从零构建一个基于 DeepSeek 的 AI 对话系统：Spring Boot + 前端实战指南

技术栈选型与准备

后端采用Spring Boot 3.x（Java 17+）提供RESTful API，前端使用Vue 3或React 18构建交互界面。DeepSeek API作为AI核心引擎，需提前申请API Key并了解其对话接口规范。数据库可选PostgreSQL或MySQL存储对话记录。

后端工程搭建

创建Spring Boot项目并添加必要依赖：

XML 复制代码

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
    <groupId>com.squareup.okhttp3</groupId>
    <artifactId>okhttp</artifactId>
    <version>4.10.0</version>
</dependency>

配置application.yml设置DeepSeek参数：

yaml 复制代码

deepseek:
  api-key: YOUR_API_KEY
  endpoint: https://api.deepseek.com/v1/chat/completions

核心服务层实现

创建AI服务代理类处理DeepSeek API调用：

java 复制代码

@Service
public class AIService {
    @Value("${deepseek.api-key}")
    private String apiKey;
    
    @Value("${deepseek.endpoint}")
    private String endpoint;
    
    public String getAIResponse(String userInput) throws IOException {
        OkHttpClient client = new OkHttpClient();
        MediaType JSON = MediaType.get("application/json");
        
        String jsonBody = String.format("{\"messages\":[{\"role\":\"user\",\"content\":\"%s\"}]}", 
            userInput.replace("\"", "\\\""));
            
        Request request = new Request.Builder()
            .url(endpoint)
            .addHeader("Authorization", "Bearer " + apiKey)
            .post(RequestBody.create(jsonBody, JSON))
            .build();
            
        try (Response response = client.newCall(request).execute()) {
            return response.body().string();
        }
    }
}

控制器设计

创建REST控制器暴露对话接口：

java 复制代码

@RestController
@RequestMapping("/api/chat")
public class ChatController {
    @Autowired
    private AIService aiService;
    
    @PostMapping
    public ResponseEntity<String> chat(@RequestBody Map<String, String> request) {
        try {
            String response = aiService.getAIResponse(request.get("message"));
            return ResponseEntity.ok(response);
        } catch (IOException e) {
            return ResponseEntity.status(500).build();
        }
    }
}

前端实现（Vue示例）

安装必要依赖：

bash 复制代码

npm install axios vue-router pinia

创建聊天组件：

vue 复制代码

<script setup>
import { ref } from 'vue'
import axios from 'axios'

const messages = ref([])
const userInput = ref('')

const sendMessage = async () => {
  if (!userInput.value.trim()) return
  
  messages.value.push({ role: 'user', content: userInput.value })
  const tempInput = userInput.value
  userInput.value = ''
  
  try {
    const { data } = await axios.post('/api/chat', {
      message: tempInput
    })
    messages.value.push({ role: 'assistant', content: data.choices[0].message.content })
  } catch (error) {
    console.error('API Error:', error)
  }
}
</script>

<template>
  <div class="chat-container">
    <div v-for="(msg, index) in messages" :key="index">
      <strong>{{ msg.role }}:</strong> {{ msg.content }}
    </div>
    <input v-model="userInput" @keyup.enter="sendMessage" />
    <button @click="sendMessage">Send</button>
  </div>
</template>

增强功能实现

添加对话历史存储功能：

java 复制代码

@Entity
public class Conversation {
    @Id @GeneratedValue
    private Long id;
    private String sessionId;
    @Lob
    private String userMessage;
    @Lob
    private String aiResponse;
    private LocalDateTime timestamp;
    // Getters and setters
}

实现限流保护API：

java 复制代码

@Configuration
public class RateLimitConfig implements WebMvcConfigurer {
    @Bean
    public FilterRegistrationBean<RateLimitFilter> rateLimitFilter() {
        FilterRegistrationBean<RateLimitFilter> reg = new FilterRegistrationBean<>();
        reg.setFilter(new RateLimitFilter(100, 1)); // 100 requests/minute
        reg.addUrlPatterns("/api/chat");
        return reg;
    }
}

部署注意事项

使用Docker打包Spring Boot应用时，确保设置合理的内存限制
前端构建后可通过Nginx部署，配置API反向代理
生产环境应启用HTTPS并配置CORS策略
考虑实现API密钥轮换机制保障安全

性能优化建议

实现响应缓存减少重复查询
使用WebSocket替代HTTP轮询实现实时对话
添加对话摘要功能减少长文本传输
引入熔断机制防止API过载

完整项目应包含错误处理、日志监控、用户认证等生产级功能，上述代码提供基础实现框架，可根据实际需求扩展。