最近做的企微二开公司选了 DeepSeek 作为大模型引擎——成本比 GPT 低、中文理解好、推理能力强。要把 DeepSeek 接到企微机器人里客户问问题机器人能基于 DeepSeek 回答还能调企微接口查数据、发消息。和之前聊的大模型工具接入不同那篇重点是通用工具调用范式这篇重点是 DeepSeek 这个具体模型怎么接入——模型选型、API 调用、工具映射、成本控制。把调了哪些接口记下来。底层用的是Eyun 平台开放的企微 API统一 POSTJSON鉴权用 App Token 加 appidAuthorization: Bearer eyk_xxxx路径{BASE_URL}/wx-api/api/模块/动作响应封套{code, data, detail, message, time}code 为 0 成功。DeepSeek 模型选型DeepSeek 有几个版本选型按场景deepseek-chat通用对话成本低适合客服问答deepseek-reasoner推理增强适合复杂决策退款判断、客户分级deepseek-coder代码生成适合技术场景企微客服场景用 deepseek-chat 为主复杂决策用 deepseek-reasoner。不要全用 reasoner——成本是 chat 的 5 倍客服问答没必要。消息接收Webhook 收客户消息客户发消息Webhook 回调到后端from flask import Flask, request app Flask(__name__) app.route(/wx-api/webhook/, methods[POST]) def webhook(): event request.headers.get(X-Eyun-Event) if event ! message: return ok payload request.json[data] appid payload[appid] from_uin payload[fromUin] content payload[content] # 转给DeepSeek处理 reply call_deepseek(appid, from_uin, content) # 调企微接口发回复 send_text(appid, from_uin, reply) return ok回调机制在 Eyun 平台开发文档里有完整说明。DeepSeek API 调用调 DeepSeek 的 API和调 OpenAI 格式类似import requests DEEPSEEK_API https://api.deepseek.com/v1/chat/completions DEEPSEEK_KEY sk-xxxx def call_deepseek(appid, from_uin, content): messages [ {role: system, content: 你是企业微信客服助手}, {role: user, content: content} ] resp requests.post( DEEPSEEK_API, headers{Authorization: fBearer {DEEPSEEK_KEY}}, json{ model: deepseek-chat, messages: messages, tools: TOOL_DEFS, # 工具定义 max_tokens: 1000, temperature: 0.3 }, timeout30 ) result resp.json() # 如果要调工具 if result.get(tool_calls): return handle_tool_calls(appid, from_uin, result[tool_calls], messages) return result[choices][0][message][content]temperature设 0.3——客服场景要稳定不要发散。max_tokens设 1000 防止回复太长。超时 30 秒DeepSeek 偶尔慢。工具调用映射到企微接口DeepSeek 输出工具调用映射到企微接口执行BASE https://api.eyun.com HEADERS {Authorization: Bearer eyk_xxxx, Content-Type: application/json} def handle_tool_calls(appid, from_uin, tool_calls, messages): for call in tool_calls: if call[name] query_customer: result query_customer(appid, call[arguments][keyword]) elif call[name] get_history: result get_history(appid, from_uin, limit10) # 把工具结果给DeepSeek继续生成 messages.append({role: tool, content: str(result)}) # 再调一次DeepSeek拿最终回复 resp requests.post(DEEPSEEK_API, headers{Authorization: fBearer {DEEPSEEK_KEY}}, json{model: deepseek-chat, messages: messages}) return resp.json()[choices][0][message][content] def query_customer(appid, keyword): resp requests.post( f{BASE}/wx-api/api/contact/phoneNumberSearch, headersHEADERS, json{appid: appid, phone: keyword} ) return resp.json()[data]DeepSeek 不直接调企微接口所有接口调用在后端控制能加权限和日志。接口路径在开发文档。客户历史消息调消息接口DeepSeek 要上下文调消息接口拉历史def get_history(appid, conversation_id, limit10): resp requests.post( f{BASE}/wx-api/api/message/getHistoryMessageList, headersHEADERS, json{appid: appid, conversationId: conversation_id, limit: limit} ) return resp.json()[data][list]历史消息作为 DeepSeek 的上下文让模型知道之前聊了什么。回复发送调 sendTextdef send_text(appid, to_uin, content): requests.post( f{BASE}/wx-api/api/message/sendText, headersHEADERS, json{appid: appid, to: to_uin, content: content} )成本控制DeepSeek 按 token 计费要控制成本def call_deepseek_budget(appid, from_uin, content): # 查今天这个客户花了多少token today_usage token_store.today_usage(from_uin) if today_usage 50000: # 单客户单日上限5万token return 今日咨询次数已达上限请联系人工客服 result call_deepseek(appid, from_uin, content) # 记录token消耗 token_store.record(from_uin, result[usage][total_tokens]) return result[reply]不做成本控制一个客户反复问token 烧到天价。单客户单日设上限超了转人工。关于多账号管理和接口调用在Eyun 企业微信 API 平台有说明。写在最后接入 DeepSeek 这套东西本质是把 DeepSeek 的 API 和企微接口串起来——Webhook 收消息、DeepSeek 理解和生成、工具调用映射到企微接口执行、sendText 发回复。模型选型按场景、成本控制按上限。把模型选对、工具映射做准、成本控制做严DeepSeek 真正通过企微落地业务。