Wordware × DeepSeek 集成实战：用自然语言编排 DeepSeek V3 与 R1 的 AI 工作流

Wordware × DeepSeek 集成实战：用自然语言编排 DeepSeek V3 与 R1 的 AI 工作流

【免费下载链接】awesome-deepseek-integrationIntegrate the DeepSeek API into popular software项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-deepseek-integration

本文基于 awesome-deepseek-integration 仓库中 Wordware 集成条目的中文文档 docs/wordware/README_cn.md 编写。Wordware 是一个让开发者（甚至非开发者）仅用自然语言即可构建、迭代和部署 AI 技术栈的工具包；本指南将完整演示在其可视化编辑器中创建一个"生成（Generation）"节点、把模型切换为 DeepSeek V3 或 DeepSeek R1、填入上下文并运行，以及进一步叠加循环/条件控制块与联网检索工具、组成复杂 AI 工作流的全过程。读完本文，你将掌握"在 Wordware 中快速接入并灵活切换 DeepSeek 模型"的完整操作链路，并能据此搭建属于自己的多步骤 AI 应用。

一、Wordware 是什么：为什么它能承载 DeepSeek 集成

根据 docs/wordware/README_cn.md 的官方介绍，Wordware 是一个"让任何人都能仅使用自然语言来构建、迭代和部署他们的 AI 技术栈"的工具包。它的核心思路是把传统需要写代码的 Agent / LLM 应用开发，转变成在一个类文档编辑器的工作区中书写自然语言指令、拖拽式串联逻辑块的可视化过程。

在该集成文档中，Wordware 被定位为"将 DeepSeek V3 和 R1 集成到您的 LLM 应用程序中最简单和最快的方式"：开发者不需要自己拼接 API 请求、维护提示词工程框架或搭建推理服务，只要在 Wordware 编辑器里创建一个生成节点，从模型菜单里选中 DeepSeek 系列模型，填入上下文并点击运行即可。这正是本仓库把 Wordware 收录进 DeepSeek 集成清单（见根目录 README.md 中的集成索引表）的原因——它与 Cline、Continue、Cursor 等"把 DeepSeek 接入开发者工具"的条目互补，代表了一条零代码、面向产品化工作流的 DeepSeek 集成路线。

需要说明的是，本条目在仓库中以使用文档为主：docs/wordware/目录下只有中英文 README 与一组界面截图资源（位于 docs/wordware/assets/），并不包含 Wordware 平台自身的源码，因此本文以文档流程 + 截图实证为准，带你在其官方托管平台上完成配置。

二、核心概念：Generation、模型选择与运行

在进入步骤之前，先厘清 Wordware 工作流中几个贯穿始终的概念。以下描述均可在仓库提供的截图中找到直接证据：

• Generation（生成）节点：这是承载 LLM 调用的最小单元。在斜杠命令面板中，Generation 的官方释义是"A placeholder for an LLM completion"（一个 LLM 补全的占位符）——也就是说，你不需要关心底层 API 细节，只需在占位符里写清楚"要让模型做什么"。
• 模型选择（Select AI Model）：每个生成节点都会关联一个具体模型。从截图 select-deepseek.jpg 可以看到，模型选择对话框会同时列出DeepSeek V3与DeepSeek R1两个可选项，二者同处一个菜单、可随时切换。
• 上下文（Context）与运行（Run）：把希望模型处理的任务描述、示例文本等作为上下文填入生成节点，点击编辑器右上角的 Run 按钮即可执行；执行结果与耗时会在右侧输出面板（Outputs）中展示。
• 控制块（Control Blocks）与工具（Tools）：当单个生成节点不够用时，可以用循环（Loop）、条件分支（If/Else）等控制块串联逻辑，并在分支内挂载 Web 搜索等外部工具，最后再用一个生成节点汇总结果（见截图 tools.jpg）。

运行 Wordware 属于云端托管形态：你需要拥有 Wordware 平台账号并在其网页编辑器中操作，本仓库文档只记录可复现的操作路径，不涉及任何本地安装与密钥配置。

三、五步实战：把 DeepSeek V3 / R1 接入你的首个生成流程

下面按中文文档的教程骨架逐条展开，并结合仓库截图补充每一步的界面细节与操作要点。

3.1 第一步：使用斜杠命令创建新的生成

在 Wordware 编辑器的工作流画布中，输入/即可触发斜杠命令面板。从截图 gen.png 可以看到，命令面板会把可用命令按AI / Other / Tools分类展示：

