SpringBoot集成DeepSeek

最近逛了下Spring的官网，发现Spring AI已经支持DeepSeek！今天和大家聊聊如何在Spring Boot项目制使用DeepSeek，还是非常方便的！

Spring AI简介

Spring AI是Spring官方推出的开源框架，旨在为Java开发者提供方便的AI集成能力。其核心是通过抽象化和模块化设计，简化AI功能的接入步骤，同时保持与Spring生态的无缝兼容。

以下是其主要特点与功能：

统一的抽象API：支持主流AI服务，如 OpenAI、DeepSeek、Google、和Ollama等，提供了提供标准化的接口。
核心功能模块：模型交互、向量处理、检索增强生成（RAG）、函数调用。
低代码集成：通过Spring Boot Starter依赖快速接入，在配置文件中配置好AI服务即可使用。
结构化输出：将模型响应直接映射为Java对象，简化数据处理。
流式响应：支持Flux流式输出，适用于实时聊天等场景。

获取API KEY

首先登录DeepSeek开放平台，地址为: https://platform.deepseek.com/

点击选择 API keys 生成对应的 API KEY。

首次使用需要自行创建API KEY。

使用

接下来我们就来讲解下使用Spring AI来调用DeepSeek服务。

首先在SpringBoot项目中添加Spring AI对应的依赖；

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    <version>1.0.0-M6</version>
</dependency>

然后在项目的application.properties配置文件中添加调用AI服务相关的配置；

# 全局属性配置
server.servlet.encoding.charset=UTF-8
server.servlet.encoding.enabled=true
server.servlet.encoding.force=true

# DeepSeek配置文件
spring.ai.openai.api-key=xxxxxxxxxxxxxxxxxxxx
spring.ai.openai.base-url=https://api.deepseek.com
spring.ai.openai.chat.options.model=deepseek-chat
spring.ai.openai.chat.options.temperature=0.7

接下来在Service中中来生成问题答案。

package com.website.ai.service;

import org.springframework.ai.chat.model.ChatResponse;
import reactor.core.publisher.Flux;

public interface DeepSeekService {

    /* 根据消息直接输出回答 */
    String chat(String message);

    /* 根据消息直接输出回答 流式输出 */
    Flux<ChatResponse> chatFlux(String message);

}

具体实现

package com.website.ai.service.impl;

import com.website.ai.service.DeepSeekService;
import jakarta.annotation.Resource;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.ai.chat.model.ChatResponse;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.openai.OpenAiChatModel;
import org.springframework.stereotype.Service;
import reactor.core.publisher.Flux;


@Service
public class DeepSeekServiceImpl implements DeepSeekService {

    @Resource
    private OpenAiChatModel  chatModel;


    @Override
    public String chat(String message) {
        return chatModel.call(message);
    }

    @Override
    public Flux<ChatResponse> chatFlux(String message) {
        Prompt prompt = new Prompt(new UserMessage(message));
        return chatModel.stream(prompt);
    }

}

接下来在Controller中添加对应的接口来调用AI服务生成答案，这里提供了直接回答和流式回答两个接口。

package com.website.ai.controller;

import com.website.ai.service.DeepSeekService;
import jakarta.annotation.Resource;
import org.springframework.ai.chat.model.ChatResponse;
import org.springframework.http.MediaType;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;

/**
 * DeepSeek 接口
 * @author 李东阳
 */
@RestController
@RequestMapping("/ai/deepSeek")
public class DeepSeekController {

    @Resource
    private DeepSeekService deepSeekService;

    @GetMapping(value = "/chat", produces = MediaType.APPLICATION_JSON_VALUE)
    public String chat(@RequestParam(value = "message") String message) {
        return deepSeekService.chat(message);
    }

    @GetMapping(value = "/chatFlux", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
    public Flux<ChatResponse> chatFlux(@RequestParam(value = "message") String message) {
        return deepSeekService.chatFlux(message);
    }
}