import os
from openai import OpenAI

# 初始化客户端，指向官方网关
client = OpenAI(
    api_key=os.environ.get("DEEPSEEK_API_KEY"),
    base_url="https://api.deepseek.com"
)

# 发起 DeepSeek-R1 流式推理调用
response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=[
        {"role": "system", "content": "你是一位精通算法工程的技术专家。"},
        {"role": "user", "content": "请阐述 Raft 一致性协议的核心选举机制与日志复制保证。"}
    ],
    stream=True
)

for chunk in response:
    # 支持实时接收 R1 推理思维链与最终答案
    delta = chunk.choices[0].delta
    if hasattr(delta, 'reasoning_content') and delta.reasoning_content:
        print(f"[思维自省]: {delta.reasoning_content}", end="", flush=True)
    elif delta.content:
        print(delta.content, end="", flush=True)

# 克隆并初始化 Harness 自动化评测环境
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness && pip install -r requirements.txt

# 对本地或云端实例执行逻辑基准自动化测试
python -m harness.eval \
    --model deepseek-reasoner \
    --tasks gsm8k,humaneval,aime2024 \
    --num_fewshot 0 \
    --batch_size 16 \
    --output_filepath ./benchmark_report.json

# 1. 本地拉取 DeepSeek-R1 蒸馏模型 (例如 14B 参数)
ollama run deepseek-r1:14b

# 2. 满血 671B MoE 生产集群推荐使用 vLLM 分布式加载
python3 -m vllm.entrypoints.openai.api_server \
    --model deepseek-ai/DeepSeek-R1 \
    --tensor-parallel-size 8 \
    --max-model-len 131072 \
    --trust-remote-code