DeepSeek+CodeWave实战，打通组织内落地DeepSeek的最后一公里

内容概要

1、采购智能体应用效果演示

2、DeepSeek大模型特征介绍

3、DeepSeek和CodeWave如何产生化学反应

4、0基础开发更智能采购管理系统

智能体应用效果演示

https://agentsse-jystudy2.app.codewave.163.com/expressage/applyOrder

DeepSeek大模型科普

DeepSeek模型演进历程

2023年11月：开源 DeepSeek LLM 7B 和 67B 的 Base 和 Chat 模型

2024年2月：开源 DeepSeek Coder 系列模型

2024年2月：开源 DeepSeek Math 模型

2024年3月：开源 DeepSeek-VL 系列模型

2024年5月：开源 DeepSeek-V2 系列模型

2024年7月：开源 DeepSeek-Coder-V2 系列模型

2024年12月：开源 DeepSeek-V3 系列模型

2025年1月：开源推理模型 DeepSeek-R1

DeepSeek-V3和DeepSeek-R1差异

图片

• 技术特性差异：V3强调训练效率，能以较低GPU资源实现高性能；R1采用"强化学习优先"策略，先培养推理能力再优化语言流畅度
• 核心能力及应用场景差异：V3通用型语言模型，擅长自然语言生成和多领域任务（如写作、多语言处理）；R1专注于逻辑推理领域，强化数学解题、代码生成等复杂推理能力。
• 部署使用差异：API调用时，V3对应名称`deepseek-chat`，R1为`deepseek-reasoner`

DeepSeek和CodeWave化学反应

为什么需要整合DS到CodeWave

主要有以下原因：

• 打造个性化UI
• 开发独立AI应用或已有应用智能化
• 私域流量运营

图片

DeepSeek、Coze、CodeWave作用与关系

• CodeWave：通用应用开发平台，可以集成coze、dify、DeepSeek等开发通用AI应用，运行在私域上
• Coze、Dify：大语言应用开发平台，工作流编排，智能体应用开发，运行在公域上
• DeepSeek、豆包：大语言模型，是底层AI能力提供者

0基础教你开发更智能的采购管理系统

准备工作

• 注册CodeWave：https://codewave.163.com
• 创建DeepSeek Key：https://platform.deepseek.com

图片

创建CodeWave项目

通过模板“采购管理系统”创建项目：

图片

在项目中引入DeepSeek连接器

导入连接器：第一步，集成中心 - 导入连接器

图片

第二步，资产市场搜索DeepSeek连接器并导入：

图片

第三步，点击添加，在弹框中填入DeepSeek平台获得的API_Key：

图片

图片

这样就导入完毕了！任意逻辑中通过调用连接器chat操作即可与DeepSeek交互：

图片

知识储备

和DeepSeek交互主要通过chat接口，调用时我们发送消息并接收回复，这里补充一下所需的知识：

RequestBody：请求消息

必须的参数如下：

{
  "messages": [
    {
      "content": "You are a helpful assistant",
      "role": "system"
    },
    {
      "content": "Hi",
      "role": "user"
    }
  ],
  "model": "deepseek-chat",
  "response_format": {
    "type": "text"
  },
  "stream": true
}

ResponseBody：响应消息

响应消息在choices中存放：

{
  "id": "930c60df-bf64-41c9-a88e-3ec75f81e00e",
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "Hello! How can I help you today?",
        "role": "assistant",
        "reasoning_content":"think"
      }
    }
  ],
  "created": 1705651092,
  "model": "deepseek-chat",
  "object": "chat.completion",
  "usage": {
    "completion_tokens": 10,
    "prompt_tokens": 16,
    "total_tokens": 26
  }
}

使用范例

下面我们把做一个情感专家机器人作为范例演示：

图片

第一步构造消息列表

图片

第二步发送消息

图片

第三步处理返回信息

图片

采购案例开发思路

a. 在发送信息后调用连接器中的chat方法

图片

b. 在连接器子逻辑onMessage中处理返回的流式信息

图片

c.在上述流失输出结束后onClose子逻辑中调用非流式接口进行数据转换

图片

图片

图片