华为云 Flexus+DeepSeek 征文｜CCE 集群与 Dify 平台驱动，工作流协同 LLM：API 文档自动生成接口代码技术实践

前言

数字化开发中，API 接口代码手动编写存在效率低、适配难等痛点，华为云 Flexus 弹性算力与 DeepSeek 大模型通过 CCE 集群部署 Dify 平台，构建「API 文档智能解析 - 代码自动生成」工作流，可基于多源文档输入生成 Python 等语言的接口代码，集成密钥认证与参数校验能力，助力开发者降低接口适配成本，提升开发效率

准备工作

Step.1 Dify 平台 CCE 高可用集群部署

华为云 Flexus+DeepSeek 实战：华为云Dify 平台 CCE 高可用集群部署与大模型知识库构建指南

查看链接

✅上面链接文章是本文的操作前提，包含了华为云 Dify 平台 CCE 高可用集群部署与大模型高质量知识库构建流程，包含 ModelArts Studio 大模型开通，Dify 平台 CCE 高可用集群部署（涉及创建委托、获取桶名等操作 ）、模型供应商配置，高质量知识库配置（含 Embedding 及 Rerank 模型部署、相关供应商配置，涉及 ECS 公网 IP 获取等 ），大家需要根据链接完成前提部署再进行本文的操作流程哈

Step.2 jina-ai API 密钥获取

1、jina-ai API密钥获取（将抓取的URL链接网页内容转换成markdown格式）

2、Dify平台jina-ai API 密钥 填写

工作流搭建配置

1、工作流预览

2、开始节点配置

• file：上传 API 本地文档，“二选一” 意味着和 api_url 选其一即可，可上传如 Swagger 等格式的本地 API 描述文件，让系统基于本地文档了解接口信息
• api_url：填写 API 文档的网络访问链接，同样 “二选一”，系统能通过该 URL 去拉取在线 API 文档内容，像公开的接口文档地址，用于获取接口定义
• other：用于补充额外说明信息，比如对接口调用特殊要求、环境限制等文字描述，辅助明确调用场景
• language：必填项，需指定编程语言，像 Python、Java 等，方便后续基于该语言做 API 调用代码生成、适配语言特性的操作 ，比如生成对应语言的 SDK 或调用示例

3、条件分支语句配置

• IF 条件：判断"开始"节点里的 api_url 字段是否不为空，若满足，执行获取单页面操作，去抓取在线 API 文档页面内容
• ELSE 分支：若 api_url 为空，就走"文档提取器"流程，用本地上传的 file 文档（对应前面输入字段的 file）来解析 API 信息 ，以此适配本地文档或在线文档 URL两种输入场景，保障工作流能处理不同来源的 API 文档

4、文档提取器配置

• 输入：接收开始节点传来的 file 文件（即本地 API 文档 ），支持多种格式（txt、markdown、pdf 等常见文档格式 ），把文件内容作为处理对象
• 输出：提取文档文本信息，输出为 text 变量，传递给后续变量聚合器，用于整合数据，再交给 LLM（如 DeepSeek - R1）做代码生成等处理 ，是从文档上传到AI 处理的关键转换环节，让非结构化文档转成可被模型理解的文本内容

5、获取单个页面解读

• 核心功能：根据填入的 api_url（网址 ），抓取对应在线页面内容，用于后续 AI 处理生成代码

6、变量聚合节点配置

• 变量赋值：把文档提取器输出的 text（本地文档解析文本 ）和获取单页面输出的 text（在线页面抓取文本 ）聚合，统一成字符串类型变量 ，不管是用本地文件还是在线 URL 方式，都能汇总内容给后续节点
• 流程衔接：聚合后的变量传给LLM（DeepSeek - R1 模型 ）节点，作为 AI 生成代码的输入素材，是内容采集到AI 处理的桥梁，保障多样来源的文档内容能被模型统一解析

7、LLM大模型配置

• 模型与输入：选用 DeepSeek-R1 模型，接收变量聚合器传来的文档文本（本地 / 在线 API 文档内容 ），作为生成代码的素材
• 系统指令（SYSTEM）：定义模型角色为软件工程师，明确工作流程：解读 API 文档、介绍接口、用 language 字段指定的编程语言写测试代码；同时设置工作要求（如文档无接口需澄清、多接口选具体等 ），约束模型输出逻辑，让 AI 按规则生成贴合需求的代码，是从 “文档内容” 到 “代码产出” 的核心智能处理环节

