Spring Boot整合DeepSeek实现AI对话（API调用和本地部署）

已于 2025-02-14 08:44:49 修改
阅读量1.2w 收藏 94
点赞数 38
分类专栏： LLM 文章标签： spring boot 人工智能 后端
于 2025-02-11 23:00:06 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiangjunyes/article/details/145574593
版权

本篇文章会分基于DeepSeek开放平台上的API，以及本地私有化部署DeepSeek R1模型两种方式来整合使用。
本地化私有部署可以参考这篇博文 全面认识了解DeepSeek+利用ollama在本地部署、使用和体验deepseek-r1大模型

Spring版本选择

根据Spring官网的描述
Spring AI是一个人工智能工程的应用框架，旨在为Java开发者提供一种更简洁的方式与AI交互，减轻在Java业务中接入LLM模型应用的学习成本。目前，Spring AI已经上架到Spring Initializr，开发者可以在https://start.spring.io/上使用并构建相关应用‌。

SpringAI支持接入多种AI服务，如OpenAI、Ollama、Azure OpenAI、Huggingface等，可以实现聊天、embedding、图片生成、语音转文字、向量数据库、function calling、prompt模板、outputparser、RAG等功能‌。

spring ai框架支持Spring Boot版本为 3.2.x and 3.3.x
在这里插入图片描述
从SpringBoot 3.x 开始依赖的JDK版本最低是JDK17，所以这里演示整合的代码都是基于spring boot 3.3.8 以及 JDK17

整合DeepSeek API key

深度求索deepseek开放平台申请自己的API key，新用户注册后会赠送10元余额，有效期为一个月。
在这里插入图片描述

创建一个 API key

保存好自己的API KEY 千万别泄露喽
在这里插入图片描述
创建API key后我们可以开始构建SpringBoot工程了，基于springboot 3.4.2版本搭建一个工程。
spring-ai-openai starter：伪装成 OpenAI，DeepSeek 提供了 OpenAI 兼容模式。
，引入以下依赖：

自动引入依赖：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>3.4.2</version>
        <relativePath/> <!-- lookup parent from repository -->
    </parent>
    <groupId>com.example</groupId>
    <artifactId>demo-deepseek</artifactId>
    <version>0.0.1-SNAPSHOT</version>
    <name>demo-deepseek</name>
    <description>demo-deepseek</description>
    <url/>
    <licenses>
        <license/>
    </licenses>
    <developers>
        <developer/>
    </developers>
    <scm>
        <connection/>
        <developerConnection/>
        <tag/>
        <url/>
    </scm>
    <properties>
        <java.version>17</java.version>
        <spring-ai.version>1.0.0-M5</spring-ai.version>
    </properties>
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
        </dependency>

        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>
    </dependencies>
    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.ai</groupId>
                <artifactId>spring-ai-bom</artifactId>
                <version>${spring-ai.version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>

    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <configuration>
                    <annotationProcessorPaths>
                        <path>
                            <groupId>org.projectlombok</groupId>
                            <artifactId>lombok</artifactId>
                        </path>
                    </annotationProcessorPaths>
                </configuration>
            </plugin>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
                <configuration>
                    <excludes>
                        <exclude>
                            <groupId>org.projectlombok</groupId>
                            <artifactId>lombok</artifactId>
                        </exclude>
                    </excludes>
                </configuration>
            </plugin>
        </plugins>
    </build>

</project>

代码

添加了 spring-ai-openai-spring-boot-starter 依赖；Spring AI 为 OpenAI Chat Client 提供了 Spring Boot 自动装配。

OpenAiAutoConfiguration配置类中自动注入了，我们只需要直接注入调用即可。

DeepSeek 其实提供了 OpenAI 兼容模式，只要在请求头里加个api_key，就能假装自己在调 OpenAI。Spring AI 的 openai starter 本质上是通过 RestTemplate 发请求，我们只需要改改 URL 和认证方式。
在这里插入图片描述


@RestController
public class ChatController {

    @Resource
    private OpenAiChatModel chatModel;

    private final List<Message> chatHistoryList = new ArrayList<>();

    @PostConstruct
    public void init() {
        chatHistoryList.add(new SystemMessage("You are a helpful assistant."));
    }

    @GetMapping("/chat")
    public ChatResponse test(String message) {
        chatHistoryList.add(new UserMessage(message));
        Prompt prompt = new Prompt(chatHistoryList);
        ChatResponse chatResponse = chatModel.call(prompt);
        if (chatResponse.getResult() != null && chatResponse.getResult().getOutput() != null) {
            chatHistoryList.add(chatResponse.getResult().getOutput());
        }
        return chatResponse;
    }

