【Spring AI】调用 DeepSeek 实现问答聊天

原创于 2025-06-03 11:50:27 发布 · 921 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#spring #人工智能 #AI编程

AI 专栏收录该内容

5 篇文章

订阅专栏

文章目录

一、基础概念解析
- 1.Spring AI 框架
- 2.DeepSeek 模型
二、开发环境搭建
- 1.JDK 环境准备
- 2.开发工具选择
三、项目创建与依赖添加
- 1.创建 Spring Boot 项目
- 2.DeepSeek API
四、代码编写实现调用
五、项目运行与调试

在人工智能交互应用愈发普及的今天，DeepSeek 作为高效的语言模型，具备出色的问答聊天能力。借助 Spring AI 框架，开发者能够轻松将 DeepSeek 集成到 Java 应用中。

一、基础概念解析

1.Spring AI 框架

Spring AI 是基于 Spring Boot 的开发框架，旨在降低 Java 开发者集成 AI 服务的门槛。它提供了标准化的编程接口和配置方式，支持接入多种 AI 模型与服务，无论是文本处理、图像识别还是智能对话功能，都能通过简洁的代码实现集成，极大提升了 AI 应用开发效率。

2.DeepSeek 模型

DeepSeek 是一款先进的语言模型，通过大量文本数据训练，在自然语言理解和生成方面表现优异。它能够理解用户提问意图，并生成连贯、准确的回答，适用于智能客服、智能助手、在线问答等多种场景。在调用 DeepSeek 时，主要通过其 API 接口发送用户问题，并接收返回的答案数据。

二、开发环境搭建

1.JDK 环境准备

由于 Spring AI 基于 Java 开发，首先要确保系统安装了 Java Development Kit（JDK），推荐使用 JDK 11 及以上版本。可以从 Oracle 官网或 OpenJDK 官网下载对应操作系统的安装包。安装完成后，配置JAVA_HOME环境变量，在命令行中输入java -version和javac -version，若能正确显示版本信息，说明 JDK 安装配置成功。

2.开发工具选择

建议使用 IntelliJ IDEA 作为开发工具，它对 Spring 项目有良好的支持，可方便地创建、运行和调试 Spring Boot 项目。当然，也可根据个人习惯选择 Eclipse 等其他 Java 开发工具，其核心功能均可满足项目开发需求。

三、项目创建与依赖添加

1.创建 Spring Boot 项目

打开 IntelliJ IDEA，通过 “Spring Initializr” 创建新的 Spring Boot 项目。在创建过程中，设置好项目的基本信息，如 Group、Artifact、Name 等。在依赖选择环节，务必勾选 “Spring Web” 依赖，用于后续创建 Web 服务，以实现通过 API 接口调用 DeepSeek；同时，添加 Spring AI 相关依赖。

对于使用 Maven 构建的项目，在pom.xml文件中添加以下依赖：

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-ai</artifactId>
    <version>{具体版本号}</version>
</dependency>

若使用 Gradle 构建项目，在build.gradle文件中添加如下依赖：

implementation 'org.springframework.boot:spring-boot-starter-web'
implementation 'org.springframework.cloud:spring-cloud-starter-ai:{具体版本号}'

具体的版本号可在 Maven 中央仓库或 Spring 官方文档中查询获取，确保使用稳定且兼容的版本。

2.DeepSeek API

要调用 DeepSeek 进行问答聊天，需要获取其 API 访问权限。前往 DeepSeek 官方平台申请 API Key，申请成功后，在 Spring Boot 项目的application.yml（或application.properties）配置文件中进行配置：

spring:
  ai:
    deepseek:
      api-key: {你的API密钥}
      base-url: {DeepSeek API基础地址}

将{你的API密钥}替换为实际申请到的 API Key，{DeepSeek API基础地址}填写官方提供的 API 服务地址。如果 DeepSeek 支持自定义请求参数配置，如设置最大响应长度、温度参数等，也可在此文件中进行相应配置。

