deepseek-recipe：DeepSeek 开源的 API 协议转换与 Token 编解码组件，统一 OpenAI 与 Anthropic 三种格式 Vibe 项目

项目简介

deepseek-recipe 是 DeepSeek 随推理框架 DeepInfer 一同开源的生产级 Token 编解码与协议转换组件，Rust 编写并提供 Python 绑定，仓库 github.com/deepseek-ai/deepseek-recipe。它解决的问题很具体：主流 API 格式有三种，OpenAI 的 Chat Completions、OpenAI 的 Responses、Anthropic 的 Messages，字段命名、思考模式、工具调用写法各不相同。它把这些请求统一转换成同一种 Conversation 格式，再按模型版本渲染 prompt、编码成 Token ID，最后把模型输出翻回各家格式流式返回。

核心功能

• 三种格式互转：Messages、Chat Completions、Responses 全覆盖，支持文本、图片、思考模式、客户端工具调用与 prefix 续写。
• Prompt 渲染与编码：把 V4 与 V4.1 会话渲染成模型 prompt，或配合 tokenizer 直接编码成 Token ID。
• 生成参数处理：思考模式、推理强度、temperature、top_p、输出上限；resolve_max_tokens 会校验上下文长度并补默认值——非思考 8192，思考 65536，思考且 max 档 131072。
• 输出解析：推理内容、工具调用、JSON 输出、停止序列，挂上 tokenizer 还能统计 reasoning_tokens。
• 结构化输出：支持 Chat Completions 的 json_schema 与 regex、Responses 的 text.format，转换阶段校验 JSON Schema 并写入 prompt。
• 特殊 Token 语义统一：用户发言起点、思考结束、工具调用边界由特殊 Token 标记，避免跨格式转换时错位。

技术实现

项目以 Rust 库形式发布，同时提供 Python 绑定，把协议转换与模型推理解耦得很彻底：转换层只负责结构映射、prompt 渲染与 Token 编解码，模型推理、工具执行、HTTP 传输全由调用方提供。这意味着它可以接到任意推理后端，无论是自建集群、第三方 API 还是本地引擎。

转换过程还会为请求选出 OutputConstraint：带工具且工具选择不为 none 的请求约束到工具调用块，其余按 JSON、JSON Schema 或正则约束生成。这把「格式正确」从依赖模型的自觉，变成了协议层的硬约束，对做 Agent 工具调用的服务尤其重要。

快速上手

1. 克隆仓库，先读 README 与 docs/tokenizer.md、docs/streaming.md，弄清数据流。
2. 按项目说明构建 Rust 库，或安装对应的 Python 绑定。
3. 准备 V4 与 V4.1 的 tokenizer，把会话对象编码成 Token ID。
4. 调用 ConversationRequest 完成 prompt 渲染与 max_tokens 解析，再交给自己的推理后端执行。
5. 用 StreamProcessor 处理流式输出，把 Token 逐个翻回 Chat Completions 或 Responses 格式返回给客户端。

适用人群

自建推理服务的平台团队、要同时对外提供 OpenAI 与 Anthropic 风格接口的 API 网关开发者、私有化环境里跑 DeepSeek 需要自己拼 prompt 的工程师，以及对多家模型供应商格式差异头疼的应用开发者。

官方链接

https://github.com/deepseek-ai/deepseek-recipe