Spring AI 结合DeepSeek使用教程

Spring AI 结合DeepSeek使用教程

一、环境搭建与项目初始化

  1. 创建Spring Boot项目

    • 使用IDEA或Spring Initializr创建项目,选择JDK 17或更高版本(推荐21)。
    • 勾选依赖项:Spring WebLombok,Maven或Gradle作为构建工具。
    • 添加Spring AI依赖(以DeepSeek为例):
    • deepseek 作为引入依赖
    xml 复制代码
    <properties>
        <java.version>17</java.version>
        <spring-ai.version>1.0.0</spring-ai.version>
    </properties>
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-model-deepseek</artifactId>
        </dependency>
    
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>
    </dependencies>
    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.ai</groupId>
                <artifactId>spring-ai-bom</artifactId>
                <version>1.0.0</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>
  2. 配置API密钥

    application.yml中配置模型服务(以DeepSeek为例):

    yaml 复制代码
    server:
      port: 8080
    spring:
      ai:
        deepseek:
          api-key: sk-your-api-key
          base-url: https://api.deepseek.com/v1
          chat:
            options:
              model: deepseek-chat

二、基础功能实现

  1. 调用大模型生成文本
    • 通过chatModel发送请求:

      java 复制代码
         @RestController
         public class ChatController {
             private DeepSeekChatModel chatModel;
         
             @Autowired
             public ChatController(DeepSeekChatModel chatModel) {
                 this.chatModel = chatModel;
             }
         
         
             @GetMapping("/ai/generate")
             public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
                 return Map.of("generation", chatModel.call(message));
             }
         
             @GetMapping("/ai/generateStream")
             public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
                 var prompt = new Prompt(new UserMessage(message));
                 return chatModel.stream(prompt);
             }
         
         }
    • 启动应用后,访问http://localhost:8080/ai/generate?message=写一首春天的诗即可获取响应。 响应结果如下:

🍚总结

大功告成,撒花致谢🎆🎇🌟,关注我不迷路,带你起飞带你富。 Writted By 知识浅谈

相关推荐
要阿尔卑斯吗17 分钟前
深入解析 Docling Java SDK 集成:Source 与 Target 的实战应用
后端
范闲2 小时前
第三章: 从 ChatModel 到 Agent:Octo 项目的架构演进
后端
江华森2 小时前
深入理解 Flask 实现原理
后端·python·flask
Nturmoils2 小时前
LEFT JOIN 到底什么时候会被优化器偷偷改写成 INNER JOIN
后端
北冥you鱼3 小时前
Go Modules 使用指南:从入门到精通
开发语言·后端·golang
嘟嘟07173 小时前
从零理解 MCP:手写一个本地 MCP Server 并接入 LangChain Agent
前端·后端
沈七3 小时前
Go 补强第三天:给 TaskStore 写单元测试
后端
范闲3 小时前
第二章:Octo v0.1.1:从「能用」到「好用」——终端 AI 聊天体验的全面升级
人工智能·后端
贰先生3 小时前
Xiuno BBS 审计之问题03:附件上传高危风险
后端
Ai拆代码的曹操3 小时前
记一次 K8s Pod Pending 排查:两层坑叠加,从资源到存储的完整复盘
后端