仿DeepSeek AI问答系统完整版（带RAG本地知识库+联网搜索+深度思考） +springboot+vue3

今天教大家如何设计一个企业级的 deepseek问答 一样的系统 , 基于目前主流的技术：前端vue3，后端springboot。同时还带来的项目的部署教程。

系统的核心功能

1. 支持本地上传文档知识库，RAG技术。 支持的文档有txt，doc，docx，pdf 。

2. 支持联网搜索。

3. 支持深度思考。

4. 支持历史上下文消息。

5.支持websocket流式。

6. 支持用户登录，注册。

7. 支持会话管理。

系统需要的组件

ElasticSearch8 ： 存储知识库文档向量。

redis： 存储系统用的消息缓存。

mysql8： 存储关系型表。

技术栈

JDK11 + SpringBoot + VUE3

视频演示

仿DeepSeek AI问答系统完整版

图片演示

系统实现

RAG技术实现

RAG是一种结合 信息检索（Retrieval） 和 文本生成（Generation） 的 AI 技术，主要用于提升大语言模型（LLM）生成内容的准确性和时效性。

下面来介绍下RAG实现的核心步骤。

文本提取分块

用户上传文档时， 首选需要将文档解析成很多文本块， 系统通过 DocmentChunkParser 接口的 textChunks 方法 将传入 的文档（txt，docx，pdf）解析成文本块，代码：

public interface DocmentChunkParser {// 每个文本块的最大字符数public static final int CHUNK_SIZE = 1000;// 文本块之间的重叠字符数public static final int CHUNK_OVERLAP = 200;List<String> textChunks();
}

对应的TXT实现：

 对应的WORD实现：

  对应的PDF实现：

embeddings阶段，文本转向量

拿到文本块后， 需要将文本转换成向量， 也就是 embeddings阶段。系统采用的是 “阿里云百炼” 平台的 向量模型：

用户需要自己申请api的key。 到阿里百炼平台申请就行了。

向量数据库存储+检索

将文本转成向量后，需要存储到向量数据库里面，这里我选择的是elasticsearch8。

为什么选择elasticsearch ， 支持数据量大，能水平分片， 支持 dense_vector 字段，直接支持向量存储和相似性搜索，无需插件。支持 cosine（余弦相似度）、dot_product（点积）、l2_norm（欧式距离）等计算方式。

支持 近似最近邻搜索（ANN）。如果企业用也可以选择。

整个向量数据操作都是在 DocumentChunkRepository 接口中实现：

public interface DocumentChunkRepository {/*** 通过文档id查询文本块* @param documentId* @return*/List<DocumentChunk> findByDocumentId(String documentId);/*** 删除文档* @param documentId*/void deleteByDocumentId(String documentId);/*** 存储文本向量* @param documentChunk* @return*/DocumentChunk save(DocumentChunk documentChunk);/*** 向量关键词搜索，基于KNN算法* @param documentId* @param queryVector* @param k* @return*/List<DocumentChunk> findTopKSimilarChunks(String documentId, List<Float> queryVector, int k);
}

