深入探討：Spring 如何接入 DeepSeek?

?在當今數字化浪潮中，人工智能（AI）技術的迅猛發展深刻地改變著各個領域的技術格局。Java 作為一種廣泛應用于企業級開發的編程語言，其生態系統也在不斷演進以適應 AI 技術的融入。Spring 框架，作為 Java 生態中的中流砥柱，在 AI 集成方面也邁出了堅實的步伐。本文將深入探討如何將 Spring 與近期備受矚目的 DeepSeek 進行接入，為開發者們提供詳細的技術指南和實踐經驗。?

一、Spring AI：AI 集成的利器?

（一）Spring AI 概述?

Spring AI 是 Spring 生態系統中的一個新興項目，旨在將生成式 AI 能力無縫集成到 Spring 應用程序中。它從著名的 Python 項目（如 LangChain 和 LlamaIndex）中汲取靈感，致力于解決 AI 集成過程中的核心挑戰，即如何將企業數據和 API 與 AI 模型有效地連接起來。簡單來說，Spring AI 就像是一個強大的適配器或者高層封裝，極大地簡化了開發者集成和使用不同 AI 模型的過程。?

（二）Spring AI 的核心優勢?

1、統一 API?

Spring AI 提供了一套統一的接口，用于調用不同的 AI 模型，包括 OpenAI、Hugging Face、DeepSeek、Gemini 等。這意味著開發者無需深入了解每個 AI 服務的底層實現細節和差異，只需專注學習 Spring AI 的 API，就能輕松實現與各種 AI 服務的無縫對接。這種統一的接口設計大大降低了學習成本，提高了開發效率。例如，在調用不同模型進行文本生成時，使用 Spring AI 的代碼結構和方法調用基本一致，開發者無需為每個模型單獨編寫復雜的調用邏輯。?

2、簡化配置?

在 AI 集成過程中，繁瑣的配置工作常常讓開發者頭疼，如 API 密鑰的管理、模型參數的設置等。Spring AI 提供了自動化的配置管理功能，開發者只需在配置文件中簡單定義所需的參數，Spring AI 就能自動完成初始化和連接工作。以配置 DeepSeek 的 API 密鑰為例，開發者只需在配置文件中添加相應的密鑰信息，Spring AI 會自動識別并應用該密鑰進行服務連接，避免了手動在代碼中硬編碼密鑰帶來的安全風險和維護不便。?

3、易于切換?

隨著技術的不斷發展和業務需求的變化，開發者可能需要在不同的 AI 提供商之間進行切換。Spring AI 的抽象設計使得這一過程變得非常簡單。開發者只需修改少量的配置信息，而無需對業務代碼進行大規模修改，就能實現靈活的 AI 服務切換，以適應不同的場景需求。比如，當業務從使用 OpenAI 模型切換到 DeepSeek 模型時，只需在配置文件中更改相關的模型地址和密鑰等信息，Spring AI 就能自動適配新的模型，確保業務的連續性和穩定性。?

二、DeepSeek 簡介?

（一）DeepSeek 的定位與功能?

DeepSeek 是一款專注于自然語言處理（NLP）任務的先進 AI 工具，能夠處理諸如聊天交互、內容生成以及 AI 輔助等多種應用場景。它通過深入理解上下文信息，生成高度擬人化的文本回復，并能根據各種不同的用戶提示進行靈活適配。在實際應用中，DeepSeek 廣泛應用于聊天機器人的搭建、客戶支持自動化流程以及 AI 驅動的內容創作等領域，為用戶提供高效、智能的服務體驗。?

（二）DeepSeek 的優勢?

