Cara Menggunakan DeepSeek V4: Antarmuka Web, Pengaturan API, dan Tugas Coding Pertama

Intinya

DeepSeek V4 dapat diakses melalui antarmuka obrolan web dan API yang kompatibel dengan OpenAI. Untuk penggunaan API, buat kunci API, gunakan otentikasi token Bearer, dan kirim permintaan ke endpoint penyelesaian obrolan. Atur suhu (temperature) ke 0.2 untuk kode dan spesifikasi; 0.5 untuk tugas kreatif. Pecah tugas pengodean yang kompleks menjadi langkah-langkah berurutan daripada satu prompt besar. Uji integrasi Anda dengan Apidog sebelum membangun.

tombol

Pengantar

DeepSeek V4 menangani pengodean, penalaran, dan penulisan teknis secara efektif. Model ini mengikuti instruksi dengan baik pada suhu rendah, menghasilkan kode bersih dengan output tambahan minimal, dan merespons dengan baik terhadap batasan eksplisit dalam prompt.

Panduan ini mencakup cara memulai dengan antarmuka web, menyiapkan akses API, dan menggunakan model untuk alur kerja pengodean praktis.

Memulai dengan antarmuka web

Antarmuka web adalah cara tercepat untuk menguji kemampuan V4 sebelum berkomitmen pada integrasi API.

Mendapatkan akses:

Buka chat.deepseek.com
Masuk dengan akun Anda
Pilih V4 dari daftar model di sidebar

Cara mendekati prompt:

V4 merespons dengan baik prompt yang langsung dan eksplisit. Lewati pendahuluan. Nyatakan apa yang Anda butuhkan dan tentukan batasan:

“Tulis fungsi Python yang…” bukan “Bisakah Anda membantu saya dengan…”
“Pertahankan implementasi di bawah 100 baris” jika ukuran file penting
“Output hanya kodenya, tanpa penjelasan” jika Anda tidak memerlukan komentar
“Daftar asumsi apa pun yang Anda buat” untuk menampilkan keputusan implisit

Panduan suhu:

Antarmuka web tidak secara langsung mengekspos suhu. Untuk penggunaan API:

0.2 — Pembuatan kode, penulisan spesifikasi, output terstruktur
0.5 — Menjelajahi alternatif, menghasilkan variasi
0.7+ — Penulisan kreatif, brainstorming

Tips percakapan panjang:

Konteks terakumulasi dalam percakapan panjang. Jika respons mulai melenceng atau menjadi samar, mulai utas baru daripada melanjutkan. V4 berkinerja lebih baik dengan konteks yang segar dan terfokus daripada yang terakumulasi panjang.

Penyiapan API

Langkah 1: Buat kunci API

Buka platform.deepseek.com
Navigasi ke Kunci API
Buat kunci baru dan salin segera (ditampilkan sekali)
Simpan sebagai variabel lingkungan:

export DEEPSEEK_API_KEY="kunci-api-anda-di-sini"

Langkah 2: Uji dengan curl

DeepSeek V4 menggunakan endpoint yang kompatibel dengan OpenAI:

curl https://api.deepseek.com/v1/chat/completions \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4",
    "messages": [{"role": "user", "content": "Tulis fungsi Python yang mengurutkan daftar kamus berdasarkan kunci yang ditentukan."}],
    "temperature": 0.2
  }'

Langkah 3: Integrasi Python

from openai import OpenAI

client = OpenAI(
    api_key="kunci-api-anda",
    base_url="https://api.deepseek.com/v1"
)

response = client.chat.completions.create(
    model="deepseek-v4",
    messages=[
        {"role": "system", "content": "Anda menulis Python yang bersih dan minimal. Tanpa prosa penjelasan kecuali diminta."},
        {"role": "user", "content": "Tulis fungsi yang mengganti nama file tangkapan layar berdasarkan stempel waktu pembuatannya."}
    ],
    temperature=0.2
)

print(response.choices[0].message.content)

Klien Python OpenAI berfungsi dengan API DeepSeek karena struktur endpointnya kompatibel.

Menguji dengan Apidog

Menguji API di Apidog sebelum membangun integrasi Anda dapat mendeteksi masalah format respons sejak dini.

Penyiapan lingkungan:

Buka Apidog dan buat proyek baru
Buka Lingkungan (Environments), buat “DeepSeek Production”
Tambahkan variabel: Nama = DEEPSEEK_API_KEY, Tipe = Rahasia, Nilai = kunci Anda

Buat permintaan pengujian:

POST https://api.deepseek.com/v1/chat/completions
Authorization: Bearer {{DEEPSEEK_API_KEY}}
Content-Type: application/json

{
  "model": "deepseek-v4",
  "messages": [
    {
      "role": "system",
      "content": "Anda adalah asisten pengodean. Respons hanya dengan kode kecuali diminta penjelasan."
    },
    {
      "role": "user",
      "content": "{{user_prompt}}"
    }
  ],
  "temperature": 0.2,
  "max_tokens": 2000
}

Tambahkan pernyataan (assertions):

Status code is 200
Response body has field choices
Response body, field choices[0].message.content is not empty

Uji mode streaming:

Untuk respons streaming waktu nyata:

{
  "model": "deepseek-v4",
  "messages": [...],
  "stream": true,
  "temperature": 0.2
}

Apidog menangani respons streaming; pastikan konten akhir tersusun dengan benar.

