山东大学软件学院创新实训——MarketClaw（一）：DeepSeek API 实战——从环境配置到营销场景测试

2401_83356673 · 2026-04-19 01:17:15 发布

MarketClaw 的核心目标是：用户通过飞书/QQ 聊天即可完成商品营销全流程。其中 Skill1（商品分析与文案生成） 和 Skill3（情感分析+自动回复） 直接依赖大模型能力。具体需求包括：

在对比了 GPT-4、文心一言、通义千问等模型后，选择 DeepSeek 作为底座，理由如下：

维度	DeepSeek 优势
成本	输入 2元/百万 tokens，输出 3元/百万 tokens，成本相比其他模型较低
中文能力	原生中文预训练，对小红书“种草”风格文案生成效果自然
JSON 模式	支持 `response_format` 强制输出合法 JSON，便于解析
流式响应	支持 `stream: true`，适合飞书机器人打字机效果
兼容性	API 完全兼容 OpenAI 格式，生态工具可直接复用

本文记录了我从零搭建测试环境、解决 Windows 执行策略问题、验证 DeepSeek API 在营销场景下的实际表现，并为 Skill1 沉淀了可复用的提示词模板。

bash

mkdir marketclaw_api_test
cd marketclaw_api_test
python -m venv venv
.\venv\Scripts\Activate.ps1   # Windows PowerShell

遇到问题：首次运行 Activate.ps1 时提示“无法加载脚本，因为在此系统上禁止运行脚本”。

原因：Windows 默认执行策略为 Restricted，不允许运行本地 PowerShell 脚本。

解决方案：参考 AI 建议，在管理员 PowerShell 中执行：

powershell

Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser -Force

输入 Y 确认后，重新激活虚拟环境成功（命令行前出现 (venv) 标志）。

bash

pip install requests python-dotenv

在 DeepSeek 平台注册账号，进入 API Keys 页面，点击“创建 API Key”，复制生成的密钥。

在项目根目录创建 .env 文件中，写入（为防止密钥泄露，因此使用x代替具体字符）：

DEEPSEEK_API_KEY=sk-xxxxxxxxxxxxxxx

编写 test_deepseek.py，包含 5 个关键测试用例。以下为核心代码片段（完整代码已上传至 Gitee）。

验证 API 连通性。输入“用一句话介绍 Python”，输出：

text

Python是一种简洁易读、功能强大的高级编程语言，广泛应用于数据分析、人工智能和Web开发等领域。

设置 stream=True，实现“打字机效果”。输入“从1数到5，用逗号分隔”，输出：

text

1, 2, 3, 4, 5

这对 MarketClaw 的飞书机器人交互体验至关重要。

System Prompt：

text

你是一个商品信息提取专家。请从用户输入中提取商品名称、品类、核心卖点，并以JSON格式输出。
示例输出：{"商品名称": "xxx", "品类": "xxx", "核心卖点": ["卖点1", "卖点2"]}

用户输入：“这款运动手表支持心率监测和GPS定位，续航7天，防水50米”

DeepSeek 返回（temperature=0.1）：

json

{
  "商品名称": "运动手表",
  "品类": "智能穿戴设备",
  "核心卖点": ["心率监测", "GPS定位", "续航7天", "防水50米"]
}

分析：输出完全符合要求，字段完整，准确率 100%（初步测试1个商品）。任务书中要求的“商品信息提取准确率 ≥95%”具备可行性。

System Prompt：

text

你是一个小红书营销文案专家。请根据商品信息生成一篇种草文案，输出JSON格式，包含：标题（15字内）、正文（100字左右）、话题标签（3-5个）。

同一商品输入，分别测试 temperature=0.3 和 temperature=0.8：

参数	标题	正文风格	话题标签
0.3	智能运动手表，健康生活好帮手	偏实用描述	[智能运动手表, 健康生活, 运动装备, 科技好物, 防水手表]
0.8	智能运动手表，健康生活好帮手	与0.3相似，略调整措辞	[智能运动手表, 心率监测, GPS定位, 7天续航, 防水设计]

观察：低温度输出更保守，高温度创意提升有限。后续将尝试调整提示词（如增加“活泼、口语化”要求）或使用更高 temperature（如1.0）以增强差异。

提示词模板沉淀
将测试通过的 system prompt 整理为 Markdown 文件，上传至 Gitee 仓库的 prompts/ 目录，供团队复用。
参数建议
- 商品信息提取：temperature=0.1，max_tokens=300，强制 JSON 模式
- 文案生成：temperature=0.6-0.8，max_tokens=500，可关闭 JSON 模式以获得更自然表达
下一步工作
本次验证了 DeepSeek 能够满足项目需求，后续将直接基于这些模板开发 Skill1 的业务逻辑，无需重复调参。