Wordware × DeepSeek 集成实战用自然语言编排 DeepSeek V3 与 R1 的 AI 工作流【免费下载链接】awesome-deepseek-integrationIntegrate the DeepSeek API into popular software项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-deepseek-integration本文基于 awesome-deepseek-integration 仓库中 Wordware 集成条目的中文文档 docs/wordware/README_cn.md 编写。Wordware 是一个让开发者甚至非开发者仅用自然语言即可构建、迭代和部署 AI 技术栈的工具包本指南将完整演示在其可视化编辑器中创建一个生成Generation节点、把模型切换为 DeepSeek V3 或 DeepSeek R1、填入上下文并运行以及进一步叠加循环/条件控制块与联网检索工具、组成复杂 AI 工作流的全过程。读完本文你将掌握在 Wordware 中快速接入并灵活切换 DeepSeek 模型的完整操作链路并能据此搭建属于自己的多步骤 AI 应用。一、Wordware 是什么为什么它能承载 DeepSeek 集成根据 docs/wordware/README_cn.md 的官方介绍Wordware 是一个让任何人都能仅使用自然语言来构建、迭代和部署他们的 AI 技术栈的工具包。它的核心思路是把传统需要写代码的 Agent / LLM 应用开发转变成在一个类文档编辑器的工作区中书写自然语言指令、拖拽式串联逻辑块的可视化过程。在该集成文档中Wordware 被定位为将 DeepSeek V3 和 R1 集成到您的 LLM 应用程序中最简单和最快的方式开发者不需要自己拼接 API 请求、维护提示词工程框架或搭建推理服务只要在 Wordware 编辑器里创建一个生成节点从模型菜单里选中 DeepSeek 系列模型填入上下文并点击运行即可。这正是本仓库把 Wordware 收录进 DeepSeek 集成清单见根目录 README.md 中的集成索引表的原因——它与 Cline、Continue、Cursor 等把 DeepSeek 接入开发者工具的条目互补代表了一条零代码、面向产品化工作流的 DeepSeek 集成路线。需要说明的是本条目在仓库中以使用文档为主docs/wordware/目录下只有中英文 README 与一组界面截图资源位于 docs/wordware/assets/并不包含 Wordware 平台自身的源码因此本文以文档流程 截图实证为准带你在其官方托管平台上完成配置。二、核心概念Generation、模型选择与运行在进入步骤之前先厘清 Wordware 工作流中几个贯穿始终的概念。以下描述均可在仓库提供的截图中找到直接证据Generation生成节点这是承载 LLM 调用的最小单元。在斜杠命令面板中Generation 的官方释义是A placeholder for an LLM completion一个 LLM 补全的占位符——也就是说你不需要关心底层 API 细节只需在占位符里写清楚要让模型做什么。模型选择Select AI Model每个生成节点都会关联一个具体模型。从截图 select-deepseek.jpg 可以看到模型选择对话框会同时列出DeepSeek V3与DeepSeek R1两个可选项二者同处一个菜单、可随时切换。上下文Context与运行Run把希望模型处理的任务描述、示例文本等作为上下文填入生成节点点击编辑器右上角的 Run 按钮即可执行执行结果与耗时会在右侧输出面板Outputs中展示。控制块Control Blocks与工具Tools当单个生成节点不够用时可以用循环Loop、条件分支If/Else等控制块串联逻辑并在分支内挂载 Web 搜索等外部工具最后再用一个生成节点汇总结果见截图 tools.jpg。运行 Wordware 属于云端托管形态你需要拥有 Wordware 平台账号并在其网页编辑器中操作本仓库文档只记录可复现的操作路径不涉及任何本地安装与密钥配置。三、五步实战把 DeepSeek V3 / R1 接入你的首个生成流程下面按中文文档的教程骨架逐条展开并结合仓库截图补充每一步的界面细节与操作要点。3.1 第一步使用斜杠命令创建新的生成在 Wordware 编辑器的工作流画布中输入/即可触发斜杠命令面板。从截图 gen.png 可以看到命令面板会把可用命令按AI / Other / Tools分类展示AI 类下的第一项即为Generation释义为 A placeholder for an LLM completion旁边是用于生成场景的Structured Generation结构化生成可约束输出格式Tools 类则提供外部能力扩展例如Website similarity search网站相似度搜索、Text-to-speech with ElevenLabs文本转语音等。