Pycharm接入本地部署deepseek

### 配置 PyCharm 连接本地部署的 DeepSeek #### 设置环境变量 为了使 PyCharm 能够访问本地部署的 DeepSeek，需先确保已成功安装并配置好 DeepSeek 环境。接着，在 PyCharm 中设置相应的环境变量以便顺利调用 DeepSeek API。 对于 Windows 用户来说，可以在系统的高级属性里添加新的系统变量 `DEEPSEEK_API_KEY` 并赋值为之前获得的 API Key[^1]；而对于 Linux 或 macOS 用户，则可以编辑 `.bashrc` 或者 `.zshrc` 文件加入如下命令： ```shell export DEEPSEEK_API_KEY='your_api_key_here' ``` #### 创建虚拟环境与依赖管理 推荐在项目根目录下新建一个名为 `.venv` 的虚拟环境用于隔离不同项目的包版本冲突问题。激活该虚拟环境之后再执行 pip install 命令来安装必要的库文件，比如 requests 库可以帮助简化 HTTP 请求操作过程中的编码工作量[^3]。 如果决定不采用第三方库而仅依靠 Python 自带的功能实现网络通信的话，那么就无需额外安装任何东西了。 #### 编写测试代码验证连接状态 编写一段简单的 Python 测试脚本来确认能否正常请求到 DeepSeek 提供的服务端口。这里给出基于 requests 库的一个例子作为参考： ```python import os import requests def check_connection(): api_endpoint = "http://localhost:8000/ping" headers = {"Authorization": f"Bearer {os.getenv('DEEPSEEK_API_KEY')}"} try: response = requests.get(api_endpoint, headers=headers) if response.status_code == 200 and 'Pong' in response.text: print("Successfully connected to local DeepSeek instance.") else: raise Exception(f"Failed with status code {response.status_code}") except Exception as e: print(e) if __name__ == "__main__": check_connection() ``` 这段代码会尝试向运行在同一台机器上的 DeepSeek 发送 ping 请求，并打印出成功的消息或者是失败的原因。 #### 整合 DeepSeek 到开发流程中 当上述准备工作都已完成并且能够稳定地同本地实例交互后，就可以考虑怎样把 AI 辅助功能融入日常编程活动中去了。这可能涉及到修改 IDE 插件配置或是调整某些特定工具链的工作流参数等具体措施[^2]。 例如，在使用 deepspeed 启动训练任务时，应该按照官方文档指示正确指定启动器名称以及附加的相关选项[^4]。