Ferramenta de terminal para agentes de programação, feita em Rust e derivada do Codex da OpenAI, para obter bons resultados com modelos abertos e de baixo custo.
deepseek-ai/deepseek-recipe
Bibliotecas Rust e bindings para Python que convertem formatos de API de LLM em conversas DeepSeek e renderizam prompts.
Alternativa open source a:DeepSeek-V4-Pro
DeepSeek-V4.1-Flash
- Estrelas
- 1,254
- Forks
- 116
- Issues abertas
- 29
- Último commit
- há 22 horas
O que é?
deepseek-recipe é um conjunto de crates Rust com bindings para Python que cria uma camada uniforme entre um backend de inferência e clientes de API que usam protocolos diferentes. Sua função é cuidar da integração entre protocolos: receber uma solicitação no formato Messages, Chat Completions ou Responses, convertê-la em uma Conversation, renderizar essa conversa como prompt (ou IDs de tokens) para modelos DeepSeek e, em seguida, analisar a saída do modelo e transformá-la em uma resposta no formato solicitado pelo cliente.
A biblioteca deixa deliberadamente as partes mais complexas a cargo de quem a utiliza. A inferência do modelo, a execução de ferramentas e o transporte HTTP são fornecidos externamente; os crates cuidam apenas da conversão, renderização e análise. Há suporte a texto e imagens, modo de raciocínio, chamadas de ferramentas pelo cliente, continuação com `prefix` em Chat Completions, respostas em streaming, saída estruturada via `json_schema` ou `regex` e repasse de probabilidades logarítmicas. O tratamento de imagens aceita base64 e URLs externas, com pré-processamento usando OpenCV para DeepSeek V4.1 e uma opção `DestinationFilter` para serviços que buscam URLs não confiáveis. Também há suporte a prompts codificados pelo tokenizer para contar tokens de raciocínio e calcular `max_tokens` com base no limite de contexto do modelo.
Rust e Python têm suporte completo: um exemplo em Rust mostra como ler uma solicitação de Chat Completions com serde e renderizar um prompt V4.1, e o pacote Python `deepseek_recipe` (Python 3.10+) faz o mesmo. Uma demonstração no navegador renderiza prompts, destaca tokens especiais e analisa a saída do modelo para gerar respostas no formato Chat Completions, Responses ou Messages.
Recursos principais
- 01Converte solicitações Messages, Chat Completions e Responses para um formato Conversation compartilhado e analisa a saída do modelo para convertê-la de volta a qualquer um desses formatos.
- 02Renderiza conversas DeepSeek V4 e V4.1 como prompts ou as codifica em IDs de tokens usando um tokenizer associado.
- 03Oferece suporte a respostas em streaming, modo de raciocínio, chamadas de ferramentas pelo cliente e continuação com `prefix` em Chat Completions.
- 04Lida com saída estruturada usando `response_format` de Chat Completions (`json_schema` ou `regex`) e `text.format` de Responses (`json_schema`).
- 05Aceita imagens em base64 ou por URLs externas e faz o pré-processamento com OpenCV para V4.1.
- 06Calcula `max_tokens` com base no limite de contexto: o padrão é 8192 fora do modo de raciocínio, 65536 nesse modo e 131072 com esforço de raciocínio `max`.
- 07Converte `logprobs` e `top_logprobs` em `InferenceOptions`, deixando o cálculo das probabilidades a cargo do backend.
- 08Inclui bindings para Python (`deepseek_recipe`), um servidor de exemplo com Axum, um servidor de exemplo com FastAPI e uma demonstração no navegador.
Casos de uso
- Envolver um backend de inferência DeepSeek auto-hospedado para que ele possa atender clientes Messages, Chat Completions e Responses.
- Adicionar streaming, chamadas de ferramentas ou saída JSON estruturada a um endpoint de modelo existente sem reimplementar cada protocolo.
- Preparar dados de treinamento ou avaliação renderizando conversas como prompts exatos do modelo.
- Contar tokens em prompts e saídas de raciocínio ou verificar `max_tokens` em relação ao limite de contexto do modelo.
- Depurar a formatação de prompts e a análise de saídas usando a demonstração incluída no navegador.
Início rápido
- 1
Instale o pacote Python
python3 -m pip install deepseek-recipe - 2
Converta uma solicitação de Chat Completions e renderize o prompt com o código de exemplo do README
Antes de usar
- A biblioteca não executa inferência de modelos, execução de ferramentas nem transporte HTTP; quem a chama precisa fornecê-los.
- O DeepSeek V4 não aceita imagens, então o conteúdo de imagem é substituído por um marcador de texto.
- Os exemplos em Rust exigem uma compilação a partir do código-fonte para usar dependências de imagem; o README aborda isso em um guia de desenvolvimento separado.
Tópicos
Perguntas frequentes
- O que é deepseek-recipe?
- Bibliotecas Rust e bindings para Python que convertem formatos de API de LLM em conversas DeepSeek e renderizam prompts. deepseek-recipe é um conjunto de crates Rust com bindings para Python que cria uma camada uniforme entre um backend de inferência e clientes de API que usam protocolos diferentes. Sua função é cuidar da integração entre protocolos: receber uma solicitação no formato Messages, Chat Completions ou Responses, convertê-la em uma Conversation, renderizar essa conversa como prompt (ou IDs de tokens) para modelos DeepSeek e, em seguida, analisar a saída do modelo e transformá-la em uma resposta no formato solicitado pelo cliente.
- deepseek-recipe é gratuito? Qual é a licença?
- deepseek-recipe é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- deepseek-recipe ainda é mantido?
- Manutenção ativa. O último commit de deepseek-recipe foi em 19 de out. de 2026.
- Para que posso usar deepseek-recipe?
- Envolver um backend de inferência DeepSeek auto-hospedado para que ele possa atender clientes Messages, Chat Completions e Responses. Adicionar streaming, chamadas de ferramentas ou saída JSON estruturada a um endpoint de modelo existente sem reimplementar cada protocolo. Preparar dados de treinamento ou avaliação renderizando conversas como prompts exatos do modelo. Contar tokens em prompts e saídas de raciocínio ou verificar `max_tokens` em relação ao limite de contexto do modelo. Depurar a formatação de prompts e a análise de saídas usando a demonstração incluída no navegador.
- Como instalar deepseek-recipe?
- Instale o pacote Python: python3 -m pip install deepseek-recipe Converta uma solicitação de Chat Completions e renderize o prompt com o código de exemplo do README
- Onde consigo deepseek-recipe?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/deepseek-ai/deepseek-recipe
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Automação de navegador open source que usa LLMs e visão computacional para executar fluxos de trabalho na web em qualquer site, estendendo o Playwright com comandos de IA.
Um tokenizador BPE rápido para os modelos da OpenAI, usado para converter texto em tokens e vice-versa sem perda de informação.
Plataforma open source para criar chatbots com IA que conectam LLMs ao Slack, Discord, Telegram, WeChat, Lark, DingTalk e outros serviços.
Uma ferramenta de linha de comando que abre agentes de programação, como OpenCode e Claude Code, já configurados para usar modelos abertos hospedados ou locais.
Um sandbox seguro para Python, escrito em Rust, que executa código gerado por IA sem usar contêineres.