程序员导航网 程序员导航网

SpringAI接入DeepSeek大模型实现流式对话

文章 1小时前 cnblogshot
1 0

一、 环境配置

Spring AI 支持 Spring Boot 3.4.x，JDK支持需要17以上

添加快照存储库

<repositories>
  <repository>
    <id>spring-snapshots</id>
    <name>Spring Snapshots</name>
    <url>https://repo.spring.io/snapshot</url>
    <releases>
      <enabled>false</enabled>
    </releases>
  </repository>
  <repository>
    <name>Central Portal Snapshots</name>
    <id>central-portal-snapshots</id>
    <url>https://central.sonatype.com/repository/maven-snapshots/</url>
    <releases>
      <enabled>false</enabled>
    </releases>
    <snapshots>
      <enabled>true</enabled>
    </snapshots>
  </repository>
</repositories>

注意：
将 Maven 与 Spring AI 快照结合使用时，请注意 Maven 镜像配置。如果您已在项目中配置了镜像，settings.xml如下所示：

<mirror>
    <id>my-mirror</id>
    <mirrorOf>*</mirrorOf>
    <url>https://my-company-repository.com/maven</url>
</mirror>

通配符*会将所有仓库请求重定向到你的镜像，从而阻止访问 Spring 快照仓库。要解决此问题，请修改mirrorOf配置以排除 Spring 仓库：
此配置允许 Maven 直接访问 Spring 快照存储库，同时仍使用镜像来获取其他依赖项。

<mirror>
    <id>my-mirror</id>
    <mirrorOf>*,!spring-snapshots,!central-portal-snapshots</mirrorOf>
    <url>https://my-company-repository.com/maven</url>
</mirror>

依赖管理

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>1.0.0-SNAPSHOT</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

二、接入DeepSeek大模型

Spring AI 支持 DeepSeek 的各种 AI 语言模型。可以与 DeepSeek 语言模型进行交互，并基于 DeepSeek 模型创建多语言对话助手

先决条件

您需要使用 DeepSeek 创建 API 密钥才能访问 DeepSeek 语言模型。
在DeepSeek 注册页面创建一个帐户，并在API Keys 页面生成一个令牌。
Spring AI 项目定义了一个名为的配置属性，您应该将其设置为从 API Keys 页面获取spring.ai.deepseek.api-key的值。

server:
  port: 8080

# In application.yml
spring:
  ai:
    deepseek:
      api-key: your-api-key
      base-url: https://api.deepseek.com # DeepSeek 的请求 URL, 可不填，默认值为 api.deepseek.com
      chat:
        options:
          model: deepseek-chat # 使用哪个模型
          temperature: 0.8 # 温度值

spring.ai.deepseek.chat.options.temperature: 使用的采样温度，介于 0 到 2 之间。较高的值（例如 0.8）会使输出更加随机，而较低的值（例如 0.2）会使输出更加集中且确定。我们通常建议更改此值或
top_p，但不要同时更改两者。spring.ai.deepseek.chat.options.model: 目前deepseek模型有两种，deepseek-chat对话模型，deepseek-reasoner推理模型

自动配置

Spring AI 为 DeepSeek 聊天模型提供了 Spring Boot 自动配置功能。要启用此功能，请将以下依赖项添加到项目的 Mavenpom.xml文件中：

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-deepseek</artifactId>
</dependency>

此时的完整POM配置

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>3.4.1</version>
        <relativePath/>
    </parent>

    <groupId>com.mrsunn</groupId>
    <artifactId>ai-robot</artifactId>
    <version>0.0.1-SNAPSHOT</version>
    <description>AI机器人</description>

    <properties>
        <java.version>17</java.version>
        <!-- Spring AI 版本 -->
        <spring-ai.version>1.0.2</spring-ai.version>
    </properties>

    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.ai</groupId>
                <artifactId>spring-ai-bom</artifactId>
                <version>${spring-ai.version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>

