Spring Boot整合DeepSeek实现AI对话

本篇博文会分为DeepSeek开放平台上的API，以及本地私有化部署DeepSeek R1模型两种方式来整合使用，本地化私有部署可以参考这篇博文：DeepSeek介绍及使用ollama本地化部署DeepSeek-R1大模型

Spring AI

Spring AI 是由 Spring（一个广泛使用的开源框架）推出的一个新项目，旨在将 人工智能（AI） 集成到 Spring 应用程序中。Spring 是一个支持 Java 开发的框架，而 Spring AI 使得 Java 开发人员能够更容易地构建、管理和集成人工智能模型和机器学习功能。
我们这里直接使用Spring官方提供的相关依赖来整合，官网地址：https://docs.spring.io/spring-ai/reference/api/chat/deepseek-chat.html
本篇博文主要就是采用的spring ai提供的两个starter依赖进行配置整合，分别是spring-ai-openai-spring-boot-starter和spring-ai-ollama-spring-boot-starter

版本依赖

根据官网的描述，spring ai框架支持的SpringBoot版本应该是3.2.x 和 3.3.x

而SpringBoot 3.2.x 和 3.3.x依赖的JDK版本最低应该也是JDK17，所以这里演示整合的代码都是基于spring boot 3.3.8 以及 JDK17

整合DeepSeek API key

进入DeepSeek开放平台页面，注册账号登录后，可以创建API key，新账号有赠送的10元额度，具体价格可以参考这里：https://api-docs.deepseek.com/zh-cn/quick_start/pricing/
有了API key后我们可以开始构建工程了，基于springboot 3.3.8版本搭建一个工程，引入以下依赖：

    org.springframework.ai
    spring-ai-openai-spring-boot-starter

增加以下配置：

spring:
  ai:
    openai:
      base-url: https://api.deepseek.com
      api-key: sk-xxxxxxxxxxxxxxxxx
      chat:
        options:
          model: deepseek-chat

项目会自动装配OpenAiAutoConfiguration，就可以在需要的地方注入OpenAiChatModel
代码如下：

@Resource
private OllamaChatModel chatModel;

private final List chatHistoryList = new ArrayList<>();

@PostConstruct
public void init() {
	chatHistoryList.add(new SystemMessage("You are a helpful assistant."));
}
    
@GetMapping("/chat")
public ChatResponse test(String message) {
    chatHistoryList.add(new UserMessage(message));
    Prompt prompt = new Prompt(chatHistoryList);
    ChatResponse chatResponse = chatModel.call(prompt);
    if (chatResponse.getResult() != null && chatResponse.getResult().getOutput() != null) {
        chatHistoryList.add(chatResponse.getResult().getOutput());
    }
    return chatResponse;
}

整合本地化部署的DeepSeek R1模型

本地化私有部署可以参考这篇博文：DeepSeek介绍及使用ollama本地化部署DeepSeek-R1大模型
部署完成后同样是基于springboot 3.3.8版本搭建一个工程，引入的依赖就换为：

    org.springframework.ai
    spring-ai-ollama-spring-boot-starter

增加以下配置：

spring:
  ai:
    ollama:
      base-url: http://localhost:11434
      chat:
        model: deepseek-r1:1.5b

项目会自动装配OllamaAutoConfiguration，就可以在需要的地方注入ollamaChatModel
代码跟使用spring-ai-openai-spring-boot-starter几乎一样，只是注入的ChatModel类换成了OllamaChatModel
而且实测本地化部署也可以使用spring-ai-openai-spring-boot-starter，修改配置文件如下：

spring:
  ai:
    openai:
      base-url: http://localhost:11434
      api-key: xxxxxxx
      chat:
        options:
          model: deepseek-r1:1.5b

其他也就一样了，只是把地址换成了本地ollama的服务地址，api-key不需要了但是也不能不填，不填会报错，模型就配置本地有的模型即可
如果想像网站那样可以一个字一个字的输出，也可以调用chatModel.stream流式输出爱的回复