30分钟实现自己的AI聊天机器人（SpringBoot接入DeepSeek API）

前言

刚开始学习AI的时候。

我和很多Java开发一样。

每天都在看：

Agent
RAG
Workflow
MCP

越看越焦虑。

感觉每个概念都很复杂。

直到后来我才发现。

自己走错了方向。

对于传统开发来说。

学习AI最好的方式不是先研究各种框架。

而是先做出一个真正能运行的AI应用。

而AI应用里最简单的是什么？

答案就是：

聊天机器人。

这一篇文章。

我就分享一下当时是如何用SpringBoot在30分钟内实现自己的第一个AI聊天机器人的。

AI聊天机器人的本质是什么

很多人第一次接触AI的时候。

会觉得：

复制代码

ChatGPT太神奇了

其实从开发角度看。

一个聊天机器人本质上只有三部分：

复制代码

用户问题
↓
Prompt
↓
大模型
↓
返回答案

说白了。

就是一次HTTP请求。

所以不要被AI吓到。

先把它当成一个普通接口服务。

很多东西反而更容易理解。

为什么不直接用网页版DeepSeek？

很多人可能会问：

既然网页版已经能聊天。

为什么还要调用API？

原因很简单。

网页版是给人使用的。

API是给程序使用的。

只有通过API。

才能：

集成到自己的系统
开发AI助手
实现RAG知识库
实现Agent
实现Workflow

后面所有AI应用开发能力。

几乎都是建立在API调用之上的。

所以学会调用API。

就是传统开发者进入AI开发的第一步。

准备工作：获取你的第一个大模型API

在开始写代码之前。

首先需要一个能够调用的大模型。

目前国内外主流平台都提供开放API，例如：

DeepSeek
阿里百炼
OpenAI
智谱AI

这里我使用的是 DeepSeek。

原因很简单：

便宜。

对于学习阶段来说完全够用。

注册地址：（链接）

注册完成后：

1、充值（10元足够练习很久）

2、创建API Key

3、保存生成的sk开头密钥

这里要特别注意：

API Key相当于银行卡密码。

千万不要提交到GitHub或者上传到公开仓库。

否则别人调用消耗的是你的余额。

创建完成后。

就可以开始编写代码了。

创建过程如下：

这里要特别注意：

API Key 相当于银行卡密码，不要上传到 GitHub 或公开仓库。

最后附上DeepSeek的接口文档地址（链接)

代码实现

请求流程

其实整个AI聊天机器人本质上就是一次HTTP调用。

理解了这一点。

后面学习Spring AI、Agent、RAG都会轻松很多。

复制代码

前端页面

↓

Controller

↓

ChatService

↓

DeepSeek API

↓

返回结果

业务代码

项目中调用，这里以Java为例，Python等其他语言同理。这里先用Http RestTemplate方式调用。是不是很熟悉呢。

完整代码我会同步上传到 GitHub。后续 Spring AI、RAG、Agent 相关代码也会持续更新。

GitHub地址：（仓库地址）

ini 复制代码

private static final String DEEPSEEK_URL = "https://api.deepseek.com/chat/completions";  
  
private static final String SYSTEM_PROMPT = "你是一个AI助手";  
  
private final RestTemplate restTemplate;  
private final String apiKey;  
  
/** 会话 id -> 该会话的 messages 历史（第一条固定为 system） */  
private final ConcurrentHashMap<String, List<ChatMessage>> conversations = new ConcurrentHashMap<>();  
  
public ChatConversationService(RestTemplate restTemplate, @Value("${deepseek.api-key}") String apiKey) {  
    this.restTemplate = restTemplate;  
    this.apiKey = apiKey.strip();  
}  
  
public ChatResponse chat(String conversationId, String userMessage) {  
    //处理会话ID（可忽略）
    String convId = (conversationId == null || conversationId.isBlank())  
          ? UUID.randomUUID().toString()  
          : conversationId.trim();  
         
       //如果get(id)的值不存在，则把新list封装后返回，否则直接返回list （可忽略）
    List<ChatMessage> history = conversations.computeIfAbsent(convId, id -> {  
       List<ChatMessage> list = new ArrayList<>();  
       list.add(new ChatMessage("system", SYSTEM_PROMPT));  
       return list;  
    });  
  
    synchronized (history) {  
       history.add(new ChatMessage("user", userMessage));  
  
       DeepSeekChatRequest body = new DeepSeekChatRequest();  
       body.setModel("deepseek-v4-flash");  
       body.setMessages(new ArrayList<>(history));  
  
       HttpHeaders headers = new HttpHeaders();  
       headers.setContentType(MediaType.APPLICATION_JSON);  
       headers.setBearerAuth(apiKey);  
  
       HttpEntity<DeepSeekChatRequest> entity = new HttpEntity<>(body, headers);  
	  //http调用大模型接口
       DeepSeekChatResponse apiResponse = restTemplate.postForObject(  
             DEEPSEEK_URL,  
             entity,  
             DeepSeekChatResponse.class  
       );  
  
       String reply = "";  
       if (apiResponse != null  
             && apiResponse.getChoices() != null  
             && !apiResponse.getChoices().isEmpty()  
             && apiResponse.getChoices().get(0).getMessage() != null) {  
          String content = apiResponse.getChoices().get(0).getMessage().getContent();  
          reply = content != null ? content : "";  
       }  
  
       history.add(new ChatMessage("assistant", reply));  
       return new ChatResponse(reply, convId);  
    }  
}

其实整个流程总结下来只有三步：

复制代码

用户问题
↓
组装Message
↓
HTTP调用大模型
↓
返回答案

这也是后面所有AI应用的基础。

包括：

Spring AI
LangChain4j
Agent
RAG

本质上都建立在这个流程之上。

运行结果

启动项目后。

发送请求：

因为我增加了会话ID的设置，系统保存了历史消息。

所以第二次提问：

模型依然能够结合上下文回答。

这也是最简单的会话记忆实现方式（这一步也可以忽略，后面会详细讲大模型记忆机制

）。

第一个版本为什么不用Spring AI

很多人看到这里可能会问：

为什么不用Spring AI？

原因很简单。

学习任何新技术。

第一步都应该先理解底层原理。

如果一上来就使用框架：

scss 复制代码

chatClient.prompt() 
	.user(question)
	.call()

虽然很方便。

但很难理解：

Message是什么
Prompt是什么
Token是什么
请求到底发给了谁

所以我的第一版故意选择：

复制代码

RestTemplate + HTTP

直接调用模型接口。

先把整个流程跑通。

之后再引入Spring AI。

这样学习效率反而更高。

写在最后

做到这里。

其实你已经完成了自己的第一个AI应用。

虽然它还很简单。

但已经具备了：

会话能力
Prompt能力
大模型调用能力

而这也是后面所有AI项目的基础。

很多人做到这里会产生一个错觉：

复制代码

AI开发好像也没那么难

事实上。

你只是刚刚完成了：

复制代码

AI开发 = Hello World

接下来真正的学习路线通常是：

javascript 复制代码

聊天机器人
↓
Spring AI
↓
流式输出（SSE）
↓
会话记忆
↓
Function Calling
↓
RAG知识库
↓
Agent
↓
Workflow
↓
企业级AI应用

而我接下来也会按照自己的学习路径。

把这些内容一步步记录下来。