強大的推理能力：在處理數學和邏輯推理任務時表現卓越。它經過大量技術數據集的訓練，對于編碼、問題解決和分析性任務具有更強的處理能力，在結構化思維和復雜計算方面超越了許多其他 AI 模型。對于開發者和工程師而言，在解決技術難題、編寫代碼等場景下，DeepSeek 能夠提供更專業、準確的幫助。?
成本效益與開源友好：相比一些專有 AI 模型（如 GPT - 4），DeepSeek 以更低的成本提供高性能服務，資源利用效率更高，這使得初創企業、研究人員以及預算有限的項目和企業能夠更輕松地使用其服務。同時，它支持開源集成，開發者可以根據自身需求對其進行修改和擴展，而無需受限于特定的供應商生態系統，為開發者提供了更大的靈活性和自主性。?
長上下文理解優化：許多 AI 模型在處理長時間的對話或長文本上下文時存在困難，容易出現信息丟失或理解不準確的問題。而 DeepSeek 經過精細調整，能夠有效處理廣泛的上下文信息，確保在長時間交互過程中更好地保留記憶，提供更準確的回復。在多輪對話的聊天機器人場景中，DeepSeek 能夠根據之前的對話內容準確理解用戶意圖，給出連貫且相關的回答，提升用戶體驗。?
離線可用性：與一些僅支持云端運行的模型（如 Gemini）不同，DeepSeek 可以通過 Ollama 在本地運行，這為用戶提供了數據隱私保障和離線使用的可能性。在一些對數據隱私要求較高的場景，或者網絡環境不穩定的情況下，用戶可以在本地部署 DeepSeek 模型，實現快速的響應和 AI 處理，而無需依賴網絡連接。?

三、Spring 接入 DeepSeek 的方式?

（一）偽裝成 OpenAI 接入?

原理：DeepSeek 提供了 OpenAI 兼容模式，這意味著在請求頭中添加api_key后，它可以模擬 OpenAI 的接口行為，讓調用方仿佛在調用 OpenAI 的服務。Spring AI 的 openai starter 本質上是通過 RestTemplate 發送請求，因此我們可以通過修改請求的 URL 和認證方式，將其指向 DeepSeek 的服務地址，從而實現 Spring 與 DeepSeek 的對接。
操作步驟?

獲取 DeepSeek API KEY：首先，開發者需要在 DeepSeek 開放平臺（https://platform.deepseek.com/api_keys ）上注冊并創建自己的 API KEY，這是訪問 DeepSeek 服務的憑證。?
創建 Spring Boot 項目：使用 Spring Initializr 或其他熟悉的工具創建一個新的 Spring Boot 項目。確保項目版本為 3.2.x 或更高，以充分兼容 Spring AI 的最新功能。?

添加依賴：在項目的pom.xml文件中添加 Spring AI 和 OpenAI 相關的依賴。因為我們要借助 Spring AI 的 OpenAI starter 來對接 DeepSeek，所以需要引入spring - ai - openai - spring - boot - starter依賴。示例代碼如下：?

?TypeScript

取消自動換行復制

<dependencies>?

<dependency>?

<groupId>org.springframework.boot</groupId>?

<artifactId>spring - boot - starter - web</artifactId>?

</dependency>?

<dependency>?

<groupId>org.springframework.ai</groupId>?

<artifactId>spring - ai - openai - spring - boot - starter</artifactId>?

<version>1.0.0 - m5</version>?

</dependency>?

</dependencies>?

?配置文件修改：在application.yml文件中配置 DeepSeek 的相關信息，包括服務地址和 API 密鑰。將base - url修改為 DeepSeek 的 API 地址（如https://api.deepseek.com ），并將api - key設置為之前獲取的 API KEY。同時，還可以設置使用的模型版本等其他參數。示例配置如下：?

?TypeScript

取消自動換行復制

spring:?

application:?

name: spring - ai - deepseek?

ai:?

openai:?

base - url: https://api.deepseek.com?

api - key: ${deepseek_api_key}?

chat:?

options:?

model: deepseek - chat?

stream - usage: false?

?編寫控制器類：創建一個控制器類，用于處理與 DeepSeek 的交互。在控制器中，通過 Spring AI 提供的ChatClient來發送請求并獲取響應。示例代碼如下：?

?TypeScript

取消自動換行復制

import org.springframework.ai.openai.ChatClient;?

import org.springframework.ai.openai.ChatResponse;?

import org.springframework.web.bind.annotation.*;?

?@RestController?

@CrossOrigin(origins = "*")?

public class ChatController {?

private final ChatClient chatClient;?

?public ChatController(ChatCliet.Builder builder) {?

chatClient = builder.build();?

?@PostMapping("/chat")?

public ChatResponse chat(@RequestParam String prompt) {?

return chatClient.prompt()?

.user(prompt)?

.call()?

.chatResponse();?

?啟動項目并測試：啟動 Spring Boot 項目，通過 POST 請求向/api/chat發送消息，即可獲得 DeepSeek 的響應。例如，可以使用 Postman 等工具發送請求，在請求體中設置prompt參數為需要詢問的問題，DeepSeek 將返回相應的回答。?

