#3、SpringAI 接入deepSeek大模型(喂饭版)

Spring AI接入DeepSeek大模型

一、基础环境准备

安装的 JDK 版本必须是 17 或 21，不能选择其他版本！ 因为项目使用最新版本的 Spring Boot 3 和 Spring AI 开发框架。

推荐使用 21 版本，因为支持虚拟线程这个王炸功能。

二、新建项目

在 IDEA 中新建项目，选择 Spring Initializr 模板，注意需要确保 Server URL 为 https://start.spring.io/。

Java 版本选择 21。

选择 Spring Boot 3.4.4 版本，可以根据自己的需要添加一些依赖，比如 Spring Web 和 Lombok。

当然，后续通过修改 Maven 配置添加依赖也是可以的。

点击创建，就得到了一个 Spring Boot 项目，需要等待 Maven 为我们安装依赖。

小提示，如果 Lombok 依赖报错的话，可以手动指定 Lombok 的版本，pom.xml 代码如下：

xml 复制代码

<dependency>
    <groupId>org.projectlombok</groupId>
    <artifactId>lombok</artifactId>
    <version>1.18.36</version>
    <optional>true</optional>
</dependency>

三、整合依赖

可以根据自己的需要，整合一些开发项目常用的依赖。此处我们整合 Hutool 工具库和 Knife4j 接口文档即可。

1、Hutool 工具库

Hutool 是主流的 Java 工具类库，集合了丰富的工具类，涵盖字符串处理、日期操作、文件处理、加解密、反射、正则匹配等常见功能。

参考官方文档引入：https://doc.hutool.cn/pages/index/#🍊maven

在 Maven 的 pom.xml 中添加依赖：

xml 复制代码

<dependency>
    <groupId>cn.hutool</groupId>
    <artifactId>hutool-all</artifactId>
    <version>5.8.37</version>
</dependency>

2、Knife4j 接口文档

Knife4j 是基于 Swagger 接口文档的增强工具，提供了更加友好的 API 文档界面和功能扩展，例如动态参数调试、分组文档等。

参考官方文档引入，注意我们使用的是 Spring Boot 3.x。

1）在 Maven 的 pom.xml 中添加依赖：

xml 复制代码

<dependency>
    <groupId>com.github.xiaoymin</groupId>
    <artifactId>knife4j-openapi3-jakarta-spring-boot-starter</artifactId>
    <version>4.4.0</version>
</dependency>

2）新建 controller 包用于存放 API 接口，编写一个健康检查接口用于测试接口文档是否正常引入：

java 复制代码

@RestController
@RequestMapping("/health")
public class HealthController {

  @GetMapping("/check")
  public String checkHealth(){
    return "OK";
  }
}

3）在 application.yml 中追加接口文档配置，扫描 controller 包：

yaml 复制代码

server:
  port: 8080
  servlet:
    context-path: /api

######################################################
############          接口文档配置           #####################
######################################################
# 访问地址   ${server.servlet.context-path}/doc.html
springdoc:
  swagger-ui:
    path: /swagger-ui.html
    tags-sorter: alpha
    operations-sorter: alpha
  api-docs:
    path: /v3/api-docs
  group-configs:
    - group: 'default'
      paths-to-match: '/**'
      packages-to-scan: com.qianliuliang.love.controller # 配置扫描哪些包的接口要加入到文档
# knife4j config
knife4j:
  enable: true
  setting:
    language: zh_cn

