DeepSeek V3: डेमो प्रोजेक्ट के साथ एक गाइड

DeepSeek ने DeepSeek-V3 के परिचय के साथ एक महत्वपूर्ण प्रगति की है—एक ऐसा मॉडल जो कोडिंग, गणितीय तर्क और प्राकृतिक भाषा संसाधन क्षमताओं में अपने पूर्ववर्ती से आगे निकल जाता है।

इस ट्यूटोरियल में, मैं आपको DeepSeek-V3 के साथ एक कोड रिव्यूअर असिस्टेंट बनाने की चरण-दर-चरण प्रक्रिया बताऊँगा। हम इसे Gradio के साथ एकीकृत करना भी सीखेंगे ताकि ऐप को एक उपयोगकर्ता-अनुकूल इंटरफ़ेस मिल सके।

DeepSeek-V3 क्या है?

DeepSeek V3 एक mixture-of-experts (MoE) भाषा मॉडल है जिसमें 671 अरब पैरामीटर्स हैं, जिनमें से 37 अरब प्रति टोकन सक्रिय होते हैं।

इसे 14.8 ट्रिलियन उच्च-गुणवत्ता वाले टोकन्स पर प्रशिक्षित किया गया है और यह कोड जनरेशन और विश्लेषण सहित विभिन्न कार्यों में उत्कृष्ट है। मॉडल आर्किटेक्चर में multi-head latent attention (MLA) और लोड बैलेंसिंग के लिए auxiliary-loss-free रणनीति जैसी नवाचार शामिल हैं, जो कुशल inference और किफायती प्रशिक्षण सुनिश्चित करते हैं।

multi-head latent attention (MLA) तंत्र मॉडल को इनपुट के अनेक पहलुओं पर एक साथ ध्यान केंद्रित करने में सक्षम बनाता है, जिससे inference दक्षता में सुधार होता है। DeepSeekMoE आर्किटेक्चर प्रशिक्षण लागत और प्रदर्शन को अनुकूलित करने के लिए mixture-of-experts दृष्टिकोण अपनाता है।

स्रोत: DeepSeek-AI

auxiliary-loss-free लोड बैलेंसिंग रणनीति बिना auxiliary loss फ़ंक्शंस पर निर्भर हुए कम्प्यूटेशनल लोड को समान रूप से वितरित करती है, जिससे प्रशिक्षण की स्थिरता बढ़ती है। साथ ही, multi-token prediction उद्देश्य मॉडल को एक साथ कई टोकन्स की भविष्यवाणी करने देता है, जिससे प्रदर्शन बेहतर होता है और तेज़ inference के लिए speculative decoding सक्षम होती है।

कुछ कारण जो DeepSeek-V3 को मेरे लिए विशेष रूप से रोचक बनाते हैं:

• यह उन्नत तर्क और समझ प्रदान करता है, जिससे यह कोड कंप्लीशन और विश्लेषण जैसे जटिल कार्यों के लिए उपयुक्त हो जाता है।
• 60 टोकन प्रति सेकंड की प्रोसेसिंग स्पीड के साथ, DeepSeek-V3 अपने पूर्ववर्ती DeepSeek-V2 से तीन गुना तेज़ है।
• मॉडल और इसके साथ आने वाले शोध-पत्र दोनों पूरी तरह ओपन-सोर्स हैं, जो पारदर्शिता और सामुदायिक सहयोग को बढ़ावा देते हैं।

DeepSeek-V3 API से कैसे जुड़ें

हमारे एप्लिकेशन में DeepSeek V3 को एकीकृत करने के लिए, हमें API कुंजी सेट करनी होगी। अपनी API कुंजी तक पहुँचने के लिए नीचे दिए गए चरणों का पालन करें:

1. DeepSeek.com पर जाएँ और “Access API” पर क्लिक करें।

Deepseek का होम पेज

2. DeepSeek के API प्लेटफ़ॉर्म पर साइन अप करें।

3. “Top up” पर क्लिक करें और अपने खाते में आवश्यक राशि जोड़ें। इस लेख को लिखते समय DeepSeek API की कीमतें इस प्रकार थीं:

