DeepSeek 深度求索

简体中文

English

简体中文

English

Appearance

聊天前缀补全指南 ​

聊天前缀补全是 DeepSeek API 的一个强大功能，允许您为模型提供一个预设的回复开头，模型将基于这个前缀继续生成内容。这个功能在需要控制输出格式、风格或确保特定开头的场景中非常有用。

功能概述 ​

聊天前缀补全通过在消息中添加 prefix 参数来实现，模型会将这个前缀作为回复的开始，并在此基础上继续生成内容。

核心特性 ​

  • 格式控制: 确保输出以特定格式开始
  • 风格一致: 保持回复的风格和语调
  • 结构化输出: 生成结构化的响应内容
  • 模板填充: 基于模板生成内容
  • 创意引导: 为创意写作提供开头

基本用法 ​

Python 示例 ​

python
from openai import OpenAI

client = OpenAI(
    api_key="your-api-key",
    base_url="https://api.deepseek.com"
)

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "user", "content": "请介绍一下人工智能的发展历程"}
    ],
    prefix="人工智能的发展可以分为以下几个重要阶段：\n\n1. "
)

print(response.choices[0].message.content)

JavaScript 示例 ​

javascript
import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'your-api-key',
  baseURL: 'https://api.deepseek.com'
});

const response = await client.chat.completions.create({
  model: 'deepseek-chat',
  messages: [
    { role: 'user', content: '请介绍一下人工智能的发展历程' }
  ],
  prefix: '人工智能的发展可以分为以下几个重要阶段：\n\n1. '
});

console.log(response.choices[0].message.content);

cURL 示例 ​

bash
curl -X POST "https://api.deepseek.com/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer your-api-key" \
  -d '{
    "model": "deepseek-chat",
    "messages": [
      {
        "role": "user",
        "content": "请介绍一下人工智能的发展历程"
      }
    ],
    "prefix": "人工智能的发展可以分为以下几个重要阶段：\n\n1. "
  }'

应用场景 ​

1. 结构化输出 ​

确保输出遵循特定的结构格式：

python
# 生成结构化的产品评价
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "user", "content": "评价一下iPhone 15 Pro"}
    ],
    prefix="## 产品评价报告\n\n**产品名称**: iPhone 15 Pro\n\n**评分**: "
)

2. 代码生成 ​

为代码生成提供特定的开头：

python
# 生成Python函数
response = client.chat.completions.create(
    model="deepseek-coder",
    messages=[
        {"role": "user", "content": "写一个计算斐波那契数列的函数"}
    ],
    prefix="def fibonacci(n):\n    \"\"\"\n    计算斐波那契数列的第n项\n    \n    Args:\n        n (int): 要计算的项数\n    \n    Returns:\n        int: 斐波那契数列的第n项\n    \"\"\"\n    "
)

3. 创意写作 ​

为创意写作提供开头：

python
# 小说创作
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "user", "content": "写一个科幻小说的开头"}
    ],
    prefix="在2157年的一个雨夜，"
)

# 诗歌创作
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "user", "content": "写一首关于春天的诗"}
    ],
    prefix="春风轻抚大地，\n"
)

4. 技术文档 ​

生成标准化的技术文档：

python
# API 文档生成
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "user", "content": "为用户登录API写文档"}
    ],
    prefix="# 用户登录 API\n\n## 接口描述\n\n本接口用于用户身份验证和登录。\n\n## 请求方式\n\n`POST /api/auth/login`\n\n## 请求参数\n\n"
)

5. 数据分析报告 ​

生成标准化的分析报告：

python
# 数据分析报告
response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=[
        {"role": "user", "content": "分析这个月的销售数据：总销售额100万，同比增长15%"}
    ],
    prefix="# 月度销售数据分析报告\n\n## 执行摘要\n\n本月销售表现"
)

高级用法 ​

1. 多轮对话中的前缀 ​

在多轮对话中使用前缀来保持一致性：

python
def chat_with_prefix(messages, response_prefix):
    """带前缀的多轮对话"""
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=messages,
        prefix=response_prefix
    )
    return response.choices[0].message.content

