【树莓派 Zero 2W】API 接入 DeepSeek 大语言模型
本文介绍了树莓派 Zero 2W 通过 API 协议接入 DeepSeek 大语言模型，实现终端 AI 对话的项目设计。
项目介绍
准备工作：硬件连接、系统安装、软件包部署等；
API 获取：DeepSeek 大语言模型 API 接口的获取和使用；
终端对话：通过 API 协议接入大语言模型并使用终端模式进行对话；
网页设计：设计前端网页，优化聊天界面。
准备工作
包括硬件连接、系统安装、软件包部署等。
硬件连接
连接 WiFi 实现无线网络通信；
使用 Micro-USB 数据线实现设备供电；
系统安装
Micro-SD 卡需烧录 RaspberryPi 官方操作系统；
软件包部署
安装大语言模型所需的 OpenAI 框架，以及网页服务器所需的 flask 库，终端执行
sudo apt install python3-openai sudo apt install python3-flask
API 获取
大语言模型（large language model，LLM）有种选择，这里选择 DeepSeek 并获取开发者 API 令牌。
DeepSeek API 使用与 OpenAI 兼容的 API 格式。
登录 DeepSeek 开放平台官网： https://platform.deepseek.com/
注册账号，进入 API Keys 标签页；
创建 API key，输入 API 名称；
复制 API 令牌（注意保存令牌）
测试
终端执行指令 touch api_deepseek.py 新建程序文件，并添加如下官方测试代码
import os
from openai import OpenAI
DEEPSEEK_API_KEY = "xxxxxxxxxxx" # API key
client = OpenAI(
api_key=DEEPSEEK_API_KEY,
base_url="https://api.deepseek.com") # LLM API website
response = client.chat.completions.create(
model="deepseek-r3", # change to target model
messages=[
{"role": "system", "content": "You are a helpful assistant"},
{"role": "user", "content": "Hello"},
],
stream=False
)
print(response.choices[0].message.content)创建 API 令牌后，使用脚本访问 DeepSeek API .
终端执行 python api_deepseek.py 指令，输出回复信息
若要更换其他模型，需修改 API 令牌、目标URL、模型名称等参数。
终端对话
调用 DeepSeek 大语言模型 API 接口实现终端模式下的智能对话。
代码
终端执行指令 python api_chat.py 新建程序文件，并添加如下流式代码
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import json, time, signal, sys, requests
API_KEY = "sk-4160dxxxxfa9f0xxxx684" # API Key
def ai_chat(prompt):
""" Send Message """
try:
r = requests.post(
"https://api.deepseek.com",
headers={"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"},
json={
"model": "deepseek-r3",
"messages": [
{"role": "system", "content": "Simple answer"},
{"role": "user", "content": prompt}
],
"temperature": 0.7,
"max_tokens": 200
},
timeout=10
)
return r.json()["choices"][0]["message"]["content"].strip() if r.status_code == 200 else f"Error: {r.stat>
except Exception as e:
return f"Request error：{e}"
# ------------- main ---------------
signal.signal(signal.SIGINT, lambda *_: print("\nExit") or sys.exit(0))
print("Agent | Input exit to move\n")
while True:
try:
user_input = input("RPi: ").strip()
if user_input.lower() in ['exit', 'quit']: break
if not user_input: continue
start_time = time.time()
reply = ai_chat(user_input)
print(f"AI: ({time.time()-start_time:.1f}s) {reply}\n")
except KeyboardInterrupt:
print("\nGoodbye！")
break
except Exception as e:
print(f"Error: {e}")保存代码。
效果
终端执行指令 python api_chat.py 运行程序；
终端输入语句即可进行对话
网页设计
这里给出了网页设计界面，实现聊天界面的 Web 访问，增强对话体验。
流程图
代码
包括 Web 前端和 flask 后端设计代码。
前端设计
终端执行 touch ./web/index.html 指令新建网页文件，并添加如下代码
<!doctype html>
<html>
<head>
<meta charset="utf-8">
<title>AI Chat LLM</title>
<style>
body{font-family:Arial,Helvetica,sans-serif;background:#f5f5f5;margin:0;padding:20px}
#box{max-width:600px;margin:auto;background:#fff;border-radius:8px;padding:20px;box-shadow:0 2px 8px rgba(0,0,0>
h2{text-align:center;margin-top:0}
