DeepSeek 把 App 里的联网搜索、抓取、文件解析、OCR、语音能力一起放进了 API,开发者不必再自己拼一套胶水代码。门槛没有消失,只是从工具接入换成了调用成本、数据边界、错误处理和内容安全责任。

过去接入 DeepSeek API,开发者通常要自己拼一套“应用能力”:模型负责回答,搜索交给外部服务,文件要单独解析,网页要另写抓取器,语音还要再接 ASR 和 TTS。真正难的不是发出一次请求,而是把这些工具的结果稳定地拼回上下文。
DeepSeek 这次把 App 里的多项能力直接放进 API。deepseek-flash 在 Messages、Responses 和 Chat Completions 接口下支持联网搜索、深度思考搜索、文件输入、阅读链接和安全校验;Search、Fetch、OCR、ASR、TTS 等底层能力也可以独立调用或组合调用。
这让“1:1 复刻 DeepSeek App”从一个需要大量胶水代码的项目,变成了一个 API 编排问题。但门槛没有消失,只是从工具接入转移到了调用成本、数据边界、错误处理和内容安全责任。
API 终于开始承载完整的交互链
这次更新最重要的变化,不是多了几个参数,而是服务端接管了工具调用和上下文拼接。开发者不必再手动判断什么时候搜索、什么时候抓取网页、如何把 PDF 文字塞回对话,也不必为每个工具维护一套独立的状态机。
目前开放的能力可以按三种方式理解:
| 能力 | 触发方式 | 适合的工程场景 |
|---|---|---|
| 联网搜索 | 非思考模式开启 deepseek_web_search | 快速查资料、返回网页或图片引用 |
| 深度思考搜索 | 思考模式开启同一搜索工具 | 多步检索、阅读链接并综合判断 |
| 文件输入 | 上传 PDF、Office、图片 | 文档问答、图文混排解析、资料审阅 |
| 阅读链接 | 开启 deepseek_read_url | 抓取用户消息中的网页并结合上下文回答 |
| 模型安全 | 开启安全校验参数 | 输入输出风控、命中风险时返回拒答标识 |
文件输入支持纯文本提取和图文混排解析,这意味着应用不必先把每份文件转换成一套自己的文本格式。阅读链接则把抓取、清洗和对话结合起来,适合做研究助手、知识库问答或带引用的分析页面。
但“服务端自动拼接”不等于开发者可以不管上下文。你仍然需要决定哪些工具能被某类用户调用、文件是否允许离开当前租户、搜索结果是否要展示引用、网页抓取失败时如何提示,以及一个任务最多允许模型发起多少次工具调用。
深度思考搜索和普通搜索不是同一个开关
非思考模式下,模型可以通过 deepseek_web_search 自动发起网页或图片搜索,并附带引用作答。思考模式下,同一个工具可以参与多步推理,模型会自主联网搜索和阅读链接。
这两种模式的差异,直接影响延迟和成本。普通搜索更像“先查一次再回答”,深度思考搜索则可能形成“检索 – 阅读 – 追问 – 再检索”的链路。对于需要快速返回的客服、搜索框和摘要卡片,默认启用深度思考可能得不偿失;对于研究报告、竞品分析和需要交叉验证的任务,多步搜索才有价值。
建议把搜索策略显式分成三档:
- 低延迟:只允许一次搜索,要求返回引用和简短结论。
- 标准分析:允许搜索与阅读链接,但限制最大工具调用次数。
- 深度研究:允许多轮检索,保存搜索轨迹、引用集合和最终摘要。
这样做的好处是,模型能力和产品承诺可以对应起来。用户选择“快速回答”时,系统不会偷偷启动一条昂贵的研究链路;用户选择“深度分析”时,也能看到结果来自哪些资料。
文件输入降低了接入门槛,却提高了数据治理要求
PDF、Office 和图片可以直接进入对话上下文,对开发者来说很方便,但也带来了三个容易被低估的问题。
第一是文件生命周期。上传文件保存多久、是否进入日志、是否参与后续会话,都应该有清晰策略。临时合同、客户名单和内部报表不应因为一次问答而长期留在默认存储里。
第二是解析不等于理解。扫描件 OCR 可能把金额、日期、表格列识别错;复杂 PDF 的页眉页脚、脚注和多栏排版也可能破坏上下文。关键字段需要在回答前展示解析结果或允许用户校对,不能把模型输出直接当作原始文件的精确转录。
第三是权限传递。一个用户有权限查看文件,不代表模型生成的摘要可以被转发给所有人。应用层需要把文件权限、会话成员、导出权限和引用展示分开处理。

