# DeepSeek 项目

![星级历史图表](https://oss.gittoolsai.com/images/1692775560_deepseek_project_readme_479994ea643b.png)

## 安装指南

```bash
# 第一步：安装依赖
pip install -r requirements.txt

项目概览

🤖 微信助手项目

项目名称: wechat_project
项目描述:
通过对接DeepSeek API与微信接口实现的智能聊天机器人，支持自动化消息响应。
一款集成DeepSeek API的微信聊天机器人，用于自动回复消息。

核心功能:
✅ 微信消息实时监听
✅ DeepSeek多轮对话接口调用
✅ 上下文敏感型回复生成
✅ 异常流量熔断机制

---

📁 文档上传助手

项目名称: Document_upload_assistant
背景说明:
为解决DeepSeek平台未开放文件上传API的技术限制，开发的本地化文件处理解决方案。
针对DeepSeek缺乏文件上传API而开发的本地化文件处理方案。

---

🚀 Deepseek_r1_deploy

项目名称: deepseek_r1_deploy
项目描述:
快速使用魔搭社区部署deepseek蒸馏模型，服务器本地都可以运行，包含前端界面
利用ModelScope社区快速部署Deepseek蒸馏模型，可在本地服务器上运行，并附带前端界面。

---

联网搜索插件

📖 简介 (Introduction)

这个项目是一个为本地部署的大语言模型（LLM）提供联网搜索功能的插件。由于本地部署的大模型通常无法直接联网搜索，这个插件可以帮助模型获取最新的互联网信息，从而提供更准确和及时的回答。

本项目是一款为本地部署的大语言模型（LLM）提供联网搜索功能的插件。由于本地部署的LLM通常无法直接访问互联网进行搜索，该插件能够帮助模型获取最新的网络信息，从而提供更加准确和及时的答复。

✨ 功能特点 (Features)

• 🔍 支持多种搜索引擎（目前支持 Google、Bing 和百度）
• 📝 可以获取搜索结果摘要
• 📄 可以抓取网页详细内容
• 🤖 自动格式化搜索结果为适合 LLM 处理的提示词
• 🔌 提供简单的 API 接口，易于与各种 LLM 集成
• 📚 包含示例客户端代码，展示如何与本地 LLM 集成
• 🇨🇳 针对中文搜索优化，特别是使用百度搜索引擎
• ⏰ 支持获取实时时间信息
• 🛠️ 提供可配置的 Web 界面，方便调整各项参数

项目演进

DeepSeek Project 快速上手指南

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux / macOS / Windows
• Python 版本：推荐 Python 3.8 及以上版本
• 前置依赖：
  • pip 包管理工具
  • 有效的 DeepSeek API Key（用于聊天机器人功能）
  • 若使用微信助手，需具备微信接口访问权限或测试账号
  • 若部署本地模型，建议具备 GPU 环境（可选，CPU 亦可运行蒸馏模型）

💡 国内加速建议：安装依赖时推荐使用清华或阿里镜像源，以提升下载速度。

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

1. 克隆项目代码

   git clone https://github.com/1692775560/deepseek_project.git
   cd deepseek_project
   

2. 安装核心依赖

   pip install -r requirements.txt
   

3. 配置环境变量（可选） 在项目根目录创建 .env 文件，填入您的 API Key 及相关配置：

   DEEPSEEK_API_KEY=your_api_key_here
   WECHAT_TOKEN=your_wechat_token
   

基本使用

本项目包含多个独立模块，以下是核心功能的快速启动示例：

1. 启动微信智能助手 (wechat_project)

实现微信消息的自动监听与 DeepSeek 智能回复。

python wechat_project/main.py

启动后，发送消息至绑定的微信账号，机器人将自动基于上下文生成回复。

2. 使用文档上传助手 (Document_upload_assistant)

解决本地文件处理需求，绕过 API 上传限制。

python Document_upload_assistant/process.py --file ./data/sample.pdf

3. 部署本地大模型 (deepseek_r1_deploy)

基于魔搭社区（ModelScope）快速部署 DeepSeek 蒸馏模型并启动前端界面。

python deepseek_r1_deploy/run.py

运行成功后，访问浏览器显示的本地地址（如 http://127.0.0.1:7860）即可通过 Web 界面进行对话。

4. 启用联网搜索插件

为本地 LLM 添加实时搜索能力（支持百度、Bing、Google）。

python search_plugin/server.py --engine baidu

插件启动后，本地模型可通过标准 API 调用获取最新的互联网信息摘要及网页内容。