。

如果想把这套体验放进自己的产品，过去要做的事情就多了。文件里的文字和图表怎么提取，什么时候去搜索，网页读完后怎样交给模型，搜索来源又怎样显示出来，都需要接入者处理。

11月13日，DeepSeek在官方文档中发布了“全家桶应用API”。联网搜索、深度思考搜索、文件输入、阅读链接等App里的对话能力，开始通过API向开发者开放。语音识别、语音合成也有对应接口。

其中一个直接的变化是，搜索执行、网页读取和相关上下文拼接，可以由DeepSeek服务端完成。开发者可以围绕这些能力做自己的界面和业务流程。

先让模型看见文件里的图

DeepSeek的文件解析文档，用了一份财报里的营收趋势图来说明问题。用户问“这张图说明了什么”，回答能不能涉及图表，首先取决于上传时选了哪种解析方式。

选择text_recognition，模型得到的是文字。报告中的图表、照片和示意图会被丢弃；即使正文旁边就放着一张营收曲线，模型也看不到。

选择rich_layout_recognition，系统会把识别出的图表裁出来，按原来的位置与文字一起交给模型。这样，模型才能结合正文和图片回答。图表能否被正确裁出，仍会影响它最终读到的内容。

这个例子很实用。读论文时，实验结果可能在图里；看设备说明书时，安装步骤可能画在示意图上。上传成功以后，还需要知道解析方式是否保留了这些信息。

接入分为两步：先通过Files API上传文件，并指定解析方式；解析完成后拿到一个file_id，再在对话请求里引用这个编号、提出问题。PDF、Word、PowerPoint，以及多种图片格式都在支持范围内。

例如，可以要求模型结合正文解释营收曲线，指出相关页码，再让它寻找这家公司的最新公告。前一部分依靠文件解析，后一部分依靠联网工具，两者可以组织进同一段对话。

搜索和读网页，放进对话里

DeepSeek的底层搜索、网页抓取API，早在10月17日就已开放。这一轮的新变化，是把它们接进了官方对话流程。

开发者在请求中声明联网工具后，模型可以根据问题决定是否搜索，拿到网页结果，再附上来源作答。开启思考模式后，它还可以在推理过程中多次搜索、打开网页、查找相关段落。

用户直接发来一个网页链接，也有相应的阅读工具。比如把公司的公告地址交给模型，让它提取最新数据，再与已上传的财报对照。搜索什么、读哪一页，以及把读取结果放回上下文，都可以由服务端组织。

这能省掉接入时的一段反复调用：模型提出搜索请求，自己的程序执行搜索、抓取页面，把结果传回模型，再等待下一步。做聊天应用时，这部分原本也要自己维护。

客户端仍要展示回答和引用、管理会话，并在下一轮完整回传服务端返回的内容块。这些内容包含继续对话所需的信息，只留下最终回答文字，会影响后续追问。官方演示客户端已经给出了处理方法。

目前，这组对话能力的指南指定使用deepseek-flash，同时提供Chat Completions、Responses和Messages三种接口格式。已有应用可以按自己的调用方式接入。

官方连聊天客户端也开源了

随API一起提供的，还有一个名为chat-demo的开源项目。它是一个静态聊天网页，浏览器直接连接DeepSeek API，不需要另外搭建应用后端。

可以打开官方在线演示，也可以从仓库的Releases下载预构建压缩包，解压后打开index.html。在设置里填入自己的DeepSeek API Key，就能开始使用。源码采用MIT许可。

界面里已经有多会话、深度思考、联网搜索、上传附件、编辑消息和重新生成。搜索来源怎样呈现，流式回答怎样显示，也都有对应实现。开发者能顺着一条实际对话，查看界面操作最终变成了什么请求。

文件上传部分尤其具体。源码会为PDF、Word和PPT选择rich_layout_recognition，保留识别出的图文内容；上传完成后，再通过file_id引用。普通文本、表格等文件另有处理路径。

语音输入和回答朗读也已接入：先把录音交给语音识别接口，转成文字发送给模型；回答再通过语音合成播放。做一个可以开口提问、听回答的聊天界面，可以参考这两段代码。

客户端还能导入DeepSeek网页端导出的历史对话，继续原来的讨论。历史记录和API Key保存在浏览器本地，实际的文件解析、搜索和模型计算，仍由DeepSeek服务器完成。

对想做类似产品的人，这份代码的价值在于把零散的接入细节放在了一起。可以先检查官方客户端怎样上传一份文档、显示搜索来源，再把这些部分移到自己的项目里。

需要准备什么，费用怎么算

接入需要DeepSeek开放平台的API Key，费用从API账户扣除。模型的输入输出Token，以及搜索、网页抓取、文件解析和语音接口，按各自的规则计费。

截至11月14日，网页搜索和网页抓取都是每1000次5元。搜索按查询词条数计算：一次工具调用里带了三个查询词，就计三次搜索，不能只按一条用户提问来估算。

按公布单价计算，假设三条查询都返回结果，再成功抓取一个网页，工具费用是0.02元，模型的输入输出Token费用另算。深度思考过程中如果多次搜索、读取网页，实际费用会随调用数量变化。

文件解析是每1000页1.5元，一份100页的文档，解析费为0.15元。解析成功后，后续引用同一个file_id不再重复收解析费；每轮实际送进模型的文档内容，仍计入输入Token。

语音方面，官方当前公布的优惠价是：识别音频每小时0.39元，语音合成每万计费字符1.5元。合成时一个汉字按两个字符计，因此5000个汉字对应约1.5元。

如果要先了解接入效果，可以从官方聊天演示开始：准备自己的API Key，上传一份熟悉的文件，检查它读到了哪些内容，再打开联网搜索继续追问。文件处理、来源展示和多轮对话的代码都已公开，之后再按自己的产品需求修改。