• AI 类下的第一项即为Generation，释义为 "A placeholder for an LLM completion"，旁边是用于生成场景的Structured Generation（结构化生成，可约束输出格式）；
• Tools 类则提供外部能力扩展，例如Website similarity search（网站相似度搜索）、Text-to-speech with ElevenLabs（文本转语音）等。

（图为仓库 assets 中斜杠命令面板的界面实录，展示了输入/ge后菜单按 AI / Other / Tools 分组弹出 Generation 等选项。）

选择 AI 类中的Generation后，画布中即生成一个新的生成节点，它就是你接入 DeepSeek 模型的起点。如果你想生成的是严格遵循某结构的输出（如 JSON），可以留意同菜单下的 Structured Generation 选项，它是该节点普通生成能力之外的互补选择。

3.2 第二步：选择你想要的 DeepSeek 模型

创建好生成节点后，下一步是为它指定推理后端——也就是把 DeepSeek 正式接入你的工作流。点击节点上的模型选择器，会弹出 "Select AI Model" 对话框；从截图 select-deepseek.jpg 可见，对话框中直接列出了两个 DeepSeek 家族模型：

• DeepSeek V3（截图中处于高亮选中状态）；
• DeepSeek R1。

（图为选择模型对话框的真实界面：DeepSeek V3 被选中、DeepSeek R1 并列可选，底部还有 "Show Legacy Models" 入口。）

操作上只需两步：在下拉/弹出菜单里找到 DeepSeek 分类 → 单击目标模型。整个接入过程不需要配置任何 API Key、Base URL 或模型参数，模型已由 Wordware 平台预置托管，这也是文档强调"最简单和最快"的直接原因。

3.3 第三步：提供上下文并点击运行——V3 就是这么简单

选好模型后，把任务上下文写进生成节点即可。仓库截图 v3.jpg 记录了一个可复现的演示：在名为DeepSeek Demo的项目中，输入框内填写的示例提示词是：

Write a sentence about pirates with words only starting with the letter T, except for the word pirate.

该生成节点被标记为new_generation DeepSeek V3，即使用 DeepSeek V3 执行。点击编辑器右上角的绿色 Run 按钮后，右侧 Outputs 面板会输出模型的完整回答（截图中输出的是一句以 T 开头的海盗主题句子），并在界面中显示本次运行所消耗的时间。也就是说：

1. 将提示词（上下文）写入生成节点；
2. 确认节点上方的模型徽标为 DeepSeek V3；
3. 点击Run，在右侧 Outputs 中读取结果。

这个"写上下文 → 点运行 → 读输出"的闭环，就是 Wordware 中一切复杂工作流的基本单元。配套的 r1.jpg 与 v3.jpg 画面结构完全一致，唯一的差异是节点底部的模型徽标从 DeepSeek V3 变为了 DeepSeek R1——这正好印证了模型切换的轻量程度：同一个生成节点、同一段上下文，只需要在模型菜单中换一个选项即可换用另一款 DeepSeek 模型重新运行。

3.4 第四步：使用 R1 进行更高级的推理

文档在 V3 的"即点即用"演示之后，紧接着给出的进阶动作是切换到 R1 处理更高级的推理任务（"Use R1 for more advanced reasoning"）。

R1 与 V3 在 Wordware 中的定位分工从英文文档的表述即可读出：V3 面向一般性的文本生成与日常补全场景，追求即写即跑的高效迭代；而 R1 更适用于需要"想清楚再回答"的推理密集型环节，例如综合分析、复杂指令遵循、需要多步逻辑的任务。在 r1.jpg 所示的工作流中，同样的演示输入在模型切换为 DeepSeek R1 后即被重新执行——这种"同一任务、两个模型对照"的用法，正好用来评估 R1 相对 V3 在给定上下文上的推理增益。

实操建议：在 Wordware 中做模型对比非常简单，把同一个上下文复制到两个并列的生成节点，一个标 V3、一个标 R1，分别 Run 后对照右侧输出即可；无需改动任何工作流结构。

3.5 第五步：叠加控制块与工具，构建更复杂的流程

单个生成节点只能完成"一问一答"，而 Wordware 的价值在于把 DeepSeek 嵌入到多步骤、带分支、可调用外部数据的真实业务流中。文档最后一步专门演示了如何把生成节点与控制块（control blocks）和工具（tools）配对。