图为仓库 assets 中斜杠命令面板的界面实录展示了输入/ge后菜单按 AI / Other / Tools 分组弹出 Generation 等选项。选择 AI 类中的Generation后画布中即生成一个新的生成节点它就是你接入 DeepSeek 模型的起点。如果你想生成的是严格遵循某结构的输出如 JSON可以留意同菜单下的 Structured Generation 选项它是该节点普通生成能力之外的互补选择。3.2 第二步选择你想要的 DeepSeek 模型创建好生成节点后下一步是为它指定推理后端——也就是把 DeepSeek 正式接入你的工作流。点击节点上的模型选择器会弹出 Select AI Model 对话框从截图 select-deepseek.jpg 可见对话框中直接列出了两个 DeepSeek 家族模型DeepSeek V3截图中处于高亮选中状态DeepSeek R1。图为选择模型对话框的真实界面DeepSeek V3 被选中、DeepSeek R1 并列可选底部还有 Show Legacy Models 入口。操作上只需两步在下拉/弹出菜单里找到 DeepSeek 分类 → 单击目标模型。整个接入过程不需要配置任何 API Key、Base URL 或模型参数模型已由 Wordware 平台预置托管这也是文档强调最简单和最快的直接原因。3.3 第三步提供上下文并点击运行——V3 就是这么简单选好模型后把任务上下文写进生成节点即可。仓库截图 v3.jpg 记录了一个可复现的演示在名为DeepSeek Demo的项目中输入框内填写的示例提示词是Write a sentence about pirates with words only starting with the letter T, except for the word pirate.该生成节点被标记为new_generation DeepSeek V3即使用 DeepSeek V3 执行。点击编辑器右上角的绿色 Run 按钮后右侧 Outputs 面板会输出模型的完整回答截图中输出的是一句以 T 开头的海盗主题句子并在界面中显示本次运行所消耗的时间。也就是说将提示词上下文写入生成节点确认节点上方的模型徽标为 DeepSeek V3点击Run在右侧 Outputs 中读取结果。这个写上下文 → 点运行 → 读输出的闭环就是 Wordware 中一切复杂工作流的基本单元。配套的 r1.jpg 与 v3.jpg 画面结构完全一致唯一的差异是节点底部的模型徽标从 DeepSeek V3 变为了 DeepSeek R1——这正好印证了模型切换的轻量程度同一个生成节点、同一段上下文只需要在模型菜单中换一个选项即可换用另一款 DeepSeek 模型重新运行。3.4 第四步使用 R1 进行更高级的推理文档在 V3 的即点即用演示之后紧接着给出的进阶动作是切换到 R1 处理更高级的推理任务Use R1 for more advanced reasoning。R1 与 V3 在 Wordware 中的定位分工从英文文档的表述即可读出V3 面向一般性的文本生成与日常补全场景追求即写即跑的高效迭代而 R1 更适用于需要想清楚再回答的推理密集型环节例如综合分析、复杂指令遵循、需要多步逻辑的任务。在 r1.jpg 所示的工作流中同样的演示输入在模型切换为 DeepSeek R1 后即被重新执行——这种同一任务、两个模型对照的用法正好用来评估 R1 相对 V3 在给定上下文上的推理增益。实操建议在 Wordware 中做模型对比非常简单把同一个上下文复制到两个并列的生成节点一个标 V3、一个标 R1分别 Run 后对照右侧输出即可无需改动任何工作流结构。3.5 第五步叠加控制块与工具构建更复杂的流程单个生成节点只能完成一问一答而 Wordware 的价值在于把 DeepSeek 嵌入到多步骤、带分支、可调用外部数据的真实业务流中。文档最后一步专门演示了如何把生成节点与控制块control blocks和工具tools配对。仓库截图 tools.jpg 给出了一份极具参考价值的复杂流程模板其结构从内到外可以拆解为循环控制块LOOP_THROUGH_PEOPLE——遍历一份人员名单数据流贯穿整个流程例如通过变量name、website引用当前项条件分支块NEW_IF_ELSE——嵌套在循环内为每个人做条件判断工具调用两个分支中都挂载了WEB SEARCH WITH EXA联网检索工具只是查询参数不同IF 分支Query : name按人名检索、Full page text : true、Number of results : 3、Result category : allELSE 分支Query : website改按网站检索其余参数相同收尾生成节点循环结束后用一条Summarize the information on name的指令把检索到的信息汇总成结构化摘要该节点模型徽标为DeepSeek R1。