科技巨头之间为开发高性能、低成本和开源模型而进行的竞争正在升温。
DeepSeek 的 V3 和 R1 模型在自然语言处理领域表现出色，而 KNIME 作为开源数据分析平台，通过可视化工作流让模型集成更加直观。本文将详细介绍如何通过 KNIME AI 扩展 连接 DeepSeek 的模型，并重点说明身份验证、连接配置和提示词优化技巧。
作为 KNIME AI 扩展的一部分，最新版本的 KNIME 分析平台为您提供了连接到 DeepSeek 的聊天和推理模型以及 OpenAI o3-mini 的功能。这些新功能进一步扩展了您使用可视化工作流构建 AI 驱动型应用程序的可能性，确保您的 AI 管道透明且易于记录和解释。
本文将介绍如何使用 DeepSeek 节点进行身份验证、连接和提示。我们在此处显示的内容与您在 KNIME 中连接到其他模型的方式非常相似，例如 OpenAI（包括 o3-mini）、Azure OpenAI、Databricks、Hugging Face、GPT4All 和 Ollama。
KNIME AI 扩展提供了一套全面的功能，用于与开源和专有 AI 模型集成，用于跨各种提供商和平台进行聊天和嵌入。
该扩展使用户能够与模型交互、创建和管理矢量存储、设计 RAG 系统以及开发智能代理。它还使用户能够访问用于 LLM 和 RAG 评估的库，而 KNIME Business Hub 则提供用于 GenAI 治理的工具，例如 AI 网关。
它现在有两个额外的节点，用于身份验证和连接到 DeepSeek 的模型：
- DeepSeek Authenticator 通过允许用户选择包含有效 DeepSeek API 密钥的凭证来对所有 DeepSeek 模型进行身份验证。可以在工作流级别设置凭据，也可以在工作流中创建凭据（例如，使用 Credentials Configuration 节点），并通过流变量馈送到此节点。
- 在高级设置中，该节点还支持输入基 URL。例如，对于可通过 Ollama 访问的模型，可以指定本地主机的 URL 并在本地使用它们。
- DeepSeek 聊天模型连接器与可用 DeepSeek 模型的预定义列表建立连接。该节点允许用户定义模型温度和最大令牌。
如何在 KNIME 中使用 DeepSeek 的 V3 和 R1：身份验证、连接、提示
将 DeepSeek 的模型集成到 KNIME 的可视化工作流程中，我们遵循通常的身份验证、连接、提示方法。无论我们是通过官方 API 与 V3 和 R1 交互（通过即用即付定价政策提供可扩展的消费），还是使用 DeepSeek AI 发布的开源版本，都可以从 Hugging Face、Ollama 等存储库免费下载。
对于本地执行，DeepSeek 还发布了 R1 的六个“提炼”开源版本（包括阿里巴巴的 Qwen-2.5），参数范围从 1.5 到 700 亿个不等。
以下示例展示了如何通过 3 个步骤在 KNIME 中访问 DeepSeek-R1。
步骤 1 ：对 DeepSeek API 进行身份验证或建立到 Ollama 的网关
对 DeepSeek API 进行身份验证：
- 首先，在 DeepSeek AI 上创建一个帐户并生成一个 API 密钥。
- 在 Credential Configuration 节点的 password 字段中输入 API 密钥（用户名将被忽略）。
- 现在，在 DeepSeek Authenticator 中选择此凭证作为流变量，并执行节点以完成身份验证。
建立通往 Ollama 的门户：
在我们的机器上设置 Ollama 并免费下载 DeepSeek-R1（例如 7B）后，第一步涉及建立到 Ollama 服务器的网关。
- 使用 DeepSeek Authenticator 节点通过 Ollama 与 OpenAI 的内置兼容性设置到 Ollama 服务器的网关。为什么与 OpenAI 的兼容性相关？因为 DeepSeek API 依赖于 OpenAI 客户端。
- 指定本地主机 URL 并连接到您的首选 LLM。在这里，我们连接到 DeepSeek-R1。
- 在 Credential Configuration 节点的 password 字段中输入虚拟凭证（用户名将被忽略）。这仅对 DeepSeek Authenticator 节点中的底层 OpenAI 客户端是必需的。
- 在 DeepSeek Authenticator 中选择此虚拟凭证作为流变量，并通过在“高级设置”下的相应字段中指定本地主机的“基本 URL”将其配置为连接到 Ollama 服务器：http://localhost:11434/v1
- 您可以在 Ollama 关于 OpenAI 兼容性的新闻稿中找到本地主机的基本 URL。
步骤 2 步：连接到 DeepSeek 的 R1
- 拖放 DeepSeek Chat Model Connector 节点，并将输入端口与 DeepSeek Authenticator 节点的输出端口链接。
- 在连接器节点的配置中，选择模型，指定温度并保留最大令牌数的默认设置。
提示： 请记住，推理模型通常需要更多标记来生成响应，因为它们会以详细、分步的方式呈现答案。设置较高的 max 令牌数有助于防止截断输出。
步骤 3 ：提示推理模型
查询 R1
- 在 Table Creator （表创建者） 节点中键入您的提示。在更复杂的场景中，使用 Expression （表达式） 节点键入提示并设置其格式，同时考虑数据集中的列和值。
- 拖放 LLM Prompter 节点。此节点接收模型连接和提示作为输入，生成模型的响应作为输出。响应显示在单独的列中，该列可以根据需要命名。
