DeepSeek 作為一款卓越的國(guó)產(chǎn) AI 模型，越來(lái)越多的公司考慮在自己的應(yīng)用中集成。對(duì)于 Java 應(yīng)用來(lái)說(shuō)，我們可以借助 Spring AI 集成 DeepSeek，非常簡(jiǎn)單方便！

Spring AI 是什么？

Spring AI 從著名的 Python 項(xiàng)目（例如 LangChain 和 LlamaIndex）中汲取靈感，解決了 AI 集成中的核心挑戰(zhàn)：將企業(yè)數(shù)據(jù)和 API 與 AI 模型連接起來(lái)。

你可以將 Spring AI 看作是一個(gè)適配器或者高層封裝，用來(lái)幫你更方便地集成和使用不同的 AI 模型。它的核心目標(biāo)是簡(jiǎn)化開發(fā)流程，降低使用多種 AI 服務(wù)時(shí)的復(fù)雜性，同時(shí)提升代碼的可維護(hù)性和靈活性。

Spring AI 的主要功能包括：

• 統(tǒng)一 API: Spring AI 提供了一套統(tǒng)一的接口，用來(lái)調(diào)用不同的 AI 模型（例如 OpenAI、Hugging Face、DeepSeek、Gemini 等）。開發(fā)者只需要學(xué)習(xí) Spring AI 的 API，就能無(wú)縫對(duì)接各種 AI 服務(wù)，而無(wú)需深入了解各家服務(wù)的底層實(shí)現(xiàn)和差異。
• 簡(jiǎn)化配置: Spring AI 提供了自動(dòng)化的配置管理，例如 API 密鑰、模型參數(shù)等。你只需要簡(jiǎn)單地在配置文件中定義所需的參數(shù)，Spring AI 就會(huì)自動(dòng)完成初始化和連接，避免繁瑣的手動(dòng)配置。
• 易于切換: Spring AI 的抽象設(shè)計(jì)使得更換 AI 提供商變得非常簡(jiǎn)單。開發(fā)者只需要修改少量配置，而不用修改業(yè)務(wù)代碼，從而實(shí)現(xiàn)靈活的 AI 服務(wù)切換，適應(yīng)不同場(chǎng)景需求。

Spring AI 集成 DeepSeek

這里介紹兩種方式：

• spring-ai-openai starter：偽裝成 OpenAI，DeepSeek 提供了 OpenAI 兼容模式
• spring-ai-ollama-spring-boot-starter：通過(guò) Ollama 本地部署一個(gè) DeepSeek R1 蒸餾版。

偽裝成 OpenAI

DeepSeek 其實(shí)提供了 OpenAI 兼容模式，只要在請(qǐng)求頭里加個(gè)api_key，就能假裝自己在調(diào) OpenAI。Spring AI 的 openai starter 本質(zhì)上是通過(guò) RestTemplate 發(fā)請(qǐng)求，我們只需要改改 URL 和認(rèn)證方式。

1、添加依賴：

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    <version>0.8.1</version>
</dependency>

2、修改配置文件 application.yml

spring:
  ai:
    openai:
      base-url: https://api.deepseek.com/v1  # DeepSeek的OpenAI式端點(diǎn)
      api-key: sk-your-deepseek-key-here
      chat.options:
        model: deepseek-chat  # 指定DeepSeek的模型名稱

3、DeepSeek API KEY 可以在 DeepSeek 開放平臺(tái)中自行創(chuàng)建，地址：platform.deepseek.com/api_keys 。

4、在代碼中調(diào)用：

@RestController
@RequestMapping("/ai")
@Slf4j
public class ChatController {

	private final ChatClient chatClient;

 // 構(gòu)造方法注入 ChatClient.Builder，用于構(gòu)建 ChatClient 實(shí)例
	public ChatController(ChatClient.Builder chatClientBuilder) {
		this.chatClient = chatClientBuilder.build();
	}

