一分钟用Taro接入DeepSeek昨天一大早发现腾讯官方的小程序集成了DeepSeek，元宝也接入了DeepSeek，

昨天一大早发现腾讯官方的小程序集成了DeepSeek，元宝也接入了DeepSeek，之前一直想接入DeepSeek的api，但是官方服务器一直繁忙，这次终于来了个靠谱的，赶紧试用一下

一、查看官方文档

1、来到腾讯云官方，官方已经给了示例代码

tcb.cloud.tencent.com/dev?envId=c…

2、而且云开发官方直接内置了AI大模型功能，这下只要开通了云开发就能直接在小程序里使用，不需要安装其他多余的库了，非常棒！！！

二、初始化Taro项目

来到Taro官方，按这里指引就可以创建了，不多赘述了
执行命令，先安装 taro脚手架，npm install -g @tarojs/cli ，当然也可以用npx更简单

然后初始化模版 taro init myApp

接着快速安装一下依赖

然后就可以起项目了，用vscode打开，终端输入命令npm run dev:weapp，用微信开发者功能打开dist

三、获取云开发的环境Id

点击左上角云开发，如果是灰色，需要自行开通

复制拿到云开发id，接着开始代码部分

四、接入DeepSeek

我准备了一个非常简陋的模版做试用，上面一个简单的输入框，点击下方按钮发送消息，然后接收发来的消息，测试过了，速度非常快

这是模版代码

<View>
      <View>
        {messages.map((message, index) => (
          <View
            key={index}
            className={message.role === "user" ? "user" : "assistant"}
          >
            <Text>-{message.role}:</Text>
            <Text>{message.content}</Text>
          </View>
        ))}
      </View>
      <Input
        type="text"
        value={inputValue}
        placeholder="请输入内容"
        onInput={(e) => setInputValue(e.detail.value)}
      />
      <Button onClick={handleSend}>Send</Button>
    </View>

3. 这里我封装了一个utils文件，方便之后在别的地方调用

因为官方的typescript还没有更新extend，所以按照官方的方法会报类型错误，所以这里直接把Taro.cloud声明为any，当然按照官方也没有问题，类型报错不影响运行

接着我们创建DeepSeek模型，简单的调用一下生成文本大模型，接收用户消息，然后生成内容返回

混元模型也是同样的，这里是完整的util代码

import Taro from "@tarojs/taro";

export const initAIModel: any = (modelName = "hunyuan-exp") => {
  Taro.cloud.init({
    env: "cloud1-xxxx", // 需替换为实际使用环境 id
  });
  const cloud = Taro.cloud as any;
  console.log("initAI", cloud.extend);
  const AI = cloud.extend.AI;
  return AI.createModel(modelName); // 创建模型
}

export const HyAIModel = initAIModel();

export const getHyText = async ({content}:{content: string}) => {
  const res = await HyAIModel.generateText({
    model: "hunyuan-lite",
    messages: [{ role: "user", content }],
  });
  console.log(res);
  return res.choices[0].message
};

export const DsAIModel = initAIModel("deepseek");

export const getDsText = async ({content}:{content: string}) => {
  const res = await DsAIModel.generateText({
    model: "deepseek-r1",
    messages: [{ role: "user", content }],
  });
  console.log(res);
  return res.choices[0].message
};

7. 然后我们来到首页，先初始化，然后调用

import { DsAIModel, getDsText } from "@/utils/aiUtil";
import { Button, Input, Text, View } from "@tarojs/components";
import { useEffect, useState } from "react";

function TxaiChat() {
  const [messages, setMessages] = useState<any>([]);
  const [inputValue, setInputValue] = useState("");

  useEffect(() => {
    console.log("DsAIModel", DsAIModel);
  }, []);

  const handleSend = () => {
    if (inputValue.trim()) {
      setMessages([...messages, { content: inputValue, role: "user" }]);
      setInputValue("");
      // Simulate AI response
      getDsText({ content: inputValue }).then((res) => {
        console.log("getHyText", res);
        setMessages([
          ...messages,
          { content: inputValue, role: "user" },
          { ...res },
        ]);

        console.log("messages", messages);
      });
    }
  };

  return (
    <View>
      <View>
        {messages.map((message, index) => (
          <View
            key={index}
            className={message.role === "user" ? "user" : "assistant"}
          >
            <Text>-{message.role}:</Text>
            <Text>{message.content}</Text>
          </View>
        ))}
      </View>
      <Input
        type="text"
        value={inputValue}
        placeholder="请输入内容"
        onInput={(e) => setInputValue(e.detail.value)}
      />
      <Button onClick={handleSend}>Send</Button>
    </View>
  );
}

export default TxaiChat;

8. 最后我们测试一波，速度还是比较快的