用途：该技能用于把 DeepSeek 模型集成进应用，涉及 DeepSeek V3（通用）与 R1（推理/思维链）、OpenAI 兼容 API 配置、Ollama 本地部署、蒸馏模型选择、与 OpenAI 的成本对比，以及 Python/JavaScript 代码模式。
主要能力与选型：deepseek-chat 对应 V3，适合通用对话、代码和推理，128K 上下文，快且便宜；deepseek-reasoner 对应 R1，适合复杂推理、数学与科学，慢但更强。本地/私有部署可选 deepseek-r1-distill-qwen-32b、deepseek-r1-distill-llama-70b、deepseek-r1-distill-qwen-7b 等蒸馏模型。供参考的规则：通用任务用 V3，数学科学等复杂推理用 R1，本地私有部署可用 Ollama 跑 deepseek-r1-distill-llama-70b。
使用方式：云端 API 兼容 OpenAI，安装 pip install openai 后设置 DEEPSEEK_API_KEY，base_url 用 https://api.deepseek.com/v1，模型名填 deepseek-chat 或 deepseek-reasoner，支持流式与 function calling。R1 响应含 reasoning_content 字段，仅 deepseek-reasoner 返回。本地可安装 Ollama，例如 ollama pull deepseek-r1:7b、ollama pull deepseek-r1:70b，并将 OpenAI SDK 的 base_url 指向 http://localhost:11434/v1。还给出 Python/Node.js 客户端创建、Provider 抽象与 Next.js/Vercel AI SDK 用法。
适用场景：需要把 DeepSeek 接入现有 OpenAI 式代码、按任务选择模型、搭建本地私有推理，或生成集成测试计划与密钥处理说明文档。
限制：资料未提供完整的定价时效、限流细节与硬件兼容清单；R1 慢且贵于 V3；DeepSeek 限流低于 OpenAI，建议加重试与退避；70B 本地模型需 48GB 以上内存，7B 约需 6GB 显存；不要把 V3 响应当作包含 reasoning_content。
分类：属于智能体与模型相关集成，category 取 agents。