Membangun chatbot coding dengan DeepSeek R1

Bekerja dengan DeepSeek di Python

James Chapman

Curriculum Manager, DataCamp

Pendekatan saat ini

Semua input dan output disimpan untuk dikirim pada pesan berikutnya.

Masalah pada penalaran

Keluaran penalaran berisi pemikiran dan jawaban akhir.

Masalah pada penalaran

Praktik terbaik menyarankan input penalaran harus singkat.

Masalah pada penalaran

Menyimpan pemikiran dalam riwayat percakapan menaikkan biaya, waktu proses, dan bisa menurunkan kinerja.

Pendekatan penalaran

Memangkas bagian pemikiran dari keluaran model pertama.

Pendekatan penalaran

Memangkas bagian pemikiran dari keluaran model kedua.

Memangkas pemikiran

Ekstrak token pemikiran

import re

match = re.search(r'<think>(.*?)<\/think>', response_content, re.DOTALL)
think_content = match.group(1).strip()
print(think_content)

Hapus token pemikiran

final_response = re.sub(r'<think>[\s\S]*?<\/think>\s*', '', response_content, re.DOTALL)
print(final_response.strip())

Membuat chatbot penalaran

Pesan "system" sebaiknya tidak digunakan dengan model penalaran

messages = []
user_msgs = [code_to_debug, follow_up]

for q in user_qs:
    user_dict = {"role": "user", "content": q}
    messages.append(user_dict)

    response = client.chat.completions.create(model="deepseek-ai/DeepSeek-R1", messages=messages)


    final_response = re.sub(r'<think>[\s\S]*?<\/think>\s*', '', response.choices[0].message.content, re.DOTALL)
    assistant_dict = {"role": "assistant", "content": final_response.strip()}

    messages.append(assistant_dict)

Ayo berlatih!

Bekerja dengan DeepSeek di Python