# 对话历史
conversation = [
    {"role": "user", "content": "你是一个专业的医生，请介绍一下感冒的症状"}
]

# 第一轮对话
response1 = chat_with_prefix(
    conversation, 
    "作为医生，我来为您详细介绍感冒的症状：\n\n"
)

conversation.append({"role": "assistant", "content": response1})
conversation.append({"role": "user", "content": "那应该如何治疗呢？"})

# 第二轮对话，保持医生身份
response2 = chat_with_prefix(
    conversation,
    "关于感冒的治疗，我建议：\n\n"
)

2. 条件前缀 ​

根据不同条件使用不同的前缀：

python
def generate_response_with_conditional_prefix(user_input, output_format):
    """根据输出格式选择前缀"""
    
    prefixes = {
        "list": "以下是详细列表：\n\n1. ",
        "json": "```json\n{\n  ",
        "markdown": "# 回答\n\n",
        "code": "```python\n# ",
        "formal": "根据您的询问，我的专业回答如下：\n\n"
    }
    
    prefix = prefixes.get(output_format, "")
    
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[{"role": "user", "content": user_input}],
        prefix=prefix
    )
    
    return response.choices[0].message.content

# 使用示例
result = generate_response_with_conditional_prefix(
    "列出学习Python的步骤", 
    "list"
)

3. 模板化前缀 ​

使用模板来生成动态前缀：

python
def create_report_with_template(data, report_type):
    """使用模板生成报告前缀"""
    
    templates = {
        "sales": "# {date} 销售报告\n\n## 概述\n\n本报告分析了{period}的销售情况。\n\n## 关键指标\n\n",
        "technical": "# {title} 技术文档\n\n## 版本信息\n\n- 版本: {version}\n- 更新日期: {date}\n\n## 概述\n\n",
        "analysis": "# 数据分析报告\n\n**分析师**: {analyst}\n**分析日期**: {date}\n\n## 分析结果\n\n"
    }
    
    template = templates.get(report_type, "")
    prefix = template.format(**data)
    
    return prefix

# 使用示例
report_data = {
    "date": "2024年1月",
    "period": "第一季度",
    "title": "API设计指南",
    "version": "v1.0",
    "analyst": "张三"
}

prefix = create_report_with_template(report_data, "sales")

4. 流式输出与前缀 ​

在流式输出中使用前缀：

python
def stream_with_prefix(messages, prefix):
    """流式输出带前缀的响应"""
    
    stream = client.chat.completions.create(
        model="deepseek-chat",
        messages=messages,
        prefix=prefix,
        stream=True
    )
    
    print(prefix, end="", flush=True)  # 先输出前缀
    
    for chunk in stream:
        if chunk.choices[0].delta.content is not None:
            print(chunk.choices[0].delta.content, end="", flush=True)
    
    print()  # 换行

# 使用示例
stream_with_prefix(
    [{"role": "user", "content": "介绍一下机器学习"}],
    "## 机器学习简介\n\n机器学习是"
)

最佳实践 ​

1. 前缀设计原则 ​

python
# ✅ 好的前缀设计
good_prefixes = [
    "根据您的问题，我的回答是：\n\n",  # 清晰的开头
    "## 解决方案\n\n步骤1: ",  # 结构化格式
    "```python\ndef solution():\n    ",  # 代码格式
    "**重要提示**: ",  # 强调重点
]

# ❌ 避免的前缀设计
bad_prefixes = [
    "嗯，这个问题",  # 太随意
    "我觉得可能",  # 不确定的语气
    "",  # 空前缀没有意义
    "让我想想...",  # 拖沓的开头
]

2. 前缀长度控制 ​

python
def validate_prefix_length(prefix, max_length=100):
    """验证前缀长度"""
    if len(prefix) > max_length:
        print(f"警告：前缀过长 ({len(prefix)} 字符)，建议控制在 {max_length} 字符以内")
        return False
    return True

