炸裂：Spring官方支持DeepSeek！ - 文章 - 开发者社区

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。

picture.image

“ 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：

聊天
嵌入附件
文本转图片
音频转文本
文本转音频

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）。

Spring AI 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：

picture.image

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？

最后欢迎加入苏三的星球，你将获得： DeepSeek相关技术、商城系统实战、秒杀系统实战、代码生成工具、系统设计、性能优化、技术选型、高频面试题、底层原理、Spring源码解读、工作经验分享、痛点问题等多个优质专栏。

还有1V1答疑、修改简历、职业规划、送书活动、技术交流。

picture.image

目前星球已经更新了4900+篇优质内容，还在持续爆肝中.....

星球已经被官方推荐了3次，收到了小伙伴们的一致好评。戳我加入学习，已有1600+小伙伴加入学习。

此外，苏三最近建了一些DeepSeek交流群，欢迎一些志同道合的小伙伴扫描进群：

picture.image

也可以直接加我微信，备注：deepseek，即可进群。

picture.image