仓库截图 tools.jpg 给出了一份极具参考价值的"复杂流程"模板，其结构从内到外可以拆解为：

1. 循环控制块：LOOP_THROUGH_PEOPLE——遍历一份人员名单（数据流贯穿整个流程，例如通过变量@name、@website引用当前项）；
2. 条件分支块：NEW_IF_ELSE——嵌套在循环内，为每个人做条件判断；
3. 工具调用：两个分支中都挂载了WEB SEARCH WITH EXA联网检索工具，只是查询参数不同：
   • IF 分支：Query : @name（按人名检索）、Full page text : 'true'、Number of results : '3'、Result category : 'all'；
   • ELSE 分支：Query : @website（改按网站检索），其余参数相同；
4. 收尾生成节点：循环结束后，用一条Summarize the information on @name的指令把检索到的信息汇总成结构化摘要，该节点模型徽标为DeepSeek R1。

（图为叠加了 Loop / If-Else 控制块与 Exa 网络搜索工具的复杂流程截图，流程末端由 DeepSeek R1 生成摘要。）

这个例子展示了一个可复制到真实业务中的检索增强生成（RAG）雏形：循环遍历目标 → 条件分支决定检索策略 → 外部工具取回实时网页信息 → DeepSeek R1 负责"阅读理解 + 归纳摘要"。它同时体现了 Wordware 在 DeepSeek 集成上的自由度：

• 不同节点可以各自指定模型——把检索、循环等逻辑性工作交给控制块与工具，把推理/总结这类高质量生成任务留给 DeepSeek；
• 自然语言指令（Summarize the information on @name）直接充当流程各步骤的"提示词"，节点之间通过变量传递数据，全程无需编写胶水代码。

四、在 Wordware 中选择 V3 还是 R1 的实用参考

综合中英文文档与上述截图证据，可以整理出在 Wordware 项目中做模型选型的几个经验性参考：

需要留意的是：以上仅针对"在 Wordware 内调用"这一场景给出倾向性参考，不构成对两个模型通用能力的横向性能结论。Wordware 模型菜单中的具体可用模型、命名与界面入口，均以平台侧实际发布状态为准，界面细节也可能随版本迭代而变化。

五、从零搭建的建议路径与使用提示

结合文档的教程顺序，为希望上手的新用户整理一条低风险的实践路径：

1. 从最简闭环开始：用斜杠命令创建一个 Generation，选 DeepSeek V3，填一句明确的任务描述，Run 并观察输出——先验证"平台连通 + 提示词有效"；
2. 做一次双模型对照：把同一段上下文复制给一个 R1 节点，对比两个模型的输出差异，确认 R1 在哪些任务上带来的推理增益值得你付出额外的运行成本；
3. 渐进引入控制流：当任务出现"对多个对象重复处理""按条件走不同检索路径""需要联网取最新资料"等需求时，再逐步加入 Loop、If/Else 与 Web Search 等工具，并用一个 DeepSeek 节点收口总结；
4. 结构化输出需求：若下游要对接程序（如解析结果），可关注斜杠命令菜单中的 Structured Generation 节点，让 DeepSeek 按约定格式产出。

使用过程中还需注意三点限制：其一，Wordware 是云端托管平台，本文所有操作均需在 Wordware 官方应用中完成，仓库不提供、也不包含任何可本地运行的 Wordware 代码；其二，DeepSeek 系列模型在 Wordware 侧的可用性、版本更新与计费方式由平台管理，接入前应以平台当前提供的模型清单为准；其三，仓库内 docs/wordware/README_cn.md 与英文原版 docs/wordware/README.md 内容互为镜像，若需更深入的操作手册（含完整 Tour 教程），请以 Wordware 官方文档站点的最新内容为准。

六、本文依据的仓库材料

本文全部操作步骤与界面描述均取自以下仓库内文档与截图资源，可对照复核：

• 中文集成文档：docs/wordware/README_cn.md
• 英文集成文档：docs/wordware/README.md
• 集成索引（Wordware 条目）：README.md
• 截图资源（位于 docs/wordware/assets/）：
  • gen.png：斜杠命令面板与 Generation 节点创建入口；
  • select-deepseek.jpg：DeepSeek V3 / R1 模型选择对话框；
  • v3.jpg：使用 DeepSeek V3 填入上下文并运行得到输出；
  • r1.jpg：同一流程切换为 DeepSeek R1 后的运行界面；
  • tools.jpg：Loop / If-Else 控制块 + Exa 搜索工具 + DeepSeek R1 汇总的复杂流程。

综上，Wordware 提供了一条与"写代码调 API"截然不同的 DeepSeek 集成路径：它把模型接入压缩为"选模型 + 写自然语言 + 点运行"三步，又通过控制块与工具把 DeepSeek V3 / R1 的能力编织进可交付的多步骤工作流。理解并复现本文的五个步骤，你就已经掌握了在 Wordware 中驾驭 DeepSeek 家族模型的最小完备技能集。

【免费下载链接】awesome-deepseek-integrationIntegrate the DeepSeek API into popular software项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-deepseek-integration