}

修改配置文件

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

调用接口测试
在这里插入图片描述

本地部署调用

如果想要把 DeepSeek 部署在内网服务器，或者你想在本地跑个小模型，可以采用这种方式来在本地部署一个 DeepSeek R1 蒸馏版。

spring-ai-ollama-spring-boot-starter：通过 Ollama 本地部署一个 DeepSeek R1 蒸馏版。

下载并安装

从官方网站下载并安装 Ollama：https://ollama.com

Ollama 可以让你轻松在自己的电脑上运行各种强大的 AI 模型，就像运行普通软件一样简单。

ollama pull deepseek-r1:8b
ollama list deepseek

更多版本可以在这里查看：https://ollama.com/library/deepseek-r1
在这里插入图片描述

修改pom，添加依赖

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

修改配置文件

spring:
  ai:
    ollama:
      base-url: http://localhost:11434
      chat:
        model: deepseek-r1:8b  # 与本地模型名称对应

实现代码

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

    // 构造方法注入 ChatClient.Builder，用于构建 ChatClient 实例
    public ChatController(ChatClient.Builder chatClient) {
        this.chatClient = chatClient.build();
    }

     @GetMapping("/chat")
    public ResponseEntity<Flux<String>> chat(@RequestParam(value = "message") String message) {
        try {
            // 调用 ChatClient 生成响应，并以 Flux<String>（响应流）形式返回
            Flux<String> response = chatClient.prompt(message).stream().content();
            return ResponseEntity.ok(response);
        } catch (Exception e) {
            return ResponseEntity.badRequest().build();
        }
    }
}

api-key不需要了但是也不能不填，不填会启动报错，模型就配置本地有的模型即可
如果想像网站那样可以一个字一个字的输出，也可以调用chatModel.stream流式输出