图为叠加了 Loop / If-Else 控制块与 Exa 网络搜索工具的复杂流程截图流程末端由 DeepSeek R1 生成摘要。这个例子展示了一个可复制到真实业务中的检索增强生成RAG雏形循环遍历目标 → 条件分支决定检索策略 → 外部工具取回实时网页信息 → DeepSeek R1 负责阅读理解 归纳摘要。它同时体现了 Wordware 在 DeepSeek 集成上的自由度不同节点可以各自指定模型——把检索、循环等逻辑性工作交给控制块与工具把推理/总结这类高质量生成任务留给 DeepSeek自然语言指令Summarize the information on name直接充当流程各步骤的提示词节点之间通过变量传递数据全程无需编写胶水代码。四、在 Wordware 中选择 V3 还是 R1 的实用参考综合中英文文档与上述截图证据可以整理出在 Wordware 项目中做模型选型的几个经验性参考场景推荐模型判断依据快速原型、普通文案/句子生成、日常补全DeepSeek V3文档将其作为提供上下文并运行的默认演示对象适合高效迭代复杂推理、综合归纳、需要多步思考的任务DeepSeek R1文档明确其为更高级的推理选项截图示例中摘要生成环节使用的正是 R1同一任务的模型效果对照评估V3 / R1 双节点r1.jpg 与 v3.jpg 显示两者可在同一工作流结构下无缝切换复跑需要留意的是以上仅针对在 Wordware 内调用这一场景给出倾向性参考不构成对两个模型通用能力的横向性能结论。Wordware 模型菜单中的具体可用模型、命名与界面入口均以平台侧实际发布状态为准界面细节也可能随版本迭代而变化。五、从零搭建的建议路径与使用提示结合文档的教程顺序为希望上手的新用户整理一条低风险的实践路径从最简闭环开始用斜杠命令创建一个 Generation选 DeepSeek V3填一句明确的任务描述Run 并观察输出——先验证平台连通 提示词有效做一次双模型对照把同一段上下文复制给一个 R1 节点对比两个模型的输出差异确认 R1 在哪些任务上带来的推理增益值得你付出额外的运行成本渐进引入控制流当任务出现对多个对象重复处理按条件走不同检索路径需要联网取最新资料等需求时再逐步加入 Loop、If/Else 与 Web Search 等工具并用一个 DeepSeek 节点收口总结结构化输出需求若下游要对接程序如解析结果可关注斜杠命令菜单中的 Structured Generation 节点让 DeepSeek 按约定格式产出。使用过程中还需注意三点限制其一Wordware 是云端托管平台本文所有操作均需在 Wordware 官方应用中完成仓库不提供、也不包含任何可本地运行的 Wordware 代码其二DeepSeek 系列模型在 Wordware 侧的可用性、版本更新与计费方式由平台管理接入前应以平台当前提供的模型清单为准其三仓库内 docs/wordware/README_cn.md 与英文原版 docs/wordware/README.md 内容互为镜像若需更深入的操作手册含完整 Tour 教程请以 Wordware 官方文档站点的最新内容为准。六、本文依据的仓库材料本文全部操作步骤与界面描述均取自以下仓库内文档与截图资源可对照复核中文集成文档docs/wordware/README_cn.md英文集成文档docs/wordware/README.md集成索引Wordware 条目README.md截图资源位于 docs/wordware/assets/gen.png斜杠命令面板与 Generation 节点创建入口select-deepseek.jpgDeepSeek V3 / R1 模型选择对话框v3.jpg使用 DeepSeek V3 填入上下文并运行得到输出r1.jpg同一流程切换为 DeepSeek R1 后的运行界面tools.jpgLoop / If-Else 控制块 Exa 搜索工具 DeepSeek R1 汇总的复杂流程。综上Wordware 提供了一条与写代码调 API截然不同的 DeepSeek 集成路径它把模型接入压缩为选模型 写自然语言 点运行三步又通过控制块与工具把 DeepSeek V3 / R1 的能力编织进可交付的多步骤工作流。理解并复现本文的五个步骤你就已经掌握了在 Wordware 中驾驭 DeepSeek 家族模型的最小完备技能集。【免费下载链接】awesome-deepseek-integrationIntegrate the DeepSeek API into popular software项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-deepseek-integration创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Wordware × DeepSeek 集成实战：用自然语言编排 DeepSeek V3 与 R1 的 AI 工作流
