CommencezCommencez gratuitement

Créer un agent conversationnel de reasoning pour le code

Mettons tout ensemble pour construire un agent conversationnel de reasoning pour l'assistance en programmation !

On vous a fourni deux messages d'utilisateur : l'un demande du code Python pour une tâche précise, et l'autre précise ensuite qu'il faut utiliser une bibliothèque particulière.

V4-Pro fait du reasoning par défaut, donc il vous suffit de boucler sur la conversation et d'ajouter le bon champ à l'historique.

Cette activité fait partie du cours

Travailler avec DeepSeek en Python

Voir le cours

Instructions de l’exercice

  • Parcourez les questions des utilisateurs.
  • Envoyez chaque question d'utilisateur, q, au modèle deepseek-ai/DeepSeek-V4-Pro.
  • Ajoutez la réponse finale de l'assistant (le .content, pas le reasoning) à messages afin que l'historique de la conversation reste léger.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

client = OpenAI(api_key="", base_url="https://api.together.xyz/v1")

messages = []
user_msgs = ["Write some Python code to generate a list of numbers from 1-10.", "Update the code to use the NumPy library."]

# Loop over the user questions
for q in ____:
    print("User: ", q)
    user_dict = {"role": "user", "content": q}
    messages.append(user_dict)
    
    # Create the API request — V4-Pro reasons by default
    response = client.chat.completions.create(
        model="deepseek-ai/____",
        messages=____,
        max_tokens=500
    )
    
    # Append only the final answer to the conversation history
    assistant_dict = {"role": "assistant", "content": response.choices[0].message.____}
    messages.append(assistant_dict)
    print("Assistant: ", response.choices[0].message.content, "\n")
Modifier et exécuter le code