工具调用单独计费,成本模型要从 Token 扩展到任务
这次 API 收费分成两部分:模型 Token 费用之外,工具调用另行计费。文字与图片搜索、网页抓取均为 5 元/千次,文字识别为 1.5 元/千页,语音识别为 0.39 元/小时,语音合成为 1.5 元/万字符;两项语音能力当时处于限时五折。
这意味着“模型很便宜”不再等于“整个任务很便宜”。一个看似简单的文件问答,可能包含文件解析、数次搜索、网页抓取和多轮生成。成本核算应从单次请求改成任务级账单:
| 成本项 | 需要记录的字段 |
|---|---|
| Token | 输入、输出、思考过程和模型版本 |
| 搜索/抓取 | 工具类型、调用次数、是否重试 |
| OCR | 文件页数、重复解析次数 |
| 语音 | 音频时长、字符数、转写和合成方向 |
| 编排 | 总耗时、失败步骤、人工接管次数 |
产品层可以为不同任务设置预算:普通问答只允许一次搜索和一次文件解析,研究任务才开放多步检索;当工具费用或 Token 消耗超过阈值时,暂停并让用户确认。没有这层预算,用户的一句“再查几个来源”就可能变成无法预测的长链路。
安全校验不是接入后的可选装饰
DeepSeek 提供安全校验参数,对模型输入和输出做基础风控,命中风险时返回拒答标识。面向外部用户提供服务时,开发者还需要承担内容安全审核、大模型登记和 AI 标识等义务。
工程上不要把安全校验只放在模型请求这一层。应用还应记录:用户是谁、上传了什么、调用了哪些工具、工具返回了什么、最终输出是否经过人工或规则审核。尤其是搜索、阅读链接和文件输入组合后,模型看到的信息范围会显著扩大,单次输出审核无法覆盖数据流全程。
一个可执行的最小安全链可以是:上传前做文件类型和大小检查,工具调用前做租户与权限检查,结果回填前做内容清洗,生成后做风险分类和引用检查,最终展示前保留可追踪的任务 ID。模型返回拒答时,应用应把它当成一种状态,而不是简单重试同一个请求。
如何设计一套接近 DeepSeek App 的产品架构
新版 API 已经提供了能力底座,但产品体验仍需要开发者自己组织。可以把系统拆成五层:
- 会话层:保存消息、文件引用、搜索引用和工具调用状态。
- 路由层:根据任务类型选择普通搜索、深度搜索、文件解析或语音链路。
- 工具层:封装 Search、Fetch、OCR、ASR、TTS,并统一超时和重试。
- 安全层:做身份、租户、文件、内容和导出权限检查。
- 观测层:记录延迟、成本、失败原因、引用质量和用户反馈。
官方还提供了基于新版 API 构建的轻量前端 Demo,并支持导入 DeepSeek 历史对话。它适合用来验证接口组合和交互流程,但生产环境仍要补齐密钥管理、限流、缓存、审计和数据删除策略。
国内开发者如果希望把多模型或 API 接入统一到现有工作流,可以了解 [Code80]https://code.ai80.vip/home 这类渠道;但 DeepSeek 的工具调用、数据合规、调用预算和安全审核仍应由应用方自己负责。
常见问题
这次更新能直接复刻 DeepSeek App 吗?
可以复刻主要交互能力,但“1:1”不等于零开发。会话管理、权限、错误处理、成本预算、引用展示和安全审核仍需要应用方完成。
普通搜索和深度思考搜索怎么选?
低延迟问答优先普通搜索;需要多步检索、阅读链接和交叉验证的研究任务,再开启思考模式,并设置工具调用上限。
文件输入是否等于准确理解 PDF?
不是。文件解析可能受扫描质量、表格布局和多栏排版影响。关键数字和合同条款应保留原文定位,并允许用户复核。
工具调用为什么要单独计费?
搜索、网页抓取、OCR 和语音都消耗独立的计算或外部服务资源。任务成本应把这些调用和模型 Token 一起核算。
对外提供服务必须开启安全校验吗?
原文建议对外服务务必开启,并承担内容安全审核、大模型登记和 AI 标识等义务。实际上线还需要结合业务和监管要求完善安全链路。
国内团队如何接入新版能力?
可以通过 Code80 等 API 渠道减少接入摩擦,但文件权限、工具预算、日志审计和安全校验仍需由团队自行配置。
本文由人人都是产品经理作者【易安说AI】,微信公众号:【易安说AI】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。
题图来自 Unsplash,基于 CC0 协议