Wordware × DeepSeek 集成实战用自然语言编排 DeepSeek V3 与 R1 的 AI 工作流【免费下载链接】awesome-deepseek-integrationIntegrate the DeepSeek API into popular software项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-deepseek-integration本文基于 awesome-deepseek-integration 仓库中 Wordware 集成条目的中文文档 docs/wordware/README_cn.md 编写。Wordware 是一个让开发者甚至非开发者仅用自然语言即可构建、迭代和部署 AI 技术栈的工具包本指南将完整演示在其可视化编辑器中创建一个生成Generation节点、把模型切换为 DeepSeek V3 或 DeepSeek R1、填入上下文并运行以及进一步叠加循环/条件控制块与联网检索工具、组成复杂 AI 工作流的全过程。读完本文你将掌握在 Wordware 中快速接入并灵活切换 DeepSeek 模型的完整操作链路并能据此搭建属于自己的多步骤 AI 应用。一、Wordware 是什么为什么它能承载 DeepSeek 集成根据 docs/wordware/README_cn.md 的官方介绍Wordware 是一个让任何人都能仅使用自然语言来构建、迭代和部署他们的 AI 技术栈的工具包。它的核心思路是把传统需要写代码的 Agent / LLM 应用开发转变成在一个类文档编辑器的工作区中书写自然语言指令、拖拽式串联逻辑块的可视化过程。在该集成文档中Wordware 被定位为将 DeepSeek V3 和 R1 集成到您的 LLM 应用程序中最简单和最快的方式开发者不需要自己拼接 API 请求、维护提示词工程框架或搭建推理服务只要在 Wordware 编辑器里创建一个生成节点从模型菜单里选中 DeepSeek 系列模型填入上下文并点击运行即可。这正是本仓库把 Wordware 收录进 DeepSeek 集成清单见根目录 README.md 中的集成索引表的原因——它与 Cline、Continue、Cursor 等把 DeepSeek 接入开发者工具的条目互补代表了一条零代码、面向产品化工作流的 DeepSeek 集成路线。需要说明的是本条目在仓库中以使用文档为主docs/wordware/目录下只有中英文 README 与一组界面截图资源位于 docs/wordware/assets/并不包含 Wordware 平台自身的源码因此本文以文档流程 截图实证为准带你在其官方托管平台上完成配置。二、核心概念Generation、模型选择与运行在进入步骤之前先厘清 Wordware 工作流中几个贯穿始终的概念。以下描述均可在仓库提供的截图中找到直接证据Generation生成节点这是承载 LLM 调用的最小单元。在斜杠命令面板中Generation 的官方释义是A placeholder for an LLM completion一个 LLM 补全的占位符——也就是说你不需要关心底层 API 细节只需在占位符里写清楚要让模型做什么。模型选择Select AI Model每个生成节点都会关联一个具体模型。从截图 select-deepseek.jpg 可以看到模型选择对话框会同时列出DeepSeek V3与DeepSeek R1两个可选项二者同处一个菜单、可随时切换。上下文Context与运行Run把希望模型处理的任务描述、示例文本等作为上下文填入生成节点点击编辑器右上角的 Run 按钮即可执行执行结果与耗时会在右侧输出面板Outputs中展示。控制块Control Blocks与工具Tools当单个生成节点不够用时可以用循环Loop、条件分支If/Else等控制块串联逻辑并在分支内挂载 Web 搜索等外部工具最后再用一个生成节点汇总结果见截图 tools.jpg。运行 Wordware 属于云端托管形态你需要拥有 Wordware 平台账号并在其网页编辑器中操作本仓库文档只记录可复现的操作路径不涉及任何本地安装与密钥配置。三、五步实战把 DeepSeek V3 / R1 接入你的首个生成流程下面按中文文档的教程骨架逐条展开并结合仓库截图补充每一步的界面细节与操作要点。3.1 第一步使用斜杠命令创建新的生成在 Wordware 编辑器的工作流画布中输入/即可触发斜杠命令面板。从截图 gen.png 可以看到命令面板会把可用命令按AI / Other / Tools分类展示AI 类下的第一项即为Generation释义为 A placeholder for an LLM completion旁边是用于生成场景的Structured Generation结构化生成可约束输出格式Tools 类则提供外部能力扩展例如Website similarity search网站相似度搜索、Text-to-speech with ElevenLabs文本转语音等。