# 使用示例
prefix = "这是一个很长的前缀..."
if validate_prefix_length(prefix):
    # 使用前缀
    pass

3. 前缀与上下文的协调 ​

python
def create_contextual_prefix(user_message, conversation_history):
    """根据上下文创建合适的前缀"""
    
    # 分析用户消息类型
    if "代码" in user_message or "编程" in user_message:
        return "```python\n# "
    elif "列表" in user_message or "步骤" in user_message:
        return "以下是详细步骤：\n\n1. "
    elif "分析" in user_message:
        return "## 分析结果\n\n根据提供的信息，"
    else:
        return "根据您的询问，"

# 使用示例
user_input = "请写一个排序算法的代码"
prefix = create_contextual_prefix(user_input, [])

4. 错误处理 ​

python
def safe_prefix_completion(messages, prefix, fallback_prefix=""):
    """安全的前缀补全，包含错误处理"""
    
    try:
        response = client.chat.completions.create(
            model="deepseek-chat",
            messages=messages,
            prefix=prefix
        )
        return response.choices[0].message.content
    
    except Exception as e:
        print(f"前缀补全失败: {e}")
        
        # 使用备用前缀重试
        if fallback_prefix:
            try:
                response = client.chat.completions.create(
                    model="deepseek-chat",
                    messages=messages,
                    prefix=fallback_prefix
                )
                return response.choices[0].message.content
            except Exception as e2:
                print(f"备用前缀也失败: {e2}")
        
        # 最后尝试无前缀
        response = client.chat.completions.create(
            model="deepseek-chat",
            messages=messages
        )
        return response.choices[0].message.content

# 使用示例
result = safe_prefix_completion(
    [{"role": "user", "content": "介绍Python"}],
    "# Python 编程语言介绍\n\n",
    "Python 是"
)

性能优化 ​

1. 前缀缓存 ​

python
class PrefixCache:
    """前缀缓存管理"""
    
    def __init__(self):
        self.cache = {}
    
    def get_prefix(self, key, generator_func):
        """获取缓存的前缀或生成新的"""
        if key not in self.cache:
            self.cache[key] = generator_func()
        return self.cache[key]
    
    def clear_cache(self):
        """清空缓存"""
        self.cache.clear()

# 使用示例
prefix_cache = PrefixCache()

def get_code_prefix():
    return "```python\n# 以下是解决方案\n"

prefix = prefix_cache.get_prefix("code", get_code_prefix)

2. 批量处理 ​

python
def batch_prefix_completion(requests):
    """批量处理前缀补全请求"""
    
    results = []
    
    for req in requests:
        try:
            response = client.chat.completions.create(
                model=req.get("model", "deepseek-chat"),
                messages=req["messages"],
                prefix=req.get("prefix", "")
            )
            results.append({
                "success": True,
                "content": response.choices[0].message.content
            })
        except Exception as e:
            results.append({
                "success": False,
                "error": str(e)
            })
    
    return results

# 使用示例
requests = [
    {
        "messages": [{"role": "user", "content": "介绍Python"}],
        "prefix": "# Python 简介\n\n"
    },
    {
        "messages": [{"role": "user", "content": "写一个函数"}],
        "prefix": "def solution():\n    "
    }
]

results = batch_prefix_completion(requests)

常见问题 ​

Q: 前缀会计入 token 消耗吗？ ​

A: 是的，前缀会计入输出 token 的消耗。前缀越长，消耗的 token 越多。

Q: 前缀有长度限制吗？ ​

A: 前缀长度会占用模型的上下文窗口，建议控制在合理范围内（通常不超过几百个字符）。

Q: 可以在前缀中使用特殊格式吗？ ​

A: 可以，前缀支持 Markdown、代码块、JSON 等各种格式。

Q: 前缀与系统消息有什么区别？ ​

A: 系统消息用于设置模型的行为和角色，而前缀是直接作为回复的开头。

Q: 如何确保前缀与生成内容的连贯性？ ​

A: 设计前缀时要考虑语法和语义的连贯性，避免突兀的断句。

相关资源 ​

最后更新: 2025年1月27日

基于 DeepSeek AI 大模型技术

Copyright © 2025 DeepSeek | sitemap