🐋DeepSeek V3 聊天与 R1 推理快速入门

该工作流适合以下人群：
- 开发者：希望通过集成 DeepSeek API 和 LangChain 来构建智能聊天应用。
- 数据科学家：需要利用对话代理和推理模型进行数据分析和自然语言处理。
- 企业用户：希望自动化客户支持和交互，提高工作效率。
- 研究人员：对语言模型和推理能力进行实验和研究的人士。

该工作流解决了以下问题：
- 自动化对话处理：通过集成 DeepSeek 和 LangChain，自动响应用户消息，减少人工干预。
- 提高响应准确性：利用先进的 AI 代理和推理模型，提供更智能和准确的回答。
- 便捷的 API 访问：简化了 DeepSeek API 的调用，使得用户可以轻松获取和处理数据。

工作流流程详解：
1. 接收聊天消息：当收到聊天消息时，触发工作流。
2. 处理消息：使用 Basic LLM Chain2 处理接收到的消息，生成初步的 AI 响应。
3. AI 代理交互：将处理后的消息传递给 AI Agent，进一步优化响应。
4. DeepSeek 推理：调用 DeepSeek 节点进行更复杂的推理，获取最终结果。
5. 内存管理：使用 Window Buffer Memory 记录对话历史，提高上下文理解能力。
6. API 调用：通过 DeepSeek JSON Body 节点或 DeepSeek Raw Body 节点向 DeepSeek API 发送请求，获取响应。
7. 展示结果：最终将响应结果返回给用户，完成对话。

用户如何自定义和调整此工作流：
- 修改系统消息：在 AI Agent 节点中，可以更改系统消息以调整助手的行为和语气。
- 更改模型参数：在 DeepSeek 和 Ollama DeepSeek 节点中，可以根据需求调整模型参数，如温度、上下文长度等。
- 添加更多节点：可以根据需要添加新的节点，例如数据处理、条件逻辑等，以增强工作流的功能。
- 调整 API 配置：根据实际需求修改 DeepSeek JSON Body 和 DeepSeek Raw Body 节点中的 API 请求体，确保符合使用场景。