Tugas pengodean pertama: alur kerja otomatisasi

Tugas pertama yang direkomendasikan untuk mengevaluasi V4 adalah skrip otomatisasi file. Ini menguji:

Apakah model memahami persyaratan implisit
Bagaimana ia menangani operasi sistem file (sumber bug)
Apakah ia meminta klarifikasi atau membuat asumsi

Struktur prompt untuk tugas pengodean:

Pecah permintaan menjadi beberapa fase daripada meminta semuanya sekaligus:

Fase 1: Penilaian risiko

Saya ingin menulis skrip Python yang mengganti nama file dalam folder berdasarkan tanggal pembuatannya. 
Sebelum Anda menulis kode apa pun, cantumkan risiko dan kasus tepi yang harus saya tangani.

Fase 2: Rencana implementasi

Sekarang tulis rencana implementasi langkah demi langkah. Jangan tulis kode dulu.

Fase 3: Kode

Tulis skrip Python. Persyaratan:
- Kurang dari 120 baris
- Tangani kasus tepi yang Anda daftarkan
- Tambahkan flag --dry-run yang menunjukkan apa yang akan diganti namanya tanpa membuat perubahan
- Tanpa dependensi eksternal di luar pustaka standar

Fase 4: Pengujian

Tulis pengujian pytest untuk logika penggantian nama utama. Mock sistem file.

Pendekatan empat fase ini menghasilkan output yang lebih bersih daripada satu prompt "buatkan aplikasi ini untuk saya".

Kekuatan dan Batasan Model

Apa yang V4 lakukan dengan baik:

Mengikuti persyaratan format secara andal pada suhu rendah
Menangani instruksi singkat dan langsung tanpa memerlukan pendahuluan pengaturan konteks
Mengidentifikasi kasus tepi saat diminta secara eksplisit
Menghasilkan kode minimal tanpa boilerplate yang tidak perlu

Di mana harus berhati-hati:

V4 tidak akan menggantikan tinjauan kode. Baca apa yang dihasilkannya.
Skrip kompleks mendapat manfaat dari pemecahan menjadi tugas-tugas berurutan yang lebih kecil
Untuk refactoring multi-file dalam skala besar, Claude Opus 4.6 atau GPT-5 mungkin menghasilkan lebih sedikit kejutan
Respons pada suhu yang lebih tinggi dapat menyertakan kesalahan yang terdengar meyakinkan; verifikasi pada suhu rendah

Batas kecepatan dan harga

Periksa batas kecepatan saat ini di platform.deepseek.com. Harga DeepSeek kompetitif dengan penyedia utama. Untuk alur kerja batch di mana biaya per token penting, DeepSeek V4 menawarkan nilai yang kuat.

Untuk penggunaan produksi, implementasikan:

Logika percobaan ulang dengan backoff eksponensial untuk kesalahan batas kecepatan (HTTP 429)
Pencatatan permintaan untuk melacak konsumsi token
Validasi output sebelum menggunakan kode yang dihasilkan

Pertanyaan Umum

Apakah DeepSeek V4 kompatibel dengan OpenAI?
Ya. Endpoint penyelesaian obrolan mengikuti format API OpenAI. Kode yang ada yang memanggil OpenAI dapat beralih ke DeepSeek dengan mengubah URL dasar dan kunci API.

Berapa jendela konteksnya?
DeepSeek V4 mendukung jendela konteks besar yang cocok untuk tinjauan kode skala repositori. Periksa dokumentasi saat ini untuk batasan pasti karena ini dapat berubah.

Bisakah saya menggunakan DeepSeek V4 untuk tugas non-pengodean?
Ya. Tugas menulis, analisis, dan penelitian berfungsi dengan baik. Kekuatan model dalam output terstruktur dan mengikuti instruksi juga berlaku untuk kasus penggunaan non-kode.

Bagaimana perbandingan V4 dengan Claude Opus 4.6 untuk pengodean?
Pada benchmark SWE-bench, Claude Opus 4.6 memimpin dengan 80.9%. DeepSeek V4 kuat dalam tugas multi-file, skala repositori dengan konteks besar. Untuk sebagian besar kasus penggunaan pengodean, keduanya mampu; perbedaan praktisnya ada pada biaya dan kasus tepi spesifik.

Apakah API mendukung pemanggilan fungsi?
Ya. DeepSeek V4 mendukung pemanggilan fungsi dalam format OpenAI, menjadikannya kompatibel dengan alur kerja penggunaan alat yang dibangun di atas OpenAI SDK.