本文围绕 DeepSeek 接入 Dify 的完整流程，讲解密钥获取、模型配置、应用编排与调试发布，帮助 AI 指导老师快速搭建智能教学助手。 在 AI 指导老师的工作流中，Dify 承担的是应用编排层角色，它把模型调用、知识库检索、变量处理和多轮对话封装成可视化流程，而 DeepSeek 则提供底层推理与生成能力。把两者接通并不只是填一个 API Key，还涉及模型选型、教学提示词、知识库切分、成本控制和数据合规。对于需要批量服务学生、教研组或在线课程的团队来说，按步骤完成模型接入，才能让后续的智能答疑、作业辅导和学情分析真正稳定运行。
1. 课前准备：账号、密钥与模型选型
接入前需要先完成 DeepSeek 开放平台的账号准备。进入 DeepSeek 开放平台后，完成实名认证并确认账户余额，然后在 API Keys 页面创建密钥。新建的 API Key 通常只在创建时完整显示一次，关闭页面后无法再次查看，因此要立即保存到安全的密码管理工具或团队密钥库中。与此同时要记录官方接口地址，DeepSeek 兼容 OpenAI 格式，常用 Base URL 为 或 ，具体以 Dify 供应商配置要求为准。API Key 不应写入前端代码、公开仓库或聊天记录，Dify 保存后虽然会做一定遮掩，但团队仍应建立密钥轮换机制。
模型选型会直接影响 AI 指导老师的响应质量与成本。DeepSeek 平台常见的两个模型是 deepseek-chat 和 deepseek-reasoner，前者适合日常问答、知识检索、多轮对话和工具调用，后者更擅长数学推导、代码分析、复杂逻辑判断和长链条推理。教学场景中，概念解释、作业提示、课程答疑可以优先使用 deepseek-chat，竞赛题拆解、物理建模、学情归因等任务再切换到 deepseek-reasoner。需要特别留意的是，deepseek-reasoner 在部分版本中不支持 Function Calling，若 Dify 应用依赖工具节点或 Agent 能力，主模型应选择 deepseek-chat，把 reasoner 放在特定分支中处理复杂问题。
Dify 环境本身也要提前确认。云版 Dify 可以直接在模型供应商页面配置，社区版或私有化部署则需要检查服务器能否访问 DeepSeek 接口，Docker 环境还要确认 DNS、代理和防火墙策略没有拦截外部 HTTPS 请求。教育行业对数据敏感度较高，学生的姓名、学号、身份证号、家庭信息不应进入提示词或知识库，上传教材、习题和教案时也要做脱敏处理。准备阶段做得越细，后续接入和调试的返工就越少。
2. 在 Dify 模型供应商中添加 DeepSeek
登录 Dify 后，进入右上角头像下的设置页面，找到模型供应商选项。如果当前 Dify 版本已经内置 DeepSeek 供应商，直接选择 DeepSeek，填入刚才保存的 API Key，按需修改 Base URL，然后保存即可。保存后系统会拉取可用模型列表，通常可以看到 deepseek-chat 和 deepseek-reasoner。若版本较旧没有内置供应商，则选择 OpenAI-API-Compatible 作为通用入口，模型名称填写 deepseek-chat，API Key 填写 DeepSeek 密钥，Base URL 填写 ，模型类型选择 LLM，上下文长度按官方文档填写为 64K 或 128K，最大输出 token 可先设为 4096，后续再根据教学回答长度调整。
完成基础模型添加后，还要把 DeepSeek 设置为系统默认模型。Dify 的系统模型设置会决定新建应用、知识库问答和部分内置工具默认调用哪个模型，如果不设置，应用创建后可能仍然使用其他供应商，导致测试时出现计费混乱或响应风格不一致。建议至少添加两个模型条目，一个 deepseek-chat 用于常规对话，一个 deepseek-reasoner 用于推理分支。添加完成后点击测试按钮，若返回正常即表示连通；若出现 401 错误，优先检查 API Key 是否复制完整或是否已被删除；若出现 404，检查 Base URL 是否多了或少了 /v1；若出现 429，则可能是余额不足、并发限流或账户未完成实名。
