當我們用Ollama運行DeepSeek R1模型，向它提問時，會發現它的回答里是有think標簽的

如果我們直接將Ollama的回復用于生產環境，肯定是不行的，對于不同的場景，前面輸出的一堆內容，可能并不需要在客戶端展示，對于用戶體驗來說，一個莫名其妙的標簽包裹著一大堆文字，看起來也是不那么友好的。

來看一下我們的JBoltAI-SpringBoot版AI開發框架是怎么解決這個問題的。

1. 首先我們加載一下Ollama DeepSeek R1大模型資源（資源加載后可以在項目中被重復調用，我們的框架也支持近20種主流的大模型廠商、平臺）

   ResourceCenter.registerOllamaAI("http://192.168.31.14:11434/api/chat", "deepseek-r1:7b");

2. 調用大模型

   JBoltAI.chat(AIModel.OLLAMA).prompt("你覺得AI未來發展方向會是什么").onThinking((e, think, status) -> {if (status == ThinkStatus.START) {System.out.println("===== 思考開始 =============");} else if (status == ThinkStatus.RUNNING) {System.out.print(think);} else if (status == ThinkStatus.COMPLETE) {System.out.print(think);System.out.println("===== 思考結束 =============");System.out.println("===== 開始回答 =============");}}).onSuccess((e, r) -> {System.out.print(r.getContent());}).onFail((e, error) -> {System.out.println("發生異常了，異常信息：" + error.getFullMsg());}).publish().await();

使用JBoltAI 調用大模型能力是非常方便的，JBoltAI.chat() 就可以發起一個聊天事件，通過傳入大模型類型，就可以自動從資源池中找到可用的資源供事件使用，通過prompt() 方法就可以方便的傳入提示詞，通過onThinking 回調，就可以自由處理深度思考的內容，通過onSuccess 回調可以自由處理大模型返回 的正式回答內容。

框架對于所有支持的大模型，都提供了統一的調用方式，不需要開發者關心底層邏輯，不需要關系不同大模型的接口差異和參數差異，極大的降低了開發者的開發難度。

1. 看一下執行效果：

歡迎大家嘗試使用SpringBoot版JBoltAI框架，它會是你開發AI應用的最強大的助手。