Cách dùng API DeepSeek trong Cursor: Cấu hình Base URL tùy chỉnh

Câu trả lời ngắn gọn

Nếu bạn muốn biết cách dùng API DeepSeek trong Cursor, quy trình giống nhau với mọi nhà cung cấp tương thích OpenAI. Bạn mở cài đặt mô hình của Cursor, dán khóa API vào trường khóa OpenAI, ghi đè base URL OpenAI và thêm tên mô hình mà Cursor chưa biết. Sau đó, bạn chọn mô hình đó trong chat.

Một lời giải thích trước khi bạn bắt đầu. Trang web này không phải là API DeepSeek chính thức. Đây là API văn bản được lưu trữ, tương thích OpenAI, chạy một mô hình trọng số mở, do một nhà cung cấp độc lập vận hành và được tinh chỉnh để trả lời mà không từ chối nội dung cho người dùng trưởng thành hợp pháp. ID mô hình là uncensored. Nếu bạn cần dịch vụ DeepSeek chính thức, hãy dùng endpoint và khóa của nhà cung cấp đó. Các cài đặt trong Cursor trông giống nhau trong cả hai trường hợp: chỉ có ba giá trị thay đổi.

Trước khi mở Cursor: lấy và kiểm tra khóa

Đăng ký bằng Google hoặc bằng email và mật khẩu. Sau đó, trang khóa API có nút một cú nhấp chuột để thêm $0.50 tín dụng dùng thử. Tín dụng này có hiệu lực trong 7 ngày, không cần thẻ và giới hạn một lần cho mỗi người. Điều đó đủ cho vài trăm câu hỏi lập trình ngắn, để bạn hoàn tất toàn bộ cài đặt trước khi trả bất kỳ khoản tiền nào. Trang khóa hướng dẫn các bước.

Bây giờ hãy kiểm tra khóa bên ngoài Cursor. Các thông báo lỗi của Cursor rất ngắn và một lỗi đánh máy trong khóa trông giống như một URL sai. Hãy chạy lệnh này trong terminal:

Copycurl https://api.deepseekapi.top/v1/chat/completions   -H "Authorization: Bearer YOUR_KEY"   -H "Content-Type: application/json"   -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a Python function that reverses a string."}]
  }'

Bạn sẽ nhận được phản hồi JSON với hàm trong choices[0].message.content. Bạn cũng có thể liệt kê các mô hình bằng GET /v1/models, đây là cách nhanh chóng để xác nhận khóa được chấp nhận. Nếu điều này hoạt động, phía endpoint đã xong và mọi thứ còn lại là cấu hình Cursor.

Cấu hình Cursor từng bước

1. Mở cài đặt Cursor và vào phần Models. Trên hầu hết các bản dựng, bạn truy cập nó bằng biểu tượng bánh răng, sau đó chọn Models.
2. Tìm trường khóa API OpenAI của bạn và dán khóa. Cursor có thể yêu cầu bạn xác minh nó. Xác minh có thể thất bại với endpoint tùy chỉnh, vì Cursor kiểm tra khóa đối với danh sách mô hình của riêng nó. Nếu vậy, hãy tiếp tục với các bước tiếp theo và đánh giá dựa trên việc chat có hoạt động hay không.
3. Bật tùy chọn ghi đè base URL OpenAI và nhập https://api.deepseekapi.top/v1. Bao gồm /v1 ở cuối. Không thêm /chat/completions; ứng dụng khách tự thêm đường dẫn đó.
4. Sử dụng nút thêm mô hình và nhập uncensored chính xác, bằng chữ thường. Bật nó trong danh sách mô hình.
5. Mở bảng chat, chọn uncensored trong trình chọn mô hình và gửi một prompt ngắn.

Tên menu thay đổi giữa các bản phát hành Cursor, vì vậy nếu nhãn khác với nhãn ở trên, hãy tìm ba điều tương tự: khóa, base URL, mô hình tùy chỉnh. Tài liệu chính thức của Cursor là nơi để kiểm tra các tên hiện tại.