• इनपुट (cache miss): $0.27/प्रति मिलियन टोकन्स
• इनपुट (cache hit): $0.07/प्रति मिलियन टोकन्स
• आउटपुट: $1.10/प्रति मिलियन टोकन्स

3. बाईं ओर API Keys टैब पर जाएँ और “Create new API key” पर क्लिक करें। अंत में, API कुंजी का नाम सेट करें और भविष्य के उपयोग के लिए उसे कॉपी कर लें।

डेमो प्रोजेक्ट ओवरव्यू: Gradio के साथ कोड रिव्यूअर असिस्टेंट

जो ऐप हम बनाने जा रहे हैं, वह एक इंटरैक्टिव असिस्टेंट है जो DeepSeek V3 की क्षमताओं का उपयोग करके उपयोगकर्ता-अनुकूल इंटरफ़ेस के माध्यम से सूचनाप्रद कोड रिव्यू प्रदान करता है। 

शुरू करने से पहले, सुनिश्चित करें कि आपके पास निम्न इंस्टॉल हैं:

• Python 3.8+
• आवश्यक लाइब्रेरीज़: pip का उपयोग करके ज़रूरी Python पैकेज इंस्टॉल करें:

pip install requests gradio 

अब जब सभी निर्भरताएँ इंस्टॉल हो चुकी हैं, तो DeepSeek API सेट अप करें।

चरण 1: DeepSeek के API से कनेक्ट करना

नीचे दिया गया स्क्रिप्ट दिखाता है कि उपयोगकर्ता प्रॉम्प्ट्स के आधार पर प्रतिक्रियाएँ प्राप्त करने के लिए DeepSeek API के साथ कैसे इंटरैक्ट किया जाए। ध्यान दें कि DeepSeek का API OpenAI के फ़ॉर्मेट के साथ संगत है और API अनुरोधों के लिए base URL का उपयोग करता है।

import requests
import json

# Replace 'YOUR_API_KEY' with your actual DeepSeek API key
API_KEY = 'YOUR_API_KEY'
API_URL = 'https://api.deepseek.com/chat/completions'

HEADERS = {
    'Content-Type': 'application/json',
    'Authorization': f'Bearer {API_KEY}'
}

def get_deepseek_response(prompt):
    """Fetches a response from the DeepSeek API based on the given prompt."""
    data = {
        'model': 'deepseek-chat',  # Specifies the DeepSeek V3 model
        'messages': [
            {'role': 'system', 'content': 'You are a helpful code reviewer.'},
            {'role': 'user', 'content': prompt}
        ],
        'stream': False  # Set to True for streaming responses
    }

    response = requests.post(API_URL, headers=HEADERS, data=json.dumps(data))

    if response.status_code == 200:
        result = response.json()
        return result['choices'][0]['message']['content'].strip()
    else:
        raise Exception(f"Error {response.status_code}: {response.text}")

आइए ऊपर दिए गए कोड को थोड़ा विस्तार से समझें:

• requests और JSON लाइब्रेरीज़ क्रमशः DeepSeek API को HTTP POST अनुरोध भेजने और अनुरोध payload को JSON फ़ॉर्मेट में एन्कोड करने के लिए इम्पोर्ट की गई हैं।
• अपनी API कुंजी सेट करें और वह base URL निर्धारित करें जो चैट कंप्लीशंस के लिए DeepSeek API endpoint बताता है।
• get_deepseek_response फ़ंक्शन उपयोगकर्ता प्रॉम्प्ट को API पर भेजता है और प्रतिक्रिया प्राप्त करता है।
• हम निर्धारित मॉडल, संदेश इतिहास और स्ट्रीमिंग प्रेफरेंस के साथ अनुरोध payload बनाते हैं, फिर उपयुक्त हेडर्स और JSON payload के साथ API endpoint पर POST अनुरोध भेजते हैं। यदि प्रतिक्रिया का स्टेटस कोड 200 है, तो यह सफलता दर्शाता है; असिस्टेंट का उत्तर पार्स कर लौटाया जाता है। अन्यथा, त्रुटि विवरण के साथ एक exception उठाया जाता है।

