DeepSeek中的自学应用参数配置理解：
model="deepseek-flash",
选哪个模型。 这里用的是 DeepSeek 的 Flash 版，特点是快、便宜，适合日常对话、简单任务。它默认是思考模式，模型会先"想"再答，思考过程也会占 token 计费。如果你不需要思考、只想快速出结果，可以通过切换 Chat 模型不会思考，直接输出，自学自研更省钱。
messages=[
{"role": "system", "content": "写一句关于夏天奶茶的宣传语，15-20个字以内，不要加引号"},
],
给模型下指令。 system 角色相当于"设定规则的人"，告诉模型你要它干什么。这里就是让它写一句奶茶宣传语，字数控制在15-20字，别加引号。
temperature=1,
控制模型"放飞"的程度。 值越大越有创意、越随机；值越小越保守、越稳定。1 是默认值，属于正常发挥，不太死板也不太飘。
top_p=0.5,
控制模型选词的范围大小。 可以理解为"候选词池子"的大小：0.5 表示只从概率最高的前50%候选词里挑，输出会比较集中、变化少；1.0 则放开所有限制，输出更多样。一般默认 0.9 左右，你这里设 0.5 会让输出偏保守。
💡
temperature和top_p都影响随机性，通常只调其中一个就好，两个同时压低会让输出非常死板。
max_tokens=20,
限制模型最多输出多少个 token。 这里设了 20，对应你的"15-20个字以内"需求。token 不完全等于汉字（中文大约1-2字=1 token），所以这个值要留点余量。
stop=["语言"],
停止序列。 告诉模型：一旦你生成的内容里出现了 "语言" 这两个字，立刻停笔，后面的别写了。适合用来强制截断不想要的内容。
stream=True,
流式输出。 设为 True 后，模型会像打字机一样逐字往外吐，用户能实时看到生成过程，体验更好；设为 False 则要等全部生成完才一次性返回。
一句话总结
这段配置就是：用 Flash 模型，让它写一句奶茶宣传语，输出控制在20个token以内，遇到"语言"就停，打字机式实时返回，创意程度中等偏保守。
代码完整实例：
# Please install OpenAI SDK first: `pip3 install openai`
# dotenv
import os
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv()
client = OpenAI(
api_key=os.environ.get('DEEPSEEK_API_KEY'),
base_url=os.environ.get('DEEPSEEK_BASE_URL'),
)
def slogan():
response = client.chat.completions.create(
# 如果写flash 默认思考模式，思考占用了token长度 chat不是思考模式
model="deepseek-flash",
messages=[
{"role": "system", "content": "写一句关于夏天奶茶的宣传语，15-20个字以内，不要加引号"},
],
#温度参数 越小越聚合 越大越分散多样性 一般默认1
temperature=1,
# 模型选词的范围 核采样 （0-1]范围 值越小输出变化雷同，1.0输出多样
top_p=0.5,
# 限制输出的长度
max_tokens=20,
# stop=["\n"] 停止序列
stop=["语言"],
# 流式输出
stream=True
)
return response.choices[0].message.content.strip()
