写在前面
经常逛Spring官网（https://docs.spring.io/spring-ai/reference/api/chat/deepseek-chat.html）的小伙伴会发现，
Spring 已经支持接入DeepSeek了。
DeepSeek AI provides the open-source DeepSeek V3 model, renowned for its cutting-edge reasoning and problem-solving capabilities.
Spring AI integrates with DeepSeek AI by reusing the existing OpenAI client. To get started, you’ll need to obtain a DeepSeek API Key, configure the base URL, and select one of the supported models.
翻译过来就是
DeepSeek AI提供了开源的DeepSeek V3模型，该模型以其先进的推理和解决问题的能力而闻名。
Spring AI通过与现有OpenAI客户端复用的方式与DeepSeek AI集成。
要接入DeepSeek，您需要获取一个DeepSeekAPI的API KEY，配置接入地址，并选择一种模型即可
一、调用效果
https://live.csdn.net/v/465047
二、Spring AI 与 DeepSeek 的集成背景
不管是Spring 官网还是DeepSeek API 文档（https://api-docs.deepseek.com/zh-cn/）中都提到 DeepSeek API 使用与 OpenAI 兼容的 API 格式。
所以，我们只需要照抄接入ChatGpt的就可以了~ 而与ChatGPT 或者其他大模型对接是通过Spring AI 来完成的。
Spring AI 是什么呢？
Spring AI 是 Spring 生态中的一个新兴项目，旨在为 Java 集成各类 AI模型提供统一的抽象层。
它通过隐藏底层模型的实现细节，让开发者能够以最少的代码调用各种 AI 服务。
目前，Spring AI 已经支持OpenAI、Azure AI、Hugging Face 等多个 AI 平台，而 DeepSeek 的加入进一步丰富了其功能
三、Java 接入DeepSeek步骤
3.1 获取API KEY
首先，我们需要到DeepSeek 开发平台（https://platform.deepseek.com/api_keys）申请API KEY
这是使用 DeepSeek 服务的关键凭证，必须妥善保管。不要与他人共享你的 API key，或将其暴露在浏览器或其他客户端代码中
3.2 创建spring boot 项目
通过 Spring Initializr 创建一个新的项目
3.3 添加依赖
在 pom.xml 文件中，添加 Spring AI 的依赖。目前，Spring AI 通过 OpenAI 客户端与 DeepSeek 集成，因此需要引入以下依赖：
<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-openai-spring-boot-starter</artifactId>
</dependency>
3.4 配置 DeepSeek API
在 application.properties 或 application.yml 文件中，配置 DeepSeek 的 API 密钥和请求 URL
-
deepseek-chat模型已全面升级为 DeepSeek-V3，接口不变。 通过指定model='deepseek-chat'即可调用 DeepSeek-V3。 -
deepseek-reasoner是 DeepSeek 最新推出的推理模型 DeepSeek-R1。通过指定model='deepseek-reasoner'，即可调用 DeepSeek-R1。
spring:ai:openai:api-key: sk-your-deepseek-key-herebase-url: https://api.deepseek.comchat:options:model: deepseek-reasoner
3.5 编写接口
@RestController
@RequestMapping("/ai")
public class DeepSeekController {private final ChatClient chatclient;// 构造方法，用于构造chatclient 实列public DeepSeekController (ChatClient.Builder chatClientBuilder){this.chatclient =chatClientBuilder.build();}@GetMapping("/chat")public String chat(@RequestParam(value = "message") String message) {return chatclient.prompt(message).call().content();}
}
3.6 测试一下
启动项目，浏览器中 http://localhost:8080/ai/chat?message=对话内容 按照这个格式即可与deepseek对话
① 讲一个笑话
② 请用Java写一段线程安全的单例模式，并故意埋三个常见错误
③ 简单介绍下程序员晓凡是谁？
四、调用本地部署的DeepSeek
在之前的文章中，已经手把手教小伙伴如何使用ollama将DeepSeek 部署到自己电脑上。
使用该方法部署算是最简单的一种部署方式了，忘记了的小伙伴，可以点击下面链接复习一下~
4.1 ollama 常用命令
我们需要简单知道下ollama 的常用命令，方便我们启停本地大模型
① 查看ollama 版本信息
ollama -v
② 启动ollama服务
ollama serve
③ 查看正在运行的大模型
ollama ps
④ 查看本地大模型列表
ollama list
⑤ 运行大模型
# deepseek-r1:8b 为大模型版本号
# 如果本地不存在该模型，会先拉取
ollama run deepseek-r1:8b
⑥ 删除模型
ollama rm 模型名称
⑦ 停止运行模型
ollama stop
4.2 启动大模型
首先，按照上面的命令启动本地安装的大模型，
ollama ps确认大模型正在运行中
大模型启动之后会占用11434 端口，开放的接口地址是：http://localhost:11434/api/chat
我们可以先通过postman 调用试试
入参如下：
{"model": "deepseek-r1:8b","messages": [{"role": "user", "content": "用中文解释量子计算原理"}],"stream": false,"options": {"temperature": 0.7,"num_ctx": 4096 }
}
4.3 Java项目中调用本地大模型
① 添加依赖
我们这里是同过ollama部署的
deepseek,所以要添加如下依赖
<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
</dependency>
② 配置 DeepSeek API
在 application.properties 或 application.yml 文件中，配置 DeepSeek 的请求 URL及模型
spring:ai:ollama:base-url: http://localhost:11434chat:model: deepseek-r1:8b # 本地部署的大模型
③编写接口
为了模仿官方
deepseek对话模型，这里接口书写方式我们采用流式输出方式
@RestController
@RequestMapping("/ai")
@CrossOrigin(origins = "*")
public class DeepSeekController {private static final Logger logger = LoggerFactory.getLogger(DeepSeekController.class);private final ChatClient chatclient;public DeepSeekController(ChatClient.Builder chatClientBuilder) {this.chatclient = chatClientBuilder.build();}@GetMapping(value = "/chat", produces = MediaType.TEXT_EVENT_STREAM_VALUE + ";charset=UTF-8")public ResponseEntity<Flux<String>> chat(@RequestParam(value="message") String message) {try {Flux<String> response = chatclient.prompt(message).stream().content();// 打印响应数据response.subscribe(data -> logger.info("Response data: {}", data));return ResponseEntity.ok().contentType(MediaType.TEXT_EVENT_STREAM) // 设置内容类型为文本事件流.header(HttpHeaders.CONTENT_ENCODING, "utf-8") // 设置字符编码.body(response);} catch (Exception e) {return ResponseEntity.badRequest().build();}}
}
④ 测试
为了演示流式数据输出调用，晓凡用
element-ui+vue仿照微信聊天界面写了一个简单调用页面，效果如下所示
五、代码下载
以上涉及到的demo 晓凡已经将代码上传到gitee,感兴趣的小伙伴可以
gitee: https://gitee.com/xiezhr/deepseek-chat-demo.git
本期内容到这儿就结束了，希望对您有所帮助！
我们下期再见 ヾ(•ω•`)o (●'◡'●)