	@GetMapping("/chat")
	public String generate(@RequestParam(value = "message") String message) {
		log.info("Generating response");
  // 調(diào)用 ChatClient 的 prompt 方法生成響應(yīng)
  // 1. prompt(message): 創(chuàng)建一個(gè)包含用戶輸入消息的 Prompt 對(duì)象
  // 2. call(): 調(diào)用 ChatClient 與 AI 模型交互以獲取響應(yīng)
  // 3. content(): 提取響應(yīng)的內(nèi)容部分
		return chatClient.prompt(message).call().content();
	}

}

在運(yùn)行時(shí)，你可以通過(guò)在 Prompt 調(diào)用中添加新的、針對(duì)請(qǐng)求的選項(xiàng)來(lái)覆蓋默認(rèn)配置。例如，要為特定請(qǐng)求覆蓋默認(rèn)模型和溫度，可以這樣實(shí)現(xiàn)：

ChatResponse response = chatModel.call(
    new Prompt(
        "Generate the names of 5 famous pirates.",
        OpenAiChatOptions.builder()
            .withModel("deepseek-chat")
            .withTemperature(0.4)
        .build()
    ));

本地化部署

如果想要把 DeepSeek 部署在內(nèi)網(wǎng)服務(wù)器，或者你想在本地跑個(gè)小模型，可以采用這種方式來(lái)在本地部署一個(gè) DeepSeek R1 蒸餾版。

1、從官方網(wǎng)站下載并安裝 Ollama：ollama.com

2、拉取 DeepSeek 模型：

ollama pull deepseek-r1:1.5b
ollama list deepseek

更多版本可以在這里查看：ollama.com/library/deepseek-r1 。

3、添加依賴：

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
    <version>0.8.1</version>
</dependency>

4、修改配置：

spring:
  ai:
    ollama:
      base-url: http://localhost:11434
      chat:
        model: deepseek-r1:1.5b  # 與本地模型名稱對(duì)應(yīng)

5、在代碼中調(diào)用：

@RestController
@RequestMapping("/ai")
public class ChatController {
    private final ChatClient chatClient;

    // 構(gòu)造方法注入 ChatClient.Builder，用于構(gòu)建 ChatClient 實(shí)例
    public ChatController(ChatClient.Builder chatClient) {
        this.chatClient = chatClient.build();
    }

    	@GetMapping("/chat")
    public ResponseEntity<Flux<String>> chat(@RequestParam(value = "message") String message) {
        try {
            // 調(diào)用 ChatClient 生成響應(yīng)，并以 Flux<String>（響應(yīng)流）形式返回
            Flux<String> response = chatClient.prompt(message).stream().content();
            return ResponseEntity.ok(response);
        } catch (Exception e) {
            return ResponseEntity.badRequest().build();
        }
    }
}

Spring Cloud Alibaba AI 中也支持這種方式，并且官網(wǎng)上提供了詳細(xì)的方法：java2ai.com/blog/spring-ai-alibaba-ollama-deepseek/ 。

總結(jié)

這篇文章主要介紹了 Spring AI 以及如何通過(guò) Spring AI 集成 DeepSeek：

• 偽裝成 OpenAI: DeepSeek 可以假裝自己是 OpenAI，直接用 Spring AI 的 OpenAI starter 就行，改改配置就好，就像換個(gè)鏈接一樣簡(jiǎn)單。
• 本地部署: 如果你想把 DeepSeek 放在自己服務(wù)器上，或者想在電腦上跑個(gè)小模型玩玩，可以用 Ollama。先下載 Ollama，再下載 DeepSeek 模型，然后用 Spring AI 的 Ollama starter，也超級(jí)簡(jiǎn)單。Spring Cloud Alibaba AI 也支持這種玩法，官網(wǎng)有教程。

以上就是Spring項(xiàng)目接入DeepSeek的兩種超簡(jiǎn)單的方式分享的詳細(xì)內(nèi)容，更多關(guān)于Spring項(xiàng)目接入DeepSeek的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論