    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>

        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-model-deepseek</artifactId>
        </dependency>

        <dependency>
            <groupId>org.apache.commons</groupId>
            <artifactId>commons-lang3</artifactId>
        </dependency>

    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
            </plugin>
        </plugins>
    </build>

    <repositories>
        <repository>
            <id>spring-snapshots</id>
            <name>Spring Snapshots</name>
            <url>https://repo.spring.io/snapshot</url>
            <releases>
                <enabled>false</enabled>
            </releases>
        </repository>
        <repository>
            <name>Central Portal Snapshots</name>
            <id>central-portal-snapshots</id>
            <url>https://central.sonatype.com/repository/maven-snapshots/</url>
            <releases>
                <enabled>false</enabled>
            </releases>
            <snapshots>
                <enabled>true</enabled>
            </snapshots>
        </repository>

        <!-- 添加华为云、阿里云 maven 中央仓库，提升 Jar 包下载速度 -->
        <repository>
            <id>huaweicloud</id>
            <name>huawei</name>
            <url>https://mirrors.huaweicloud.com/repository/maven/</url>
        </repository>
        <repository>
            <id>aliyunmaven</id>
            <name>aliyun</name>
            <url>https://maven.aliyun.com/repository/public</url>
        </repository>
    </repositories>

</project>

实现对话效果(deepseek-chat)

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

    @Resource
    private DeepSeekChatModel chatModel;

    @GetMapping("/generate")
    public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        return Map.of("generation", chatModel.call(message));
    }

    /**
     * 流式对话
     * @param message
     * @return
     */
    @GetMapping(value = "/generateStream", produces = "text/html;charset=utf-8")
    public Flux<String> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        // 构建提示词
        Prompt prompt = new Prompt(new UserMessage(message));
        // 流式输出
        return chatModel.stream(prompt)
                .mapNotNull(chatResponse -> chatResponse.getResult().getOutput().getText());
    }

}

produces = "text/html;charset=utf-8",把返回的对象设置成html格式，并且设置编码，不然会乱码返回
如果你只是直接在浏览器地址栏输入接口地址（如http://localhost:8080/generateStream?message=你好），那么无论你的后端返回的是
Flux 还是什么流，浏览器都只会一次性接收最终的响应内容，或者根本无法逐步显示，无法实现“打字机效果”。​

推理模型（deepseek-reasoner）

这deepseek-reasoner是 DeepSeek 开发的推理模型。在得出最终答案之前，该模型会首先生成思维链 (CoT)，以提高其响应的准确性。我们的 API 允许用户访问 生成的 CoT 内容deepseek-reasoner
，以便他们查看、显示和提取这些内容。修改DeepSeek模型

spring:
  ai:
    deepseek:
      api-key: your-api-key
      base-url: https://api.deepseek.com # DeepSeek 的请求 URL, 可不填，默认值为 api.deepseek.com
      chat:
        options:
          model: deepseek-reasoner # 使用深度思考模型
          temperature: 0.8 # 温度值

@Resource
private DeepSeekChatModel chatModel;

@GetMapping(value = "/generateStream", produces = "text/html;charset=utf-8")
public Flux<String> generateStream(@RequestParam(value = "message", defaultValue = "你是谁？") String message) {
    Prompt prompt = new Prompt(new UserMessage(message));
    AtomicBoolean hasSentSeparator = new AtomicBoolean(false);

    return chatModel.stream(prompt)
            .mapNotNull(chatResponse -> {
                DeepSeekAssistantMessage assistantMessage = (DeepSeekAssistantMessage) chatResponse.getResult().getOutput();

                String content = null;
                boolean isFinalAnswer = false;

                // 优先处理思考内容
                if (assistantMessage.getReasoningContent() != null) {
                    content = assistantMessage.getReasoningContent();
                }
                // 处理正式回答
                else if (assistantMessage.getText() != null) {
                    content = assistantMessage.getText();
                    isFinalAnswer = true;
                }

                if (StringUtils.isBlank(content)) {
                    return null;
                }