अब, हम ऐप की मुख्य विशेषताएँ डिज़ाइन करते हैं।

चरण 2: मुख्य विशेषताएँ डिज़ाइन करना

हम एक फ़ंक्शन परिभाषित करेंगे जो इनपुट के रूप में एक कोड स्निपेट लेता है और DeepSeek-V3 का उपयोग करके उसका विश्लेषण करता है, फीडबैक और सुझाव प्रदान करता है।

def review_code(code_snippet):
    prompt = f"""
    Code Snippet:
    {code_snippet}

    Task: Analyze the provided code snippet. Identify any errors or potential improvements, suggest optimizations, and provide alternative implementations if applicable.
    """
    return get_deepseek_response(prompt)

हमारे पास एक कोड रिव्यूअर मौजूद है जो कोड स्निपेट को लेता है, उसे एक टास्क प्रॉम्प्ट के साथ प्रॉम्प्ट में एम्बेड करता है और अंतिम प्रॉम्प्ट को मॉडल से प्रतिक्रिया प्राप्त करने के लिए भेजता है।

अब, हम अपने कोड रिव्यूअर एप्लिकेशन के लिए एक सरल Gradio वेब इंटरफ़ेस बनाते हैं।

चरण 3: Gradio इंटरफ़ेस बनाना

Gradio हमें अपने एप्लिकेशन के लिए एक इंटरैक्टिव वेब इंटरफ़ेस बनाने देता है। नीचे दिया गया कोड स्निपेट review_code() फ़ंक्शन के लिए एक उपयोगकर्ता-अनुकूल Gradio वेब इंटरफ़ेस बनाता है। Gradio इंटरफ़ेस उपयोगकर्ता के इनपुट लेता है और उन्हें वैलिडेशन के लिए मॉडल तक पहुँचाता है।

import gradio as gr

def code_reviewer_ui(code):
    return review_code(code)

interface = gr.Interface(
    fn=code_reviewer_ui,
    inputs=gr.Code(language='python', lines=20, label="Paste your code here"),
    outputs=gr.Textbox(label="Review Feedback"),
    title="AI Code Reviewer Assistant",
    description="Analyze your code snippets, receive feedback, and discover improvements.",
)

interface.launch(share=True)

उपरोक्त सेटअप में तीन घटक शामिल हैं:

• इनपुट: एक gr.Code कंपोनेंट जहाँ उपयोगकर्ता अपना कोड पेस्ट कर सकते हैं।
• आउटपुट: एक gr.Textbox जो DeepSeek V3 से प्राप्त फीडबैक प्रदर्शित करता है।
• इंटरफ़ेस: gr.Interface इनपुट और आउटपुट को जोड़ता है और उपयोगकर्ता इंटरैक्शन के लिए एक वेब ऐप लॉन्च करता है।

चरण 4: ऐप का परीक्षण करें

आइए एक सरल उदाहरण के माध्यम से अपने ऐप का परीक्षण करें:

मैंने इस मॉडल का परीक्षण करने के लिए कई कोड उदाहरण आज़माए और इसने हर बार सही समीक्षा प्रदान की।

निष्कर्ष

इस ट्यूटोरियल में, हमने DeepSeek V3 और Gradio का उपयोग करके एक AI-संचालित कोड रिव्यूअर असिस्टेंट बनाया। यह टूल कोड स्निपेट्स का विश्लेषण कर सकता है, रचनात्मक फीडबैक दे सकता है और सुधार सुझा सकता है, जिससे आपके विकास प्रक्रिया में वृद्धि होती है। 

इसकी क्षमताओं का विस्तार करने या इसे बड़े प्रोजेक्ट्स में एकीकृत करने के लिए स्वतंत्र महसूस करें ताकि आपके कोडिंग वर्कफ़्लो को और सुगम बनाया जा सके।

DeepSeek इकोसिस्टम के बारे में और जानने के लिए, मैं ये ब्लॉग सुझाता/सुझाती हूँ:

• मैंने DeepSeek R1 Lite Preview का परीक्षण किया यह देखने के लिए कि क्या यह O1 से बेहतर है
• DeepSeek-Coder-V2 ट्यूटोरियल: उदाहरण, इंस्टॉलेशन, बेंचमार्क्स