炸裂：SpringAI内置DeepSeek啦！

好消息，Spring AI 最新快照版已经内置 DeepSeek 了，所以以后项目中对接 DeepSeek 就方便多了。但因为快照版会有很多 Bug，所以今天咱们就来看稳定版的 Spring AI 如何对接 DeepSeek 满血版。

SpringAI和DeepSeek介绍

Spring AI 是 Spring 生态系统中的一个重要项目，旨在将人工智能集成到 Spring 应用程序中，它为 Java 开发者提供了一种便捷的方式来构建、管理和部署 AI 模型。

Spring AI 的核心是解决了 Spring 生态和 AI 的快速集成：将您的企业数据和****API 与 AI 模型连接起来。

Spring AI 几乎支持所有主流的 AI 模型提供商，例如 Anthropic、OpenAI、Microsoft、Amazon、Google 和 Ollama。支持的功能如下：

Spring AI 最新预览版也将集成 DeepSeek 大模型。

DeepSeek 介绍

DeepSeek 是国内顶尖 AI 团队「深度求索」开发的多模态大模型，具备数学推理、代码生成等深度能力，堪称"AI界的六边形战士"。DeepSeek 最新版本 R1 采用了“思维链”技术，能够展示完整的推理过程，使其在复杂推理任务上表现出色，甚至在某些方面可以与 OpenAI 的 O1 模型相媲美。

DeepSeek 身上的标签有很多，其中最具代表性的标签有以下两个：

低成本（不挑硬件、开源、使用简单无需复杂提示词）。
高性能（推理能力极强、回答准确）。

SpringAI 集成 DeepSeek 步骤如下。

1.环境准备

在开始集成之前，确保你的开发环境满足以下要求：

JDK 17 或更高版本
Maven 或 Gradle 构建工具
DeepSeek API Key（可通过官网注册获取），申请地址：https://platform.deepseek.com/usage

2.创建SpringBoot项目

使用 Spring Initializr 或其他工具创建一个新的 Spring Boot 项目，确保版本为 3.2.x 或更高。

3.添加依赖

在项目的 pom.xml 文件中添加 SpringAI 和 DeepSeek 的相关依赖。

以下是基于 Maven 的依赖配置示例：

<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>

</dependencies>

4.配置文件

在 application.properties 或 application.yml 文件中添加 DeepSeek 的配置信息：

# 必填项

spring.ai.openai.api-key=you-apikey

spring.ai.openai.base-url=https://api.deepseek.com

# 模型选择（示例使用对话模型）

spring.ai.openai.chat.options.model=deepseek-chat

其中，api-key 是你在 DeepSeek 官网注册后获取的密钥，base-url 是 DeepSeek API 的服务地址，model 指定使用的模型版本。

DeepSeek模型介绍

DeepSeek 目前支持以下两种模型：

deepseek-chat（V3）：适用于聊天机器人、智能客服、内容生成等，能够理解和生成日常对话内容。
deepseek-reasoner（R1）：专为复杂推理任务设计，适合解决需要深度逻辑分析和推理的问题。

5.编写代码

创建一个控制器类，用于处理与 DeepSeek 的交互，以下是一个简单的示例：

import org.springframework.beans.factory.annotation.Autowired;

import org.springframework.web.bind.annotation.*;

@RestController

@RequestMapping("/api/chat")

public class ChatController {

    @Autowired

    private DeepSeekClient deepSeekClient;

    @PostMapping

    public String chat(@RequestBody String message) {

        return deepSeekClient.chatCompletion(message).getOutput().getContent();

    }

    @GetMapping(value = "/stream", produces = "text/event-stream")

    public Flux<String> chatStream(@RequestParam String message) {

        return deepSeekClient.chatFluxCompletion(message)

        .map(response -> response.getOutput().getContent());

    }

}

在上述代码中，chat 方法用于处理普通的非流式请求，而 chatStream 方法则支持流式响应，能够实时返回 AI 的推理结果。

课后思考：关于流式输出

大模型的响应速度是很慢的，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？

欢迎评论区给出你的解决答案，文章点赞过 100 咱们公布完整解决思路和具体实现源码哦。

本文已收录到我的面试小站 www.javacn.site，其中包含的内容有：DeepSeek、场景题、并发编程、MySQL、Redis、Spring、Spring MVC、Spring Boot、Spring Cloud、MyBatis、JVM、设计模式、消息队列等模块。