图为仓库 assets 中斜杠命令面板的界面实录展示了输入/ge后菜单按 AI / Other / Tools 分组弹出 Generation 等选项。选择 AI 类中的Generation后画布中即生成一个新的生成节点它就是你接入 DeepSeek 模型的起点。如果你想生成的是严格遵循某结构的输出如 JSON可以留意同菜单下的 Structured Generation 选项它是该节点普通生成能力之外的互补选择。3.2 第二步选择你想要的 DeepSeek 模型创建好生成节点后下一步是为它指定推理后端——也就是把 DeepSeek 正式接入你的工作流。点击节点上的模型选择器会弹出 Select AI Model 对话框从截图 select-deepseek.jpg 可见对话框中直接列出了两个 DeepSeek 家族模型DeepSeek V3截图中处于高亮选中状态DeepSeek R1。图为选择模型对话框的真实界面DeepSeek V3 被选中、DeepSeek R1 并列可选底部还有 Show Legacy Models 入口。操作上只需两步在下拉/弹出菜单里找到 DeepSeek 分类 → 单击目标模型。整个接入过程不需要配置任何 API Key、Base URL 或模型参数模型已由 Wordware 平台预置托管这也是文档强调最简单和最快的直接原因。3.3 第三步提供上下文并点击运行——V3 就是这么简单选好模型后把任务上下文写进生成节点即可。仓库截图 v3.jpg 记录了一个可复现的演示在名为DeepSeek Demo的项目中输入框内填写的示例提示词是Write a sentence about pirates with words only starting with the letter T, except for the word pirate.该生成节点被标记为new_generation DeepSeek V3即使用 DeepSeek V3 执行。点击编辑器右上角的绿色 Run 按钮后右侧 Outputs 面板会输出模型的完整回答截图中输出的是一句以 T 开头的海盗主题句子并在界面中显示本次运行所消耗的时间。也就是说将提示词上下文写入生成节点确认节点上方的模型徽标为 DeepSeek V3点击Run在右侧 Outputs 中读取结果。这个写上下文 → 点运行 → 读输出的闭环就是 Wordware 中一切复杂工作流的基本单元。配套的 r1.jpg 与 v3.jpg 画面结构完全一致唯一的差异是节点底部的模型徽标从 DeepSeek V3 变为了 DeepSeek R1——这正好印证了模型切换的轻量程度同一个生成节点、同一段上下文只需要在模型菜单中换一个选项即可换用另一款 DeepSeek 模型重新运行。3.4 第四步使用 R1 进行更高级的推理文档在 V3 的即点即用演示之后紧接着给出的进阶动作是切换到 R1 处理更高级的推理任务Use R1 for more advanced reasoning。R1 与 V3 在 Wordware 中的定位分工从英文文档的表述即可读出V3 面向一般性的文本生成与日常补全场景追求即写即跑的高效迭代而 R1 更适用于需要想清楚再回答的推理密集型环节例如综合分析、复杂指令遵循、需要多步逻辑的任务。在 r1.jpg 所示的工作流中同样的演示输入在模型切换为 DeepSeek R1 后即被重新执行——这种同一任务、两个模型对照的用法正好用来评估 R1 相对 V3 在给定上下文上的推理增益。实操建议在 Wordware 中做模型对比非常简单把同一个上下文复制到两个并列的生成节点一个标 V3、一个标 R1分别 Run 后对照右侧输出即可无需改动任何工作流结构。3.5 第五步叠加控制块与工具构建更复杂的流程单个生成节点只能完成一问一答而 Wordware 的价值在于把 DeepSeek 嵌入到多步骤、带分支、可调用外部数据的真实业务流中。文档最后一步专门演示了如何把生成节点与控制块control blocks和工具tools配对。仓库截图 tools.jpg 给出了一份极具参考价值的复杂流程模板其结构从内到外可以拆解为循环控制块LOOP_THROUGH_PEOPLE——遍历一份人员名单数据流贯穿整个流程例如通过变量name、website引用当前项条件分支块NEW_IF_ELSE——嵌套在循环内为每个人做条件判断工具调用两个分支中都挂载了WEB SEARCH WITH EXA联网检索工具只是查询参数不同IF 分支Query : name按人名检索、Full page text : true、Number of results : 3、Result category : allELSE 分支Query : website改按网站检索其余参数相同收尾生成节点循环结束后用一条Summarize the information on name的指令把检索到的信息汇总成结构化摘要该节点模型徽标为DeepSeek R1。