Một cài đặt cần lưu ý

Cursor duy trì một ghi đè base URL OpenAI duy nhất. Khi nó được bật, mọi mô hình có tên OpenAI bạn sử dụng trong Cursor đều sẽ gửi đến địa chỉ mới. Nếu bạn cũng muốn sử dụng một dịch vụ tương thích OpenAI khác cho một việc gì đó khác, hãy tắt ghi đè hoặc sử dụng một hồ sơ riêng.

Những tính năng hoạt động với endpoint tùy chỉnh

Một khóa tùy chỉnh được sử dụng cho các tính năng gọi mô hình chat: bảng chat và chỉnh sửa nội tuyến. Những tính năng này gửi yêu cầu hoàn tất chat tiêu chuẩn, đây là những gì API này chấp nhận. Dịch vụ hỗ trợ truyền phát qua SSE, vì vậy các phản hồi xuất hiện từng token trong bảng chat như với các nhà cung cấp khác.

Một số tính năng của Cursor phụ thuộc vào các mô hình và máy chủ của riêng Cursor, chẳng hạn như tự động hoàn thành bằng Tab. Những tính năng đó không chuyển sang khóa của bạn. Ngoài ra, Cursor có thể định tuyến các yêu cầu qua máy chủ backend của riêng nó trước khi chúng đến endpoint của bạn, vì vậy hãy kiểm tra tài liệu của nó nếu vị trí mạng hoặc ghi nhật ký quan trọng đối với bạn. Phía chúng tôi, prompt không được sử dụng để huấn luyện.

Các tính năng dạng agent dựa trên gọi hàm. API hỗ trợ gọi hàm với tools, tool_choice và truyền phát (streaming) tool_calls, với kết quả trả về dưới dạng role: "tool". Việc một chế độ Cursor cụ thể có sử dụng đường dẫn đó với mô hình tùy chỉnh hay không có thể khác nhau giữa các phiên bản, vì vậy hãy coi đây là điều bạn nên kiểm tra trên một tác vụ nhỏ trước khi xây dựng quy trình làm việc xung quanh nó.

Cửa sổ ngữ cảnh là 100.000 token, bao gồm prompt và kết quả. Điều đó đủ lớn để xử lý nhiều tệp cùng lúc, nhưng Cursor quyết định những gì sẽ đính kèm, và một tệp đính kèm lớn sẽ tốn input token cho mỗi tin nhắn.

Prompt hoạt động tốt trong trình chỉnh sửa

Một mô hình chat trong trình chỉnh sửa chỉ hữu ích như ngữ cảnh bạn cung cấp cho nó. Một vài thói quen tạo ra sự khác biệt rõ rệt với bất kỳ mô hình nào phía sau endpoint tùy chỉnh.

• Chỉ đính kèm các tệp quan trọng. Mọi tệp đính kèm đều là input token cho mỗi lượt. Hai tệp liên quan tốt hơn mười tệp liên quan lỏng lẻo, cả về chất lượng và chi phí.
• Nêu rõ nhiệm vụ và ràng buộc. "Viết lại hàm này để tránh đệ quy, giữ nguyên chữ ký" hoạt động tốt hơn "làm cho cái này tốt hơn".
• Yêu cầu câu trả lời có kích thước như một diff. Nếu bạn chỉ muốn thay đổi nhỏ, hãy nói rõ. Nếu không, mô hình có thể viết lại toàn bộ tệp, và bạn phải trả phí cho các token đầu ra.
• Bắt đầu một chat mới cho mỗi nhiệm vụ. Các lượt cũ được gửi lại. Một chat sạch là cách cắt giảm ngữ cảnh rẻ nhất.

Mô hình được tinh chỉnh để trả lời mà không từ chối nội dung cho người dùng trưởng thành hợp pháp, vì vậy các câu hỏi lập trình liên quan đến bảo mật, chẳng hạn như cách một lớp lỗ hổng đã biết hoạt động trong mã của riêng bạn, thường nhận được câu trả lời trực tiếp thay vì cảnh báo. Nó vẫn mắc lỗi như bất kỳ mô hình ngôn ngữ nào khác. Hãy đọc mã nó cung cấp và chạy các bài kiểm tra trước khi commit bất kỳ thay đổi nào.