# 你是一个软件工程师，帮助用户解读API文档并直接生成代码。
## 工作流程
1. 根据用户的要求解读API文档
2. 简要想用户介绍API文档中涉及到的接口
3. 根据用户的要求使用{{#1740959153996.language#}}编写测试代码

## 工作要求
1. 如果在输入的接口文档找没有找到接口，请向用户澄清。
2. 如果输入的接口文档中找到了多个接口，请向用户澄清具体是哪个接口。
3. 如果文档中涉及到了api-key或认证相关内容，可以使用用户提供加入到接口中。
4. 如果文档中提及了某些必须传入的参数和认证用的api-key，而用户没有提供，请告知用户未生成代码的具体原因，并询问用户该如何处理必需的参数。如：按照API文档的描述，在调用XX接口时，需要提供XX参数，并询问用户该如何处理？
5. 请注意API文档中描述的输入和输出参数的格式，严格按照文档中描述的格式组织代码。

## 输出格式
1. 编写测试代码
2. 解释每个输入参数和输出参数具体的含义

8、结束节点配置

• 功能：接收 LLM 节点输出的 text 变量（即 AI 生成的代码或结果 ），作为工作流最终输出，标志流程执行完毕
• 关联：承接前面LLM（DeepSeek - R1 模型 ）处理结果，把生成的内容通过 text 变量输出，是整个解析 API 文档→生成代码流程收尾环节，明确工作流的产出数据

在线测试与验证

在线API接口

• 填写API文档URL或者API本地文档，选择编程语言，开始运行

根据文档中提供的Python示例代码，我为您编写调用DeepSeek聊天API的测试代码：
from openai import OpenAI

# 初始化客户端
client = OpenAI(
api_key="<请替换为您的DeepSeek API Key>",
 base_url="https://api.deepseek.com"
)

# 调用聊天接口
response = client.chat.completions.create(
 model="deepseek-chat",  # 或使用 "deepseek-reasoner"
    messages=[
        {"role": "system", "content": "你是一个有用的助手"},
     {"role": "user", "content": "你好！"}
 ],
 stream=False,
 temperature=0.7  # 可选参数
   )
   
   # 输出响应结果
   print(response.choices[0].message.content)
   
   参数说明：
   
输入参数：
api_key（必需）:

类型：字符串
说明：需要替换为从DeepSeek平台申请的API密钥
base_url（必需）:

类型：字符串
固定值："https://api.deepseek.com"
注意：也可以使用"https://api.deepseek.com/v1"兼容OpenAI格式
model（必需）:

类型：字符串
可选值：
"deepseek-chat"：对应DeepSeek-V3-0324模型
"deepseek-reasoner"：对应DeepSeek-R1-0528模型
messages（必需）:

类型：消息对象列表
格式要求：
[
 {"role": "system", "content": "系统提示"},
 {"role": "user", "content": "用户输入"}
]

stream（可选）:

类型：布尔值
   默认：False
   说明：设置为True时启用流式输出
temperature（可选）:

类型：浮点数
范围：0.0-2.0
默认：1.0
作用：控制输出的随机性，值越低输出越确定
输出参数（response对象）：
id: 本次请求的唯一标识符
object: 返回对象类型（"chat.completion"）
created: 请求时间戳
model: 使用的模型名称
choices:
包含消息对象的列表
主要字段：
{
 "message": {
     "role": "assistant",
     "content": "模型生成的回复内容"
 },
 "finish_reason": "stop"  # 或 length/content_filter 等其他原因
}

   usage：
   {
    "prompt_tokens": 输入token数,
    "completion_tokens": 输出token数,
    "total_tokens": 总token数
}
重要提醒：

需要先安装OpenAI SDK：pip install openai
   必须替换代码中的<请替换为您的DeepSeek API Key>为实际API密钥
   免费试用用户有调用次数限制，正式使用需要购买额度
   不同模型的计费标准和速率限制可能不同，请参考定价文档
如果需要使用流式输出，可以将stream=True，并使用迭代器处理响应：
stream_response = client.chat.completions.create(
 model="deepseek-chat",
 messages=[...],
 stream=True
)

for chunk in stream_response:
 if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