图为叠加了 Loop / If-Else 控制块与 Exa 网络搜索工具的复杂流程截图流程末端由 DeepSeek R1 生成摘要。这个例子展示了一个可复制到真实业务中的检索增强生成RAG雏形循环遍历目标 → 条件分支决定检索策略 → 外部工具取回实时网页信息 → DeepSeek R1 负责阅读理解 归纳摘要。它同时体现了 Wordware 在 DeepSeek 集成上的自由度不同节点可以各自指定模型——把检索、循环等逻辑性工作交给控制块与工具把推理/总结这类高质量生成任务留给 DeepSeek自然语言指令Summarize the information on name直接充当流程各步骤的提示词节点之间通过变量传递数据全程无需编写胶水代码。四、在 Wordware 中选择 V3 还是 R1 的实用参考综合中英文文档与上述截图证据可以整理出在 Wordware 项目中做模型选型的几个经验性参考场景推荐模型判断依据快速原型、普通文案/句子生成、日常补全DeepSeek V3文档将其作为提供上下文并运行的默认演示对象适合高效迭代复杂推理、综合归纳、需要多步思考的任务DeepSeek R1文档明确其为更高级的推理选项截图示例中摘要生成环节使用的正是 R1同一任务的模型效果对照评估V3 / R1 双节点r1.jpg 与 v3.jpg 显示两者可在同一工作流结构下无缝切换复跑需要留意的是以上仅针对在 Wordware 内调用这一场景给出倾向性参考不构成对两个模型通用能力的横向性能结论。Wordware 模型菜单中的具体可用模型、命名与界面入口均以平台侧实际发布状态为准界面细节也可能随版本迭代而变化。五、从零搭建的建议路径与使用提示结合文档的教程顺序为希望上手的新用户整理一条低风险的实践路径从最简闭环开始用斜杠命令创建一个 Generation选 DeepSeek V3填一句明确的任务描述Run 并观察输出——先验证平台连通 提示词有效做一次双模型对照把同一段上下文复制给一个 R1 节点对比两个模型的输出差异确认 R1 在哪些任务上带来的推理增益值得你付出额外的运行成本渐进引入控制流当任务出现对多个对象重复处理按条件走不同检索路径需要联网取最新资料等需求时再逐步加入 Loop、If/Else 与 Web Search 等工具并用一个 DeepSeek 节点收口总结结构化输出需求若下游要对接程序如解析结果可关注斜杠命令菜单中的 Structured Generation 节点让 DeepSeek 按约定格式产出。使用过程中还需注意三点限制其一Wordware 是云端托管平台本文所有操作均需在 Wordware 官方应用中完成仓库不提供、也不包含任何可本地运行的 Wordware 代码其二DeepSeek 系列模型在 Wordware 侧的可用性、版本更新与计费方式由平台管理接入前应以平台当前提供的模型清单为准其三仓库内 docs/wordware/README_cn.md 与英文原版 docs/wordware/README.md 内容互为镜像若需更深入的操作手册含完整 Tour 教程请以 Wordware 官方文档站点的最新内容为准。六、本文依据的仓库材料本文全部操作步骤与界面描述均取自以下仓库内文档与截图资源可对照复核中文集成文档docs/wordware/README_cn.md英文集成文档docs/wordware/README.md集成索引Wordware 条目README.md截图资源位于 docs/wordware/assets/gen.png斜杠命令面板与 Generation 节点创建入口select-deepseek.jpgDeepSeek V3 / R1 模型选择对话框v3.jpg使用 DeepSeek V3 填入上下文并运行得到输出r1.jpg同一流程切换为 DeepSeek R1 后的运行界面tools.jpgLoop / If-Else 控制块 Exa 搜索工具 DeepSeek R1 汇总的复杂流程。综上Wordware 提供了一条与写代码调 API截然不同的 DeepSeek 集成路径它把模型接入压缩为选模型 写自然语言 点运行三步又通过控制块与工具把 DeepSeek V3 / R1 的能力编织进可交付的多步骤工作流。理解并复现本文的五个步骤你就已经掌握了在 Wordware 中驾驭 DeepSeek 家族模型的最小完备技能集。【免费下载链接】awesome-deepseek-integrationIntegrate the DeepSeek API into popular software项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-deepseek-integration创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考