                // 添加分隔符（思考到回答的过渡）
                if (isFinalAnswer && !hasSentSeparator.get()) {
                    hasSentSeparator.set(true);
                    return "<br>--- 思考过程结束 ---<br>" + content;
                }

                return content;
            });
}

您可以使用DeepSeekAssistantMessage来获取由 生成的 CoT 内容deepseek-reasoner。
assistantMessage.getReasoningContent() 思考内容
assistantMessage.getText() 正式回答

使用ChatClient实现对话

ChatClient和ChatModel的区别

维度 ChatModel ChatClient
交互方式 直接调用模型，需手动处理请求/响应 链式调用，自动封装提示词和解析响应
功能扩展 弱 强，内置 Advisor 机制（如对话历史管理、RAG）
结构化输出 需手动解析响应文本 支持自动映射为 Java 对象（如 entity(Recipe.class)）
适用场景 实现简单功能和场景 快速开发复杂功能的场景，如企业级智能客服、连接外部工具等
  • ChatClient：若追求开发效率、需要内置高级功能（如记忆、RAG）或标准化交互使用 ChatClient。
  • ChatModel：若实现简单的大模型对接场景使用 ChatModel。

ChatClient使用对象创建。ChatClient.Builder您可以获取ChatClient.Builder任何ChatModelSpring Boot 自动配置的自动配置实例，也可以通过编程方式创建一个。

@Configuration
public class ChatClientConfig {
    
    @Bean
    public ChatClient deepSeekChatClient(DeepSeekChatModel chatModel) {
        return ChatClient.create(chatModel);
    }
    
}

@Autowired
private ChatClient deepSeekChatClient;

@GetMapping(value = "/generate", produces = "text/html;charset=utf-8")
public String generation(@RequestParam(value = "message", defaultValue = "你是谁？") String message) {
    return this.deepSeekChatClient.prompt()
            .user(message)
            .call()
            .content();
}

具有单一模型类型的多个 ChatClients

本节介绍一个常见的用例，您需要创建多个 ChatClient 实例，它们都使用相同的底层模型类型但具有不同的配置。

@Autowired
private DeepSeekChatModel deepSeekChatModel;

ChatClient chatClient = ChatClient.create(deepSeekChatModel);
chatClient.mutate().defaultOptions(ChatOptions.builder().build());

ChatClient.Builder builder = ChatClient.builder(deepSeekChatModel);
ChatClient customChatClient = builder
        .defaultOptions(ChatOptions.builder().build())
        .defaultSystem("You are a helpful assistant.")
        .build();

使用同一个deepSeekChatModel模型，可以配置不同参数的ChatClient

​延伸阅读​：如需更深入的技术解析或学习资源，欢迎访问 Mr.Sun的博客（专注Java领域干货分享，持续更新中～）

版权声明：cnblogshot 发表于 2025-09-18 10:58:28。
转载请注明：SpringAI接入DeepSeek大模型实现流式对话 | 程序员导航网

暂无评论

您必须登录才能参与评论！
立即登录
暂无评论...
相关文章
Runtime Async - 步入高性能异步时代
0
凌晨零点，一个TODO，差点把我们整个部门抬走 | 掘金一周 9.11
0
AI 开发者工具 TOP 榜：9 大分类 + 20种工具
0
刚刚 Java 25 炸裂发布！让 Java 再次伟大
0
【GitHub每日速递 250916】2053 个 n8n 工作流曝光！365 种集成 + 可视化管理，效率直接拉满
0
热门文章
一个简单美观的文件时间修改器
3
记一次 .NET 某企业ECM内容管理系统 内存暴涨分析
2
Visual Studio 2026 预览体验版现已发布，一起来看看带来哪些新功能！
2
Android 喷雾效果实现
2
博客园出海记-组装集装箱：搭建 Kubernetes 集群
2