离线API接口

• 填写API文档URL或者API本地文档，选择编程语言，开始运行

以下是调用图像生成接口的Python测试代码及参数说明：
import requests

url = "https://api.siliconflow.cn/v1/images/generations"

# 请替换为您实际的API密钥
api_key = "Bearer <your-api-key>"  # 需要用户替换真实API密钥

payload = {
 "model": "Kwai-Kolors/Kolors",
 "prompt": "an island near sea, with seagulls, moon shining over the sea, light house",  # 必填参数
 "image_size": "1024x1024",         # 图片尺寸选项：1024x1024, 960x1280等
 "batch_size": 1,                   # 生成图片数量(1-4)
 "num_inference_steps": 20,         # 推理步骤数(1-100)
 "guidance_scale": 7.5,             # 文本匹配控制(0-20)
 "negative_prompt": "low quality",  # 可选参数
    "seed": 4999999999,                # 随机种子(0-9999999999)
    "image": "data:image/webp;base64,XXX"  # Base64编码的参考图片
   }
   
   headers = {
    "Authorization": api_key,
    "Content-Type": "application/json"
   }
   
try:
 response = requests.post(url, json=payload, headers=headers)
 if response.status_code == 200:
        result = response.json()
        print("生成成功！图片URL（有效1小时）：")
     for img in result.get("images", []):
         print(img.get("url"))
     print(f"使用种子：{result.get('seed')}")
        print(f"推理耗时：{result.get('timings', {}).get('inference')}ms")
    else:
        print(f"请求失败，状态码：{response.status_code}")
        print(f"错误信息：{response.text}")
   except Exception as e:
    print(f"发生异常：{str(e)}")
   
    【重要参数说明】
   
   认证参数：
   Authorization: 必须使用Bearer认证格式的API密钥
必填参数：
   model：当前仅支持 Kwai-Kolors/Kolors 模型
    prompt：文字描述，控制生成图片内容的核心参数
   image_size：图片分辨率，需从预设选项中选择
batch_size：生成图片数量（取值范围1-4）
num_inference_steps：生成质量相关参数（取值范围1-100）
guidance_scale：文本匹配强度（取值范围0-20）
可选参数：
negative_prompt：排除不希望出现的元素描述
seed：随机种子，可用于复现生成结果
image：参考图片的Base64编码（需转换为webp格式）
【使用前需要确认】

请将<your-api-key>替换为真实的API密钥
如果不需要参考图片，可以移除image参数
生成的图片URL有效期为1小时，请及时下载
建议测试时保持batch_size=1以减少等待时间
【响应字段说明】

images.url：生成的图片访问地址
timings.inference：服务端推理耗时（毫秒）
seed：实际使用的随机种子值（可用于复现）

华为云CCE 集群 Flexus 实例体验感受

华为云 CCE 集群 Flexus 实例依托擎天架构的强劲算力、瑶光云脑的智能调度，在 API 文档自动生成接口代码实践中，通过 Dify 平台实现多源文档解析与 Python 代码智能生成，兼具高可用容灾、按需付费成本优势及可视化运维能力，有效降低企业接口适配成本，大幅提高开发效率

✅柔性算力配置：打破固定配比，支持 CPU 内存自定义规格，按需灵活调整资源配比

✅智能资源优化：通过瑶光云脑动态匹配业务负载，精准推荐规格并实时调优，降低算力成本

✅高性能架构支撑：基于擎天架构，单核性能强劲，数据库等场景表现突出，应对高负载任务游刃有余

总结

本文依托华为云 CCE 集群的容器编排能力与 Dify 平台的工作流引擎，结合 DeepSeek-R1 大模型，构建了从 API 文档解析到接口代码生成的自动化流程。通过配置本地 / 在线文档输入、条件分支处理、变量聚合及 LLM 指令优化，实现了 Python 等编程语言的接口代码智能生成，整合 Jina-AI 密钥认证体系，解决企业级 API 调用代码生成效率低、适配成本高的痛点，为开发者提供标准化、自动化的代码生成解决方案

828 B2B企业节已经开幕，汇聚千余款华为云旗下热门数智产品，更带来满额赠、专属礼包、储值返券等重磅权益玩法，是中小企业和开发者上云的好时机，建议密切关注官方渠道，及时获取最新活动信息，采购最实惠的云产品和最新的大模型服务！