前言
DeepSeek的能力有目共睹，但是最近对话服务由于一些外部原因经常出现无法响应的情况，用起来不是很顺畅。作为一个工程师，今天我们尝试通过一些免费资源快速搭建一个自用的DeepSeek。
开发软件毋庸置疑是
Cursor，只有不断使用，我们才能更加准确的把握它的能力范围。模型的话直接采用
Gitee AI提供的Serverless API，重要的是，每个账号每天有100次免费使用机会。
前置知识
Gitee AI
“Gitee AI 的 Serverless API 为您提供开箱即用的企业级的大模型 API 服务。”
Gitee AI 提供模型体验、推理、微调、部署和应用的一站式服务，支持便捷的Serverless API方式，也支持模型部署方式，同时，还支持很多国产硬件平台，大家有需要可以上去看看。
其中Serverless API每个模型可以在线体验，也有demo代码直接使用。
Streamlit
Streamlit是一个开源的Python框架，工程师只需几行代码即可用它构建交互式数据应用，支持实时交互，无需前端知识。
实操
初始化
安装python3.12。 创建项目文件夹。 使用 Cursor打开文件夹。个人喜欢使用python的虚拟环境隔离各个应用的python环境， Ctrl+Shift+P创建虚拟环境。
整理需求（提示词）
需要注意以下几点：
技术栈（streamlit、openai及版本） Gitee AI接口Cursor不一定了解，可以通过demo告知 DeepSeek和普通对话模型不同的地方是需要显示思考过程
使用Streamlit帮我实现一个类似ChatGPT的智能对话助手。
前端需要注意响应内容应该区分思考过程和最终结果。
后端模型采用GiteeAI的Serverless API，示例代码如下：
---
from openai import OpenAI
client = OpenAI(
base_url="https://ai.gitee.com/v1",
api_key="XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX",
default_headers={"X-Failover-Enabled":"true","X-Package":"1910"},
)
response = client.chat.completions.create(
model="DeepSeek-R1-Distill-Qwen-7B",
stream=True,
max_tokens=2048,
temperature=0.6,
top_p=0.8,
extra_body={
"top_k": 20,
},
frequency_penalty=1.1,
messages=[
{
"role": "system",
"content": "You are a helpful and harmless assistant. You should think step-by-step."
},
{
"role": "user",
"content": "Can you please let us know more details about your "
}
],
)
---
依赖：
streamlit==1.41.1
openai==1.61.0
Gitee AI 的Serverless API demo：
Cursor生成
该章节所有内容都是与Cursor协同完成。
初步生成
在Cursor Composer模式下，使用以上提示词进行生成。
上图中可以看到，已经按照我们要求进行生成了，下图则是总结生成代码并给出后续建议。
按照Cursor给出的后续步骤进行执行。
安装依赖。 设置Gitee AI Key。 运行。
初版运行效果
运行后的界面如下：
拿一个问题测试下。
问题：
作为小学生家长，应该如何培养孩子学习的习惯。
结果：
界面优化
思考过程有明显标识，优化显示效果。
提示词：
响应结果中思考过程通过<think></think>进行分隔，请针对思考过程设置背景颜色进行明显区分。
生成结果：
修改效果：
总结
借助Cursor和Gitee AI，整个过程非常顺利。
强调几个地方：
不要期望Cursor自己完成全部任务，比如创建虚拟环境、设置依赖版本，还是手动比较高效，可以指定自己熟悉的版本。尤其是python依赖版本，我碰到过几次Cursor给出的版本都不是最新的，建议提前设置好。 提示词中如果需要调用特有的接口，可以提供demo代码，或者文档链接进行校正。
