⭐自荐一个非常不错的开源 Java 面试指南：JavaGuide （Github 收获148k Star）。这是我在大三开始准备秋招面试的时候创建的，目前已经持续维护 6 年多了，累计提交了 5600+ commit ，共有 550+ 多位贡献者共同参与维护和完善。
DeepSeek 作为一款卓越的国产 AI 模型，越来越多的公司考虑在自己的应用中集成。对于 Java 应用来说，我们可以借助 Spring AI 集成 DeepSeek，非常简单方便！
相关文章推荐：
- DeepSeek 的这波回答我给满分！
- IDEA 接入 DeepSeek,太酷了!
Spring AI 是什么？
Spring AI 从著名的 Python 项目（例如 LangChain 和 LlamaIndex）中汲取灵感，解决了 AI 集成中的核心挑战：将企业数据和 API 与 AI 模型连接起来。
你可以将 Spring AI 看作是一个适配器或者高层封装，用来帮你更方便地集成和使用不同的 AI 模型。它的核心目标是简化开发流程，降低使用多种 AI 服务时的复杂性，同时提升代码的可维护性和灵活性。
Spring AI 的主要功能包括：
- 统一 API: Spring AI 提供了一套统一的接口，用来调用不同的 AI 模型（例如 OpenAI、Hugging Face、DeepSeek、Gemini 等）。开发者只需要学习 Spring AI 的 API，就能无缝对接各种 AI 服务，而无需深入了解各家服务的底层实现和差异。
- 简化配置: Spring AI 提供了自动化的配置管理，例如 API 密钥、模型参数等。你只需要简单地在配置文件中定义所需的参数，Spring AI 就会自动完成初始化和连接，避免繁琐的手动配置。
- 易于切换: Spring AI 的抽象设计使得更换 AI 提供商变得非常简单。开发者只需要修改少量配置，而不用修改业务代码，从而实现灵活的 AI 服务切换，适应不同场景需求。
Spring AI 集成 DeepSeek
这里介绍两种方式：
- spring-ai-openai starter：伪装成 OpenAI，DeepSeek 提供了 OpenAI 兼容模式。
- spring-ai-ollama-spring-boot-starter：通过 Ollama 本地部署一个 DeepSeek R1 蒸馏版。
伪装成 OpenAI
DeepSeek 其实提供了 OpenAI 兼容模式，只要在请求头里加个api_key，就能假装自己在调 OpenAI。Spring AI 的 openai starter 本质上是通过 RestTemplate 发请求，我们只需要改改 URL 和认证方式。
1、添加依赖：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-openai-spring-boot-starter</artifactId>
<version>0.8.1</version>
</dependency>
2、修改配置文件 application.yml
spring:
ai:
openai:
base-url: https://api.deepseek.com/v1 # DeepSeek的OpenAI式端点
api-key: sk-your-deepseek-key-here
chat.options:
model: deepseek-chat # 指定DeepSeek的模型名称
3、DeepSeek API KEY 可以在 DeepSeek 开放平台中自行创建，地址：https://platform.deepseek.com/api_keys 。
4、在代码中调用：
@RestController
@RequestMapping("/ai")
@Slf4j
public class ChatController {
private final ChatClient chatClient;
// 构造方法注入 ChatClient.Builder，用于构建 ChatClient 实例
public ChatController(ChatClient.Builder chatClientBuilder) {
this.chatClient = chatClientBuilder.build();
}
@GetMapping("/chat")
public String generate(@RequestParam(value = "message") String message) {
log.info("Generating response");
// 调用 ChatClient 的 prompt 方法生成响应
// 1. prompt(message): 创建一个包含用户输入消息的 Prompt 对象
// 2. call(): 调用 ChatClient 与 AI 模型交互以获取响应
// 3. content(): 提取响应的内容部分
return chatClient.prompt(message).call().content();
}
}
在运行时，你可以通过在 Prompt 调用中添加新的、针对请求的选项来覆盖默认配置。例如，要为特定请求覆盖默认模型和温度，可以这样实现：
ChatResponse response = chatModel.call(
new Prompt(
"Generate the names of 5 famous pirates.",
OpenAiChatOptions.builder()
.withModel("deepseek-chat")
.withTemperature(0.4)
.build()
));
本地化部署
如果想要把 DeepSeek 部署在内网服务器，或者你想在本地跑个小模型，可以采用这种方式来在本地部署一个 DeepSeek R1 蒸馏版。
1、从官方网站下载并安装 Ollama：https://ollama.com
Ollama 可以让你轻松在自己的电脑上运行各种强大的 AI 模型，就像运行普通软件一样简单。
2、通过 Ollama 拉取 DeepSeek 模型：
ollama pull deepseek-r1:1.5b
ollama list deepseek
更多版本可以在这里查看：https://ollama.com/library/deepseek-r1 。
3、添加依赖：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
<version>0.8.1</version>
</dependency>
4、修改配置：
spring:
ai:
ollama:
base-url: http://localhost:11434
chat:
model: deepseek-r1:1.5b # 与本地模型名称对应
4、在代码中调用：
@RestController
@RequestMapping("/ai")
public class ChatController {
private final ChatClient chatClient;
// 构造方法注入 ChatClient.Builder，用于构建 ChatClient 实例
public ChatController(ChatClient.Builder chatClient) {
this.chatClient = chatClient.build();
}
@GetMapping("/chat")
public ResponseEntity<Flux<String>> chat(@RequestParam(value = "message") String message) {
try {
// 调用 ChatClient 生成响应，并以 Flux<String>（响应流）形式返回
Flux<String> response = chatClient.prompt(message).stream().content();
return ResponseEntity.ok(response);
} catch (Exception e) {
return ResponseEntity.badRequest().build();
}
}
}
Spring Cloud Alibaba AI 中也支持这种方式，并且官网上提供了详细的方法：https://java2ai.com/blog/spring-ai-alibaba-ollama-deepseek/ 。
总结
这篇文章主要介绍了 Spring AI 以及如何通过 Spring AI 集成 DeepSeek：
- 伪装成 OpenAI: DeepSeek 可以假装自己是 OpenAI，直接用 Spring AI 的 OpenAI starter 就行，改改配置就好，就像换个链接一样简单。
- 本地部署: 如果你想把 DeepSeek 放在自己服务器上，或者想在电脑上跑个小模型玩玩，可以用 Ollama。先下载 Ollama，再下载 DeepSeek 模型，然后用 Spring AI 的 Ollama starter，也超级简单。Spring Cloud Alibaba AI 也支持这种玩法，官网有教程。
