AI 全栈开发快速入门指南

拉取代码

你可以通过克隆此仓库到你的本地机器来开始：

git clone https://github.com/DjangoPeng/deepseek-quickstart.git

然后导航至目录，并按照单个模块的指示开始操作。

搭建开发环境

本项目使用 Python v3.13 开发，完整 Python 依赖软件包见requirements.txt。

关键依赖的官方文档如下：

• Python 环境管理 Miniconda
• Python 交互式开发环境 Jupyter Lab
• OpenAI Python SDK

⚠️注意：DeepSeek API 使用与 OpenAI 兼容的 API 格式，通过修改配置，您可以使用 OpenAI SDK 来访问 DeepSeek API，或使用与 OpenAI API 兼容的软件。

以下是详细的安装指导（以 Ubuntu 22.04 操作系统为例）：

---

（可选）安装 CUDA Toolkit 和 GPU 驱动

如果对数据保护和隐私安全有要求，需要私有化部署请搭建以下 GPU 开发环境

（若使用华为云 GPU 服务器，无需安装，Ubuntu 22.04 操作系统自带）下载并安装 CUDA 12.4 Toolkit 和 GPU驱动：

wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run
sudo sh cuda_12.4.0_550.54.14_linux.run

成功安装输出日志如下：

===========
= Summary =
===========

Driver:   Installed
Toolkit:  Installed in /usr/local/cuda-12.4/

Please make sure that
 -   PATH includes /usr/local/cuda-12.4/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-12.4/lib64, or, add /usr/local/cuda-12.4/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-12.4/bin
To uninstall the NVIDIA Driver, run nvidia-uninstall
Logfile is /var/log/cuda-installer.log

安装完成后，使用 nvidia-smi 指令查看版本：

Mon Jun  9 12:05:27 2025       
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 550.54.14              Driver Version: 550.54.14      CUDA Version: 12.4     |
|-----------------------------------------+------------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|                                         |                        |               MIG M. |
|=========================================+========================+======================|
|   0  Tesla T4                       Off |   00000000:00:0D.0 Off |                  Off |
| N/A   57C    P0             28W /   70W |       0MiB /  16384MiB |      7%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+
                                                                                         
+-----------------------------------------------------------------------------------------+
| Processes:                                                                              |
|  GPU   GI   CI        PID   Type   Process name                              GPU Memory |
|        ID   ID                                                               Usage      |
|=========================================================================================|
|  No running processes found                                                             |
+-----------------------------------------------------------------------------------------+

---

安装 Miniconda

mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm -rf ~/miniconda3/miniconda.sh

安装完成后，建议新建一个 Python 虚拟环境，命名为 deepseek。

conda create -n deepseek python=3.13

# 激活环境
conda activate deepseek 

之后每次使用需要激活此环境。

安装 Python 依赖软件包

pip install -r requirements.txt

配置 DeepSeek API Key

根据你使用的命令行工具，在 ~/.bashrc 或 ~/.zshrc 中配置 DEEPSEEK_API_KEY 环境变量：

export DEEPSEEK_API_KEY="xxxx"

安装和配置 Jupyter Lab

上述开发环境安装完成后，使用 Miniconda 安装 Jupyter Lab：

conda install -c conda-forge jupyterlab

使用 Jupyter Lab 开发的最佳实践是后台常驻，下面是相关配置（以 root 用户为例）：

# 生成 Jupyter Lab 配置文件，
jupyter lab --generate-config

打开上面执行输出的jupyter_lab_config.py配置文件后，修改以下配置项：

c.ServerApp.allow_root = True # 非 root 用户启动，无需修改
c.ServerApp.ip = '*'

使用 nohup 后台启动 Jupyter Lab

$ nohup jupyter lab --port=8000 --NotebookApp.token='替换为你的密码' --notebook-dir=./ &

Jupyter Lab 输出的日志将会保存在 nohup.out 文件（已在 .gitignore中过滤）。

安装 Docker 和 Docker Compose（用于 Ollama, Dify, LangBot 等私有化部署）

详见文档!Ubuntu 安装 Docker 和 Docker Compose 指南

贡献

贡献是使开源社区成为学习、激励和创造的惊人之处。非常感谢你所做的任何贡献。如果你有任何建议或功能请求，请先开启一个议题讨论你想要改变的内容。

许可证

该项目根据Apache-2.0许可证的条款进行许可。详情请参见LICENSE文件。