1.对话补全（ChatCompletion）

适用场景：多轮对话、聊天机器人、交互式问答。

特点：

输入和输出以消息列表（messagelist）的形式组织，包含role（角色：system、user、assistant）。

模型会结合上下文进行回复，适合连续对话。

可以设定system指令来调整模型行为。

示例

请求：

response=client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role":"system","content":"你是一个乐于助人的助手。"},
{"role":"user","content":"Python如何读取文件？"}
]
)

的输出：

"在Python中，可以使用`open()`函数读取文件，例如：\npython\nwithopen(file.txt,r)asf:\ncontent=f.read()\n"

2.补全（Completion）

适用场景：单次文本生成，如续写文章、代码、摘要等。

特点：

输入是纯文本（没有角色区分），模型基于前面的内容继续生成。

适用于非对话式任务，如写作、代码补全等。

示例

请求：

response=client.completions.create(
model="deepseek-completion",
prompt="人工智能的未来发展趋势包括：",
max_tokens=100
)

的输出：

"人工智能的未来发展趋势包括：更强大的自然语言处理能力、AI与物联网（IoT）的深度融合、自主决策系统的广泛应用，以及AI在医疗、金融等领域的深入应用。"

3.FIM补全（Fill-in-Middle，中间填充补全）

适用场景：代码或文本的中间补全，如修复代码片段、填充缺失部分。

特点：

输入分为前缀（prefix）、后缀（suffix）和可选的中间部分（middle）。

模型会在中间位置生成合理的内容，适用于代码补全或文本修复。

示例

请求（假设我们想让模型补全____部分）：

response=client.fim_completions.create(
model="deepseek-fim",
prefix="deffactorial(n):\nifn==0:\nreturn1\n____",
suffix="\nprint(factorial(5))输出120"
)

的输出（补全____部分）：

"else:\nreturnn*factorial(n-1)"

终代码：

deffactorial(n):
ifn==0:
return1
else:
returnn*factorial(n-1)
print(factorial(5))输出120

总结对比

转载请注明：三五二萌文网 » DeepSeekAPI三种文本生成方式：对话补全ChatCompletion、补全Completion、FIM补全Fill-in-Middle的区别