Nếu một câu trả lời dài bị treo, hãy kiểm tra phần giới hạn bên dưới. Hai cửa sổ trình chỉnh sửa truyền phát cùng lúc trên khóa dùng thử sẽ lấp đầy cả hai khe đồng thời, và yêu cầu thứ ba sẽ chờ hoặc trả về 429.

Chi phí khi dùng trong trình chỉnh sửa

Giá là $0.15 cho mỗi 1M input token và $0.50 cho mỗi 1M output token, từ tín dụng trả trước. Không có gói đăng ký, các yêu cầu thất bại hoặc bị từ chối không bị tính phí và tín dụng không bao giờ hết hạn.

Một lượt chat điển hình trong trình chỉnh sửa có nhiều input (tệp bạn đã đính kèm cộng với lịch sử) và một câu trả lời ngắn. Hãy lấy 6.000 input token và 700 output token:

• Đầu vào: 6.000 × 0,15 USD / 1.000.000 = 0,0009 USD
• Đầu ra: 700 × 0,50 USD / 1.000.000 = 0,00035 USD
• Tổng cộng: $0,00125 cho mỗi lượt

Ở kích thước đó, 100 lượt tốn $0,125. Một ngày làm việc dài với 400 lượt tốn $0,50. Input chiếm ưu thế trong hóa đơn khi các cuộc trò chuyện phát triển, vì Cursor gửi lại lịch sử. Bắt đầu một chat mới khi bạn thay đổi nhiệm vụ là cách dễ nhất để giữ con số đó thấp.

Khi bạn muốn nạp thêm tiền, các khoản nạp là bất kỳ số nguyên nào từ $20 đến $500, với khoản thưởng thêm +5% từ $50, +10% từ $100 và +15% từ $200. Bạn có thể thanh toán bằng thẻ (Visa, Mastercard, Apple Pay, Google Pay) hoặc tiền mã hóa (USDT trên TRC20, USDC trên Base). Chi tiết có trên trang giá.

Khắc phục sự cố

401 hoặc khóa không hợp lệ

Khóa được dán kèm theo khoảng trắng ở cuối, hoặc nó thuộc về một trang web khác. Hãy chạy lại bài kiểm tra curl với cùng chuỗi đó. Nếu curl hoạt động và Cursor không, hãy dán lại khóa.

404 hoặc không tìm thấy mô hình

Thông thường base URL thiếu /v1 hoặc có thêm đường dẫn ở cuối. Tên mô hình phải chính xác là uncensored.

Phản hồi 429

Một khóa đầy đủ cho phép 8 yêu cầu đồng thời và 300 yêu cầu mỗi phút. Khóa dùng thử cho phép 2 yêu cầu đồng thời và 60 yêu cầu mỗi phút. Mã lỗi rate_limited có nghĩa là quá nhiều yêu cầu mỗi phút và concurrency có nghĩa là quá nhiều cùng lúc. Khi quá tải tạm thời, bạn cũng nhận được 429 với Retry-After: 5. Một phản hồi truyền phát giữ khe của nó cho đến khi luồng kết thúc, vì vậy nhiều cửa sổ trình chỉnh sửa truyền phát cùng lúc có thể đạt giới hạn đồng thời trên khóa dùng thử.

Mô hình từ chối hoặc lạc đề

Mô hình được tinh chỉnh để tránh từ chối nội dung cho mục đích người trưởng thành hợp pháp, nhưng nó vẫn là một mô hình ngôn ngữ và tuân theo prompt của bạn. Hãy đưa ra một chỉ dẫn hệ thống rõ ràng và một nhiệm vụ chính xác. Giới hạn cứng là nội dung tình dục liên quan đến người chưa thành niên luôn bị cấm.

Tài liệu quickstart liệt kê các header được trả về trong mỗi phản hồi, bao gồm X-Request-Id, hữu ích để bạn trích dẫn khi liên hệ hỗ trợ.

Hướng dẫn khác

• Cách sử dụng DeepSeek API trong SillyTavern: Endpoint tùy chỉnh
• Ví dụ Python API DeepSeek: Chat, Streaming, Công cụ
• Khóa API DeepSeek: Truy cập API LLM không kiểm duyệt