#history{height:400px;overflow-y:auto;border:1px solid #ddd;padding:10px;margin-bottom:10px;background:#fafafa}
.line{margin:6px 0}
.user{color:#0066cc}
.ai{color:#009933}
#inputArea{display:flex}
#msgInput{flex:1;padding:8px;font-size:14px}
#sendBtn{padding:8px 16px;margin-left:6px}
</style>
</head>
<body>
<div id="box">
<h2>Chat AI LLM</h2>
<div id="history"></div>
<div id="inputArea">
<input id="msgInput" placeholder="Input messages, Enter to send"/>
<button id="sendBtn" onclick="send()">Send</button>
</div>
</div>
<script>
const hist = document.getElementById('history');
const input = document.getElementById('msgInput');
function addLine(cls, txt){
const div = document.createElement('div');
div.className = 'line '+cls;
div.textContent = txt;
hist.appendChild(div);
hist.scrollTop = hist.scrollHeight;
}
async function send(){
const msg = input.value.trim();
if(!msg) return;
addLine('user', 'RPi: '+msg);
input.value = '';
const res = await fetch('/chat', {method:'POST', body:new URLSearchParams({msg})});
const data = await res.json();
addLine('ai', 'AI: '+data.reply);
}
input.addEventListener('keydown', e=>{if(e.key==='Enter') send()});
</script>
</body>
</html>后端设计
后端程序修改
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import json, time, requests, signal, sys
from flask import Flask, send_from_directory, request, jsonify
API_KEY = "sk-4160dxxxx1480bxxxx9f0c2xxx7684" # API Key
MODEL_URL = "https://api.deepseek.com"
app = Flask(__name__)
# ---------- LLM connect ----------
def ai_chat(prompt: str) -> str:
try:
resp = requests.post(
MODEL_URL,
headers={"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"},
json={
"model": "deepseek-r3",
"messages": [
{"role": "system", "content": "Sample Answer"},
{"role": "user", "content": prompt}
],
"temperature": 0.7,
"max_tokens": 200
},
timeout=10
)
if resp.status_code == 200:
return resp.json()["choices"][0]["message"]["content"].strip()
return f"Error: HTTP {resp.status_code}"
except Exception as e:
return f"Request error: {e}"
# ---------- Route ----------
@app.route("/")
def index():
return send_from_directory("web", "index.html")
@app.route("/static/<path:filename>")
def web_static(filename):
return send_from_directory("web", filename)
@app.route("/chat", methods=["POST"])
def chat():
user_input = request.form.get("msg", "").strip()
if not user_input:
return jsonify({"reply": "input cannot empty"})
start = time.time()
reply = ai_chat(user_input)
return jsonify({"reply": f"({time.time()-start:.1f}s) {reply}"})
# ---------- Exit ----------
signal.signal(signal.SIGINT, lambda *_: print("\nExit") or sys.exit(0))
# ---------- Start ----------
if __name__ == "__main__":
print("Web server start http://127.0.0.1:5000")
app.run(host="0.0.0.0", port=5000, debug=False)保存代码。
效果演示
终端执行 python3 api_chat_web.py 指令，运行程序；
终端打印 Flask 服务器对应的网址信息；
在浏览器中输入服务器地址及端口，如 192.168.31.111:5000 进入目标 AI Chat 网页；
总结
本文介绍了树莓派 Zero 2W 通过 API 协议接入 DeepSeek 大语言模型，实现终端 AI 对话的项目设计，为相关产品在 AI 大语言模型领域的快速开发设计和应用提供了参考。
我要赚赏金
STM32
MCU
通讯及无线技术
物联网技术
电子DIY
板卡试用
基础知识
软件与操作系统
我爱生活
小e食堂