四、代码编写实现调用

1.创建问答服务类

在项目合适的包路径下，创建一个问答服务类，用于封装与 DeepSeek 交互的逻辑。示例代码如下：

import org.springframework.beans.factory.annotation.Value;
import org.springframework.http.HttpEntity;
import org.springframework.http.HttpHeaders;
import org.springframework.http.MediaType;
import org.springframework.http.ResponseEntity;
import org.springframework.stereotype.Service;
import org.springframework.web.client.RestTemplate;

@Service
public class DeepSeekChatService {

    @Value("${spring.ai.deepseek.api-key}")
    private String apiKey;
    @Value("${spring.ai.deepseek.base-url}")
    private String baseUrl;

    private final RestTemplate restTemplate;

    public DeepSeekChatService(RestTemplate restTemplate) {
        this.restTemplate = restTemplate;
    }

    public String sendQuestion(String question) {
        HttpHeaders headers = new HttpHeaders();
        headers.setContentType(MediaType.APPLICATION_JSON);
        headers.set("Authorization", "Bearer " + apiKey);

        String requestBody = "{\"question\": \"" + question + "\"}";
        HttpEntity<String> request = new HttpEntity<>(requestBody, headers);

        ResponseEntity<String> response = restTemplate.postForEntity(baseUrl, request, String.class);
        if (response.getStatusCode().is2xxSuccessful()) {
            // 解析返回数据获取答案，此处假设返回数据为JSON格式，包含"answer"字段
            // 实际需根据DeepSeek真实返回结构解析
            return extractAnswerFromResponse(response.getBody());
        }
        return "问答失败";
    }

    private String extractAnswerFromResponse(String responseBody) {
        // 实现具体的JSON解析逻辑，提取答案字段
        // 例如使用Jackson或Gson库解析
        return "";
    }
}

上述代码定义了DeepSeekChatService类，通过@Service注解将其声明为服务类。sendQuestion方法负责构建与 DeepSeek API 交互的请求，包括设置请求头（添加 API Key 进行认证）、构建请求体（包含用户问题），并使用RestTemplate发送 POST 请求。请求成功后，从返回数据中提取答案，不过实际应用中需要根据 DeepSeek 真实的返回数据结构，使用 JSON 解析库（如 Jackson、Gson）完成答案提取。

2.创建 Controller 类

创建 Controller 类用于接收前端请求，并调用问答服务类与 DeepSeek 交互，返回答案给前端。示例代码如下：

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.http.HttpStatus;
import org.springframework.http.ResponseEntity;
import org.springframework.web.bind.annotation.*;

@RestController
@RequestMapping("/chat")
public class ChatController {

    private final DeepSeekChatService deepSeekChatService;

    @Autowired
    public ChatController(DeepSeekChatService deepSeekChatService) {
        this.deepSeekChatService = deepSeekChatService;
    }

    @PostMapping
    public ResponseEntity<String> chat(@RequestBody String question) {
        try {
            String answer = deepSeekChatService.sendQuestion(question);
            return new ResponseEntity<>(answer, HttpStatus.OK);
        } catch (Exception e) {
            return new ResponseEntity<>("问答异常", HttpStatus.INTERNAL_SERVER_ERROR);
        }
    }
}

ChatController类通过@RestController和@RequestMapping注解配置为处理问答请求的控制器。chat方法接收前端传递的用户问题，调用DeepSeekChatService的sendQuestion方法获取答案，并将答案返回给前端。

3.前端调用示例

在项目的resources/static目录下，创建一个 HTML 文件，编写前端代码实现与后端交互，进行问答聊天：

<!DOCTYPE html>
<html lang="en">

<head>
    <meta charset="UTF-8">
    <title>Spring AI与DeepSeek问答聊天</title>
</head>

<body>
    <input type="text" id="question" placeholder="输入你的问题">
    <button onclick="sendQuestion()">发送问题</button>
    <div id="answer"></div>

    <script>
        function sendQuestion() {
            const question = document.getElementById('question').value;
            fetch('/chat', {
                method: 'POST',
                headers: {
                    'Content-Type': 'application/json'
                },
                body: JSON.stringify(question)
            })
          .then(response => response.text())
          .then(data => {
                document.getElementById('answer').innerHTML = data;
            })
          .catch(error => {
                console.error('请求失败:', error);
            });
        }
    </script>
</body>

</html>