节点功能：一个与 DeepSeek 大模型 API 交互的节点，能够实现基于 DeepSeek 模型的智能对话、文本生成等功能，支持对话历史管理（V2增加支持阿里云和火山引擎的deepseek api，并且还增加了超时时间）。
关于api的设置大家可到DeepSeek API节点文章查看。
上一个节点的输出和对话历史可以作为下一个节点的输入，从而实现基于上一个问题的回答继续提问
temperature（温度参数）
作用：控制输出的多样性和随机性。
- 数值越低（接近0），输出越确定、保守、客观（倾向于选择概率最高的词）。
适用场景：需要精确回答（如事实查询、代码生成）、减少胡言乱语。
- 数值越高（接近1或更高），输出越有创意、多样性、随机性强。
适用场景：创意写作、故事生成、发散性回答
temperature=0.9时，还会对“简称”进行扩展。 如下
top_p（核采样）
作用：控制生成词的候选范围（仅考虑累积概率达到 top_p 的词）。
- top_p=0.9：仅从概率和占前90%的词中选择，模型会从更广泛的词汇中采样，生成的内容更具多样性，但可能会偏离主题或变得不够精准。
- top_p=0.1：仅从最可能的10%数词中选择，这会显著减少随机性，生成结果更集中。
与 temperature 的关系：两者常结合使用，top_p 控制候选词集合，temperature 再决定从集合中选择哪个词。
一般先调top_p ，再调temperature
presence_penalty（存在惩罚）：
- 作用：降低模型重复生成 已在上下文中出现过 的词的概率。
- 影响：避免整个对话或回答不断重复某个 已经提到的词。
就以文中“的、与”字出现的次数作为对比，可以看出，值越大，已经出现的词再出现的次数越来越少。
frequency_penalty（频率惩罚）：
- 作用：降低模型 重复生成同一个词（不论是否已经在上下文中）的概率。
- 影响：避免模型连续多次使用某个词（即使这个词之前没有出现过）。
以“AI"出现的次数为例，值越大，词重复出现的次数越少
当你将助手设定为 ‘You are a helpful and professional physician's assistant.’ 时，它就会以专业医生助理的语气来回答你的问题。