Spring 官宣接入 DeepSeek，太香了！

你是不是也和我一样，时不时会被各种AI工具搞得眼花缭乱？昨天还在纠结哪个模型好，今天又被一款新技术给吸引了——Spring接入了DeepSeek！

这件事可不得不说，简直是给开发者们送上了王炸！说实话，作为一个程序员，我可是没想到，Spring竟然能帮我们轻松地把AI模型接入到Java应用中，而且这么简单高效。今天我就带大家一起来看看，这个Spring AI加上DeepSeek到底有什么神奇的地方。

Spring AI：万用适配器

Spring AI，顾名思义，就是为Java应用提供一个方便、统一的AI接入方案。如果你了解Python的LangChain和LlamaIndex，可能会觉得Spring AI有点类似这些工具，但它专门为Java量身定做。

Spring AI就像个万金油一样，它能帮助你将多种不同的AI模型轻松接入到Java应用中。不管是OpenAI、Hugging Face，还是国内的DeepSeek，通过Spring AI，大家可以用相同的方式来调用这些AI服务。

这种方便的体验，简直就像是为开发者量身定做的神器。而且，Spring AI的优势不仅仅是统一接口，它还简化了很多麻烦的配置工作。

别再为那些复杂的API密钥、模型参数操心了，Spring AI会帮你搞定这一切！配置文件也变得简单得多，甚至在你需要切换AI服务商时，只需要修改一个配置文件，业务代码基本上不用动。

集成方式一：伪装成OpenAI

这里最有趣的部分来了！DeepSeek为了兼容OpenAI，提供了一个OpenAI兼容模式，这意味着你可以通过调用OpenAI的方式来访问DeepSeek。对于开发者来说，这简直是个福音，避免了重新学习新API的麻烦。Spring AI提供的openai starter就是通过RestTemplate来发请求的，我们只需要稍微修改一下URL和认证方式，就能轻松使用DeepSeek的服务。

步骤1：添加依赖

首先，你需要在你的Maven项目中添加以下依赖：

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

步骤2：修改配置文件

然后，在application.yml中，你只需要配置DeepSeek的OpenAI兼容端点和API密钥。看，配置文件简单得不要不要的：

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

注意：API密钥需要去DeepSeek开放平台申请。因为目前DeepSeek的官网服务器资源比较紧张，API充值服务暂停，我们可以用一个稳定的中转站：腾讯云 API 代理：https://curl.qcloud.com/T3M5yBHp

步骤3：调用DeepSeek

配置好后，你就能通过控制器来调用DeepSeek生成响应了，代码如下：

@RestController
@RequestMapping("/ai")
public class ChatController {
    private final ChatClient chatClient;
    public ChatController(ChatClient.Builder chatClientBuilder) {
        this.chatClient = chatClientBuilder.build();
    }
    @GetMapping("/chat")
    public String generate(@RequestParam(value = "message") String message) {
        return chatClient.prompt(message).call().content();
    }
}

这段代码的意思就是，当你发送请求到/ai/chat接口时，DeepSeek会生成对应的响应内容。

步骤4：覆盖默认配置（可选）

如果你希望在某些请求中使用不同的模型或参数，Spring AI也允许你临时覆盖默认配置。例如：

ChatResponse response = chatModel.call(
    new Prompt(
        "Generate the names of 5 famous pirates.",
        OpenAiChatOptions.builder()
            .withModel("deepseek-chat")
            .withTemperature(0.4)
            .build()
    ));

这样一来，你就能根据需求灵活调整AI模型的参数了。

集成方式二：本地化部署

如果你更倾向于在本地或者内网环境中部署DeepSeek模型，那么Spring AI也支持这种方式。这时，我们就需要借助Ollama工具将DeepSeek本地化部署。

步骤1：部署DeepSeek本地模型

首先，你得通过Ollama工具将DeepSeek模型部署到本地。这个过程我之前已经写过教程，大家可以参考这篇文章【如何安装DeepSeek本地模型】。

步骤2：添加依赖

然后，你需要在Maven项目中添加如下依赖：

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

步骤3：修改配置文件

在application.yml中，你只需配置本地DeepSeek服务地址和模型名称：

spring:
  ai:
    ollama:
      base-url: http://localhost:11434
      chat:
        model: deepseek-r1:1.5b  # 与本地模型名称对应

步骤4：调用本地部署模型

最后，创建一个控制器，用于调用本地部署的DeepSeek模型：

@RestController
@RequestMapping("/ai")
public class ChatController {
    private final ChatClient chatClient;
    public ChatController(ChatClient.Builder chatClient) {
        this.chatClient = chatClient.build();
    }
    @GetMapping("/chat")
    public ResponseEntity<Flux<String>> chat(@RequestParam(value = "message") String message) {
        try {
            Flux<String> response = chatClient.prompt(message).stream().content();
            return ResponseEntity.ok(response);
        } catch (Exception e) {
            return ResponseEntity.badRequest().build();
        }
    }
}

总结

看到这里，你一定能感受到Spring AI接入DeepSeek后带来的便利。无论是伪装成OpenAI进行API调用，还是将DeepSeek本地化部署到你的服务器，Spring AI都能轻松帮你实现这些需求。对于Java开发者来说，Spring AI无疑是一款省时又省力的神器！这样一来，我们就可以把精力集中在业务逻辑上，不用再为集成不同的AI模型而烦恼。

好了，今天就分享到这里。如果你也正在考虑如何将AI融入到Java项目中，不妨试试Spring AI，真的挺方便的！