（二）通過 Ollama 本地部署接入?

原理：如果開發者希望將 DeepSeek 部署在內網服務器，或者在本地運行一個小型模型進行測試和開發，可以借助 Ollama 工具來實現。Ollama 是一個用于管理和運行 AI 模型的工具，它可以方便地拉取和部署各種模型，包括 DeepSeek 模型。通過 Spring AI 的ollama - spring - boot - starter，我們可以將 Spring 應用與本地部署的 DeepSeek 模型進行連接，實現本地化的 AI 服務調用。?
操作步驟?

安裝 Ollama：從 Ollama 官方網站（https://ollama.com ）下載并安裝 Ollama，根據操作系統的不同，選擇相應的安裝包進行安裝，并按照安裝向導的提示完成安裝過程。?
拉取 DeepSeek 模型：安裝完成后，打開命令行工具，使用 Ollama 拉取 DeepSeek 模型。在命令行中輸入相應的拉取命令（例如ollama pull deepseek，具體命令可能因模型版本和 Ollama 的更新而有所不同），Ollama 將自動從模型倉庫中下載 DeepSeek 模型到本地。?

創建 Spring Boot 項目：同樣使用 Spring Initializr 或其他工具創建一個新的 Spring Boot 項目，確保項目版本滿足要求。?

添加依賴：在pom.xml文件中添加 Spring AI 的ollama - spring - boot - starter依賴，示例代碼如下：?

?TypeScript

取消自動換行復制

<dependencies>?

<dependency>?

<groupId>org.springframework.boot</groupId>?

<artifactId>spring - boot - starter - web</artifactId>?

</dependency>?

<dependency>?

<groupId>org.springframework.ai</groupId>?

<artifactId>spring - ai - ollama - spring - boot - starter</artifactId>?

<version>1.0.0 - m5</version>?

</dependency>?

</dependencies>?

?配置文件修改：在application.yml文件中配置 Ollama 的本地服務地址和 DeepSeek 模型名稱。例如：?

?TypeScript

取消自動換行復制

spring:?

application:?

name: spring - ai - deepseek - ollama?

ai:?

ollama:?

base - url: http://localhost:11434?

model: deepseek?

編寫控制器類：創建控制器類來調用本地部署的 DeepSeek 模型。示例代碼如下：?

?TypeScript

取消自動換行復制

import org.springframework.ai.ollama.ChatClient;?

import org.springframework.ai.ollama.ChatResponse;?

import org.springframework.web.bind.annotation.*;?

@RestController?

@CrossOrigin(origins = "*")?

public class OllamaChatController {?

private final ChatClient chatClient;?

public OllamaChatController(ChatClient.Builder builder) {?

chatClient = builder.build();?

@PostMapping("/ollama - chat")?

public ChatResponse chat(@RequestParam String prompt) {?

return chatClient.prompt()?

.user(prompt)?

.call()?

.chatResponse();?

啟動項目并測試：啟動 Spring Boot 項目，通過 POST 請求向/ollama - chat發送消息，即可調用本地部署的 DeepSeek 模型獲取響應。這種方式在本地環境中進行開發和測試時非常方便，不僅可以減少對網絡的依賴，還能更好地保護數據隱私。?

四、總結與展望?

通過上述兩種方式，開發者可以輕松地將 Spring 與 DeepSeek 進行接入，為應用程序賦予強大的 AI 能力。無論是借助 DeepSeek 的 OpenAI 兼容模式，還是通過 Ollama 進行本地部署，Spring AI 都為開發者提供了便捷、高效的集成方案。在實際應用中，開發者可以根據項目的具體需求、數據隱私要求以及成本預算等因素，選擇合適的接入方式。?

隨著 AI 技術的不斷發展，Spring 生態系統與各種 AI 模型的集成也將不斷深化和完善。未來，我們有望看到更多先進的 AI 模型與 Spring 框架實現更緊密的結合，為企業級應用開發帶來更多創新和變革。同時，開發者們也需要不斷學習和掌握新的技術，以充分利用這些先進技術為業務發展賦能，在激烈的市場競爭中占據優勢地位。希望本文能為你在 Spring 與 DeepSeek 的接入實踐中提供有益的參考和幫助，開啟你的 AI 集成之旅。