在模型参数层面，AI 指导老师应用不需要把温度调得太高。DeepSeek 的 temperature 建议设在 0.2 到 0.5 之间，知识库问答和作业批改可更低，创意类课程设计可以略高。Top P 通常保持 0.9 左右，最大 token 要结合课堂场景控制，过短会导致解题步骤被截断，过长会增加成本并拖慢响应。Dify 的模型供应商页面还支持配置多个密钥或自定义模型名称，团队可以按教研组、学科或项目拆分不同 Key，便于后续统计用量和定位问题。
3. 构建 AI 指导老师应用与提示词编排
模型接通后，在 Dify 中创建 Chatflow 或 Agent 应用。以 AI 指导老师为例，建议先建立课程知识库，把课程标准、教材章节、例题解析、错题归因模板上传进去，分段长度可设为 500 tokens 左右，重叠 50 tokens，避免知识点被切断。然后在 Chatflow 中编排开始节点、知识检索节点、LLM 节点、条件分支和结束节点。开始节点接收学生问题、年级、学科和学生画像等变量，知识检索节点绑定对应知识库，Top K 可设为 3 到 5，分数阈值设在 0.4 到 0.6 之间，确保召回内容既不过于宽泛，也不至于完全找不到依据。
提示词是 AI 指导老师效果的核心。系统提示词可以写成：你是面向 {{grade}} 学生的 {{subject}} AI 指导老师，先判断学生问题属于概念不清、计算错误还是思路缺失，再决定回答策略；概念题用生活例子解释，计算题只给下一步提示，不直接给出完整答案；涉及知识库内容时标注来源，遇到超出范围的问题要说明局限并建议联系任课教师。输出格式可以要求使用简洁的 Markdown，分步骤但不啰嗦。温度和记忆轮数要配合教学场景，多轮辅导建议保留 8 到 10 轮上下文，超过后通过摘要节点压缩历史，避免 token 快速膨胀。
在实际编排中，可以用条件分支区分模型。常规问答、知识库检索和工具调用走 deepseek-chat，复杂数学推导、编程题分析和学情归因走 deepseek-reasoner。比如初二物理“轮船为什么能浮在水面”这个问题，知识检索先召回阿基米德原理和浮力条件，deepseek-chat 用排水体积和密度关系解释，再给出一个判断物体浮沉的提示；如果学生追问“如果船体漏水会怎样”，则进入推理分支，由 deepseek-reasoner 分析重力、浮力和平均密度变化。通过这种分工，既能保证回答质量，也能避免所有请求都调用高成本推理模型。
4. 测试发布、成本控制与故障排查
应用编排完成后，要用真实教学问题做一轮测试。测试集应覆盖概念解释、计算题、开放探究、越权请求和无关闲聊，观察 DeepSeek 是否按提示词约束回答，知识检索是否命中正确段落，复杂分支是否被正确触发。Dify 的日志与标注功能可以查看每次调用的输入、输出、token 消耗和耗时，发现回答偏离时，优先调整提示词、检索阈值和分段策略，而不是频繁更换模型。测试通过后，可以把应用发布为 WebApp、嵌入学校 LMS 的 iframe，或通过 Dify API 接入自有教务系统，发布时要设置访问权限，防止未授权用户消耗 API 额度。
成本控制要贯穿整个使用周期。DeepSeek 的 API 价格相对同级别模型较低，以公开价格为例，deepseek-chat 的输出成本通常在每百万 tokens 数元级别，deepseek-reasoner 更高，具体以平台最新价为准。AI 指导老师应把 deepseek-chat 作为默认模型，把 deepseek-reasoner 限制在数学、物理、编程等复杂分支；同时限制最大输出 token，知识库检索 Top K 不要盲目调大，长对话定期摘要，重复课程内容可利用缓存机制降低输入成本。团队还应按周查看 Dify 用量统计，发现某个应用 token 异常增长时，及时检查是否有提示词泄漏、循环调用或恶意刷量。
故障排查要形成固定路径。401 通常表示密钥无效或权限不足，404 多为 Base URL 或模型名称错误，429 需要检查余额、并发和限流策略，连接超时则要排查 Dify 服务器到 api.deepseek.com 的网络链路。若回答出现截断，检查最大 token 和上下文长度；若知识库答非所问，检查分段、嵌入模型和检索阈值；若推理分支响应过慢，确认是否误把常规问题路由到 deepseek-reasoner。把这些问题记录成团队内部的接入检查表，后续为新学科、新年级复制 AI 指导老师应用时，就能在较短时间内完成 DeepSeek 与 Dify 的稳定对接，并直接投入课堂答疑、课后辅导和教研支持。