Spring Boot 实现 DeepSeek API 调用
2401_84052244的博客
02-20 6339
Spring Boot 实现提供了一个健壮、可扩展的 DeepSeek API 调用方案，利用响应式编程提供高效的流式对话体验。​。
Spring Boot 携手 DeepSeek：开启智能交互新时代
十年磨一剑，java开发各种业务系统
02-15 2264
在当今数字化浪潮汹涌澎湃的时代，人工智能技术正以前所未有的速度改变着我们的生活和工作方式。大语言模型作为人工智能领域的一颗璀璨明星，凭借其强大的自然语言处理能力，为各个行业带来了新的发展机遇。DeepSeek 作为一款性能卓越的大语言模型，以其高效、准确的文本生成和理解能力，吸引了众多开发者的目光。而 Spring Boot 作为 Java 开发领域的明星框架，以其简洁、高效的特性，让开发者能够快速搭建企业级应用。那么，当 Spring Boot 与 DeepSeek 相遇，又会碰撞出怎样的火花呢？
使用SpringBoot+Spring调用deepseek-r1模型实现本地免费使用
02-11
通过使用Ollama部署deepseek-r1大模型，使用Spring Boot + Spring AI来调用deepseek-r1模型的API 实现本地完全免费API使用
搭建一个Spring AI+DeepSeek的小工程
03-15
文章中讲述了如何快速创建一个 Spring Boot 项目，然后在利用Ollama 实现本地化部署 DeepSeek， 使用Spring AI 的 spring-ai-ollama 模块访问 DeepSeek，实现简单的人机对话功能
SpringBoot两种方式接入DeepSeek
m0_57801749的博客
02-24 3137
（1）自定义请求头) {（2）自定义响应体String id,) {int index,) {（3）service@Service// 构造请求体0.7,1000// 设置请求头// 发送请求apiUrl,entity,// 处理响应= null) {throw new RuntimeException("API请求失败: " + response.getStatusCode());请求体中可以指定：调整模型、温度、最大 token 数等。
Java 调用 OpenAI完成模型训练代码 含Spring boot项目模板
07-04
Java 调用 OpenAI完成模型训练代码。含Spring boot项目模板，模板包含 Spring boot、security、mybatis、knife4j（接口文档），上手即可使用，file目录下包含项目可执行sql文件
SpringBoot集成DeepSeek实现AI对话详细教程
啊松同学的博客
02-22 2232
SpringBoot集成DeepSeek
springboot接入deepseek深度求索 java
m0_74822999的博客
01-17 4273
以下是在springboot中接入aideepseek的过程。官网并没有java的示例。
SpringBoot整合DeepSeek技术指南（2025版）
hjy1821的博客
02-20 2208
SpringBoot整合DeepSeek技术指南（2025版）
Spring Boot + DeepSeek 实战来了：完美运行！真的太香了！
Java技术栈，分享最主流的Java技术
02-27 1359
点击关注公众号，Java干货及时推送↓ 推荐阅读：年后，Java 行情爆了。。。 ↓↓↓点下面小程序刷题突击面试↓↓↓大家好，我是R哥。DeepSeek 是国内研发的一款大语言模型（LLM），在代码理解和生成方面表现突出，甚至在一些测试中超过了 GPT-4。相比其他模型，它的本地化适配更好，最重要的是，它提供的 API 无需复杂网络环境。更多介绍：DeepSeek 是什么？前段时间我分享一...
Spring Boot整合DeepSeek实现AI对话
chengpei147的博客
02-08 4645
而SpringBoot 3.2.x 和 3.3.x依赖的JDK版本最低应该也是JDK17，所以这里演示整合的代码都是基于spring boot 3.3.8 以及 JDK17。Spring 是一个支持 Java 开发的框架，而 Spring AI 使得 Java 开发人员能够更容易地构建、管理和集成人工智能模型和机器学习功能。其他也就一样了，只是把地址换成了本地ollama的服务地址，api-key不需要了但是也不能不填，不填会报错，模型就配置本地有的模型即可。，就可以在需要的地方注入。
springboot 整合 deepseek 搭建知识库
最新发布
wujipeng2001的博客
03-17 484
text2vec-base-chinese: 一个用于中文文本处理的 Text2vec-base-chinese 模型，适用于处理中文自然语言文本。C:\Users\用户名\AppData\Local\Programs\Ollama。克隆git仓库地址，用ide开发工具拉取代码，后面springboot项目需要使用到。下载本地大模型，win+r 输入 cmd 打开命令行黑窗口输入命令进行下载。这边使用到的数据库类型是postgre，创建数据库表，对知识库数据进行保存。pom.xml依赖信息。
DeepSeek API 调用 - Spring Boot 实现
大白菜代码的博客
02-09 3668
Spring Boot 实现提供了一个健壮、可扩展的 DeepSeek API 调用方案，利用响应式编程提供高效的流式对话体验。
大模型入门实战：通过 HuggingFace 调用 Llama3
python12345_的博客
01-10 1424
至此，我们成功演示了如何通过 Hugging Face 的 Transformers 调用 Llama 模型，并获取了模型的回答。但是如果你的需求只是简单地调用模型，而无需进行微调或复杂的部署，可以尝试使用 Ollama。它不仅操作更加便捷，还提供了开箱即用的 RESTful 接口，适合快速集成到生产环境中。下一篇，我将会讲解如何通过 Ollama 下载部署 Llama 模型并调用。
干货：DeepSeek+SpringAI实现流式对话！
磊哥聊Java
02-13 2569
前面一篇文章我们实现了《炸裂：SpringAI内置DeepSeek啦！》，但是大模型的响应速度通常是很慢的，为了避免用户用户能够耐心等待输出的结果，我们通常会使用流式输出一点点将结果输出给用户。那么问题来了，想要实现流式结果输出，后端和前端要如何配合？后端要使用什么技术实现流式输出呢？
Springboot整合Deepseek实现AI对话
02-27
### Spring Boot 整合 Deepseek 实现 AI 对话 为了在 Spring Boot 项目中集成 Deepseek 并实现 AI 对话功能，需按照如下方法设置并编写代码。 #### 1. 添加依赖 首先，在 `pom.xml` 文件中添加必要的 Maven 依赖来支持 HTTP 请求和其他所需的功能： ```xml <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <!-- JSON 处理 --> <dependency> <groupId>com.fasterxml.jackson.core</groupId> <artifactId>jackson-databind</artifactId> </dependency> ``` #### 2. 配置文件修改 编辑项目的配置文件 (`application.properties`) 来指定 Deepseek API 的基本信息[^2]: ```properties # 必填项 spring.ai.openai.api-key=your-apikey spring.ai.openai.base-url=https://api.deepseek.com # 模型选择（本例采用对话模型） spring.ai.openai.chat.options.model=deepseek-chat ``` #### 3. 创建服务类 创建一个新的 Java 类用于封装与 Deepseek 进行交互的方法。这里提供了一个简单的例子展示如何发送消息给聊天机器人并接收回复: ```java @Service public class ChatService { @Value("${spring.ai.openai.api-key}") private String apiKey; @Value("${spring.ai.openai.base-url}") private String baseUrl; public ResponseEntity<String> sendMessage(String message) { RestTemplate restTemplate = new RestTemplate(); HttpHeaders headers = new HttpHeaders(); headers.setBearerAuth(apiKey); HttpEntity<String> entity = new HttpEntity<>("{\"message\": \"" + message + "\"}", headers); return restTemplate.exchange( baseUrl + "/v1/chat/completions", HttpMethod.POST, entity, String.class ); } } ``` #### 4. 构建控制器接口 最后一步是定义 RESTful Web Service 接口以便前端可以调用此服务发起请求。下面是一个基本的例子说明怎样暴露一个端点供外部访问: ```java @RestController @RequestMapping("/chat") public class ChatController { @Autowired private ChatService chatService; @PostMapping("/send") public ResponseEntity<?> send(@RequestBody Map<String, Object> body){ String userMessage = (String)body.get("message"); ResponseEntity<String> response = this.chatService.sendMessage(userMessage); return new ResponseEntity<>(response.getBody(), HttpStatus.OK); } } ``` 通过上述步骤即可完成基于 Spring Boot 和 Deepseek 的简单 AI 聊天应用开发工作。当然实际生产环境中还需要考虑更多因素如安全性、性能优化等方面的内容。
评论 10
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值