基于 SpringAI 整合 DeepSeek 模型实现 AI 聊天对话

目录

1、Ollama 的下载配置 与 DeepSeek 的本地部署流程

1.1 下载安装 Ollama

1.2 搜索模型并进行本地部署

2、基于 SpringAI 调用 Ollama 模型

2.1 基于OpenAI 的接口规范（其他模型基本遵循）

2.2 在 IDEA 中进行创建 SpringAI 项目并调用 DS 模型

3、基于 SpringAI 实现会话记忆功能

4、基于 SpringAI 实现会话历史功能

需求一：需要进行展示历史会话的列表信息

需求二：点击会话列表，展示对应的历史会话记录信息

---

1、Ollama 的下载配置 与 DeepSeek 的本地部署流程

很多云平台都提供了一键部署大模型的功能，这里不再赘述（阿里云百炼平台、火山方舟-火山引擎等）

官网地址如下：

Ollamahttps://ollama.com/

1.1 下载安装 Ollama

首先，我们需要下载一个Ollama的客户端，在官网提供了各种不同版本的Ollama，大家可以根据自己的需要下载

注意：

Ollama默认安装目录是C盘的用户目录，如果不希望安装在C盘的话（其实C盘如果足够大放C盘也没事），就不能直接双击安装了，需要通过命令行安装

在 OllamaSetup.exe 所在目录打开cmd命令行，然后命令如下：

OllamaSetup.exe /DIR=你要安装的目录位置

安装完成后，需要进行环境变量的配置：

OLLAMA_MODELS=你想要保存模型的目录

1.2 搜索模型并进行本地部署

Ollama 是一个模型管理工具和平台，它提供了很多国内外常见的模型，我们可以在其官网上搜索自己需要的模型，这里我们部署的是 DeepSeek R1 模型（我选择的是 7b，根据需求进行选择）：

其中，Ollama 的命令很像 Docker 的，选择好对应的模型后，在控制台中进行运行命令：

ollama run deepseek-r1:7b

首次下载的话会有些慢，耐性等待即可

以下是本地下载部署完成后，进行对话的场景，ctrl + d 进行退出与 DeepSeek 的对话：

---

2、基于 SpringAI 调用 Ollama 模型

2.1 基于OpenAI 的接口规范（其他模型基本遵循）

目前大多数大模型都遵循 OpenAI 的接口规范，是基于Http协议的接口；因此请求路径、参数、返回值信息都是类似的，可能会有一些小的差别，具体需要查看大模型的官方API文档

以下是基于 Python 的代码示范：

# P