太香了！Spring 官宣接入 DeepSeek

最近逛了下 Spring 的官网，发现 Spring AI 已经支持 DeepSeek！今天和大家聊聊如何在 Spring Boot 项目制使用 DeepSeek，还是非常方便的！

Spring AI 简介

Spring AI 是 Spring 官方推出的开源框架，旨在为 Java 开发者提供方便的 AI 集成能力。其核心是通过抽象化和模块化设计，简化 AI 功能的接入步骤，同时保持与 Spring 生态的无缝兼容。

以下是其主要特点与功能：

• 统一的抽象 API：支持主流 AI 服务，如 OpenAI、DeepSeek、Google、和 Ollama 等，提供了提供标准化的接口。

• 核心功能模块：模型交互、向量处理、检索增强生成（RAG）、函数调用。

• 低代码集成：通过 Spring Boot Starter 依赖快速接入，在配置文件中配置好 AI 服务即可使用。

• 结构化输出：将模型响应直接映射为 Java 对象，简化数据处理。

• 流式响应：支持 Flux 流式输出，适用于实时聊天等场景。

获取 API KEY

由于 DeepSeek 官方服务有时候调用会繁忙，这里以阿里云百炼平台的 DeepSeek 服务为例。

• 首先我们需要去阿里云百炼找到 DeepSeek 这个模型，地址：https://bailian.console.aliyun.com
  

• 点击模型的立即体验，然后点击右上角的钥匙按钮就可以获取到对应的 API KEY 了，首次使用需要自行创建 API KEY。

这或许是一个对你有用的开源项目，mall 项目是一套基于 SpringBoot3 + Vue 的电商系统（Github 标星 60K），后端支持多模块和 2024 最新微服务架构，采用 Docker 和 K8S 部署。包括前台商城项目和后台管理系统，能支持完整的订单流程！涵盖商品、订单、购物车、权限、优惠券、会员、支付等功能！

• Boot 项目：https://github.com/macrozheng/mall
  

• Cloud 项目：https://github.com/macrozheng/mall-swarm
  

• 教程网站：https://www.macrozheng.com
  

项目演示：

使用

接下来我们就来讲解下使用 Spring AI 来调用 DeepSeek 服务。

• 首先在 SpringBoot 项目中添加 Spring AI 对应的依赖；

<dependency>    <groupId>org.springframework.ai</groupId>    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>    <version>1.0.0-M6</version></dependency>

• 然后在项目的 application.yml 配置文件中添加调用 AI 服务相关的配置；

spring:  ai:    openai:      # 调用AI接口时表明身份的API KEY      api-key: <YOUR_API_KEY>      # 调用AI接口时的基础路径，配置的是阿里云百炼的基础路径      base-url: https://dashscope.aliyuncs.com/compatible-mode      chat:        options:          # 调用的模型，DeepSeek的话可以选择deepseek-r1或deepseek-v3          model: deepseek-r1          # 用来控制文本生成的随机性（创造力），值越小越严谨          temperature: 0.8

• 接下来在 Controller 中添加对应的接口来调用 AI 服务生成答案，这里提供了直接回答和流式回答两个接口。

/** * @auther macrozheng * @description 对接DeepSeek后生成回答的Controller * @date 2025/2/21 * @github https://github.com/macrozheng */@RestControllerpublic class DeepSeekController {
    private final OpenAiChatModel chatModel;
    @Autowired    public DeepSeekController(OpenAiChatModel chatModel) {        this.chatModel = chatModel;    }
    /**     * 根据消息直接输出回答     */    @GetMapping("/ai/chat")    public Map chat(@RequestParam(value = "message") String message) {        return Map.of("generation", this.chatModel.call(message));    }
    /**     * 根据消息采用流式输出，输出回答     */    @GetMapping(value = "/ai/chatFlux", produces = MediaType.TEXT_EVENT_STREAM_VALUE + "; charset=UTF-8")    public Flux<ChatResponse> chatFlux(@RequestParam(value = "message") String message) {        Prompt prompt = new Prompt(new UserMessage(message));        return this.chatModel.stream(prompt);    }
}

测试

然后启动项目，这里我们使用 Postman 来测试下接口

• 首先调用下直接输出答案的接口，我们可以发现回答输出的时间比较长，接口地址：http://localhost:8080/ai/chat
  

• 接下来调用下流式输出答案的接口，我们可以发现它会持续不断地返回结果，直到请求连接关闭，接口地址：http://localhost:8080/ai/chatFlux
  

• 其实总的回答在 result.output.text 这个属性里面，我们可以通过接口中的 text 属性的拼接来获得完整的回答。

总结

今天给大家介绍了下 Spring AI 和 DeepSeek 的集成方法，还是比较简单的。对于回答的输出，由于直接输出响应比较慢，我们可以采用流式输出，通过不断拼接回答来响应比较好。

项目源码地址

https://github.com/macrozheng/spring-examples/tree/master/spring-deepseek

行业拓展

分享一个面向研发人群使用的前后端分离的低代码软件——JNPF。

基于 Java Boot/.Net Core 双引擎，它适配国产化，支持主流数据库和操作系统，提供五十几种高频预制组件，内置了常用的后台管理系统使用场景和实用模版，通过简单的拖拉拽操作，开发者能够高效完成软件开发，提高开发效率，减少代码编写工作。

JNPF 基于 SpringBoot+Vue.js，提供了一个适合所有水平用户的低代码学习平台，无论是有经验的开发者还是编程新手，都可以在这里找到适合自己的学习路径。

此外，JNPF 支持全源码交付，完全支持根据公司、项目需求、业务需求进行二次改造开发或内网部署，具备多角色门户、登录认证、组织管理、角色授权、表单设计、流程设计、页面配置、报表设计、门户配置、代码生成工具等开箱即用的在线服务。