4）启动项目，访问 http://localhost:8080/api/doc.html 能够看到接口文档。

如果是要开发完整项目，除了引入依赖之外，还要编写一些通用基础代码，比如自定义异常、响应包装类、全局异常处理器、请求包装类、全局跨域配置等。

5）验证项目是否正常，直接在接口文档发起调试，成功返回"OK"，说明项目初始化没有问题

四、大模型接入

使用SpringAI接口DeepSeek模型（需准备DeepSeek ApiKey）

1）在pom.xml中引入依赖

xml 复制代码

 <!--整合LLM-->
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
</dependency>

2）在DeepSeek官网中申请APIKey

官网地址 https://www.deepseek.com/

操作步骤如下：

点击<API开放平台>
依次点击、<创建API key>

创建号API key后妥善保管，也不要提交到远端

3）在application.yaml 添加模型配置

yml 复制代码

spring:
  application:
    name: AI_LOVE
  #ds模型配置
  ai:
    openai:
      api-key: 你的apikey
      base-url: https://api.deepseek.com
      chat:
        options:
          model: deepseek-chat

api-key: 你的apikey 把申请的key填入

4）配置ChatClient bean

在项目中创建package 名称为：config；在包下面创建类，内容如下：

java 复制代码

package com.qianliuliang.love.config;

import com.qianliuliang.love.advisor.MyLoggerAdvisor;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.ai.chat.memory.InMemoryChatMemory;
import org.springframework.ai.openai.OpenAiChatModel;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/**
 * chatClient bean
 */
@Configuration
public class Client {


    /**
     * 基于内存会话记忆的  client
     *
     * @param openAiChatModel
     * @return
     */
    @Bean
    public ChatClient chatClientWithChatMemory(OpenAiChatModel openAiChatModel) {
        // 基于内存的会话记忆，可实现上下文记忆会话
        ChatMemory chatMemory = new InMemoryChatMemory();
        return ChatClient.builder(openAiChatModel)
                .defaultSystem("你是一个智能恋爱助手！名字叫LoveDD") // 系统提示词
                .defaultAdvisors(new MessageChatMemoryAdvisor(chatMemory),
                        new MyLoggerAdvisor()) // 自定义日志
                .build();
    }

}

创建chat对话

java 复制代码

import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.SimpleLoggerAdvisor;
import org.springframework.ai.chat.model.ChatResponse;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;

/**
 * 简单会话
 */
@Slf4j
@Component
public class SimpleChat {

    @Autowired
    private ChatClient chatClient; 

    /**
     * 普通文本会话
     *
     * @param msg 用户消息
     * @param chatId 会话id
     * @return
     */
    public String doChatWithString(@RequestParam String msg, String chatId) {
        ChatResponse chatResponse = chatClient.prompt()
                .advisors(advisorSpec ->
                        advisorSpec.param("chat_memory_conversation_id", chatId) //会话id/聊天室id
                        .param("chat_memory_response_size", 10))// 支持10轮会话
                .user(msg)
                //.advisors(new SimpleLoggerAdvisor())//日志打印
                .call()
                .chatResponse();
        return chatResponse.getResult().getOutput().getText();// 返回与大模型的对话的内容
    }
}

创建controller

java 复制代码

import com.qianliuliang.love.chat.SimpleChat;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
@RequestMapping("/chat")
public class ChatController {


    @Autowired
    private SimpleChat simpleChat;

    /**
     * 普通文本会话
     *
     * @param msg
     * @param chatId
     * @return
     */
    @PostMapping("/doChatWithString")
    public String doChatWithString( String msg, String chatId) {
        return simpleChat.doChatWithString(msg, chatId);
    }
}

重启项目，测试

在会话ID为1的会话中（聊天室1），告诉大模型"我是六两"

在会话ID为2的会话中（聊天室2），问大模型"我是谁"，此时大模型不知道我是谁，因为在不同的聊天室

在会话ID为1的会话中（回到聊天室1），问大模型"我是谁"，此时大模型知道我是六两""，因为在聊天室1中我告诉过大模型"我是六两"【此时大模型有记忆】

好了，到这里就结束了。

后续会分享基于redis的会话记忆、自定义advisor，RAG知识库文档（文档切割、Embedding 向量转化、向量存储），tool calling ,MCP

源码地址 https://github.com/QianLiuLiang/QianLiuLiang_AI.git