联网搜索实现

我们直到deepseek模型是不能搜索到今天的天气，新闻等信息的。如果有这样的需求，就需要开启联网搜索功能。

首先 需要寻找一个联网搜索的插件或者api接口。目前有很多这样的接口，比如：

searchapi （国外）， duckduckgo(国外)，必应搜索API 等。

国内的我随便找了一个叫 “博查搜索” ，提供了api搜索。

下面是对接博查搜索的代码：

/*** 博查AI搜索服务实现* 基于博查AI开放平台的Web Search API* 支持实时网页搜索，适用于AI应用*/
@Slf4j
@Service
public class BochaWebSearchService implements WebSearchService {// 博查API配置private static final String BOCHA_API_URL = "https://api.bochaai.com/v1/web-search";private static final String BACKUP_API_URL = "https://api.bochaai.com/v1/search";@Value("${bocha.api.key}")private String apiKey;private final HttpClient httpClient;private final ObjectMapper objectMapper;private final Random random = new Random();// 用户代理池private static final String[] USER_AGENTS = {"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36","Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36","Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36","Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:121.0) Gecko/20100101 Firefox/121.0"};public BochaWebSearchService() {this.httpClient = HttpClient.newBuilder().connectTimeout(Duration.ofSeconds(10)).build();this.objectMapper = new ObjectMapper();}@Overridepublic List<String> search(String query, int maxResults) {if (query == null || query.trim().isEmpty()) {log.warn("搜索查询为空");return Collections.emptyList();}try {// 首先尝试主APIList<String> results = performSearch(BOCHA_API_URL, query, maxResults);if (!results.isEmpty()) {return results;}// 主API失败，尝试备用APIlog.warn("主API返回空结果，尝试备用API");results = performSearch(BACKUP_API_URL, query, maxResults);if (!results.isEmpty()) {return results;}log.warn("所有API都返回空结果，返回模拟结果");return getMockResults(query, maxResults);} catch (Exception e) {log.error("博查搜索服务异常: {}", e.getMessage(), e);return getMockResults(query, maxResults);}}/*** 执行搜索请求*/private List<String> performSearch(String apiUrl, String query, int maxResults) throws Exception {String requestBody = buildRequestBody(query, maxResults);HttpRequest request = HttpRequest.newBuilder().uri(URI.create(apiUrl)).header("Authorization", "Bearer " + apiKey).header("Content-Type", "application/json").header("Accept", "application/json").header("User-Agent", getRandomUserAgent()).POST(HttpRequest.BodyPublishers.ofString(requestBody, StandardCharsets.UTF_8)).timeout(Duration.ofSeconds(30)).build();log.info("发送博查搜索请求: {}", query);CompletableFuture<HttpResponse<String>> future = httpClient.sendAsync(request, HttpResponse.BodyHandlers.ofString(StandardCharsets.UTF_8));HttpResponse<String> response = future.get(30, TimeUnit.SECONDS);if (response.statusCode() == 200) {return parseSearchResults(response.body(), maxResults);} else {log.warn("博查API请求失败，状态码: {}, 响应: {}", response.statusCode(), response.body());throw new RuntimeException("API请求失败: " + response.statusCode());}}/*** 构建请求体*/private String buildRequestBody(String query, int maxResults) {try {Map<String, Object> requestData = new HashMap<>();requestData.put("query", query);requestData.put("count", Math.min(maxResults, 20)); // 博查API最大支持20个结果requestData.put("freshness", "oneYear"); // 搜索一年内的内容requestData.put("summary", false); // 不需要摘要requestData.put("safeSearch", "moderate"); // 中等安全搜索return objectMapper.writeValueAsString(requestData);} catch (Exception e) {log.error("构建请求体失败: {}", e.getMessage());throw new RuntimeException("构建请求体失败", e);}}/*** 解析搜索结果*/private List<String> parseSearchResults(String responseBody, int maxResults) {try {JsonNode root = objectMapper.readTree(responseBody);List<String> results = new ArrayList<>();// 解析博查API响应格式JsonNode data = root.path("data") ;JsonNode webPages = data.path("webPages");JsonNode valueArray = webPages.path("value");if (valueArray.isArray()) {for (JsonNode item : valueArray) {if (results.size() >= maxResults) {break;}String title = getJsonValue(item, "name");String url = getJsonValue(item, "url");String snippet = getJsonValue(item, "snippet");String siteName = getJsonValue(item, "siteName");if (!title.isEmpty() && !url.isEmpty()) {StringBuilder result = new StringBuilder();result.append("标题: ").append(title);if (!siteName.isEmpty()) {result.append(" (来源: ").append(siteName).append(")");}result.append("\n链接: ").append(url);if (!snippet.isEmpty()) {result.append("\n摘要: ").append(snippet);}results.add(result.toString());}}}log.info("博查搜索成功，返回{}个结果", results.size());return results;} catch (Exception e) {log.error("解析博查搜索结果失败: {}", e.getMessage(), e);return Collections.emptyList();}}/*** 安全获取JSON值*/private String getJsonValue(JsonNode node, String fieldName) {JsonNode field = node.path(fieldName);return field.isMissingNode() ? "" : field.asText("").trim();}/*** 获取随机User-Agent*/private String getRandomUserAgent() {return USER_AGENTS[random.nextInt(USER_AGENTS.length)];}/*** 获取模拟搜索结果（当API不可用时）*/private List<String> getMockResults(String query, int maxResults) {List<String> mockResults = new ArrayList<>();int count = Math.min(maxResults, 3);for (int i = 1; i <= count; i++) {mockResults.add(String.format("标题: 关于'%s'的搜索结果 %d (模拟数据)\n" +"链接: https://example.com/search-result-%d\n" +"摘要: 这是关于'%s'的模拟搜索结果，实际使用时请配置博查API Key。",query, i, i, query));}log.info("返回{}个模拟搜索结果", mockResults.size());return mockResults;}
}

将联网搜索的结果转变成一个List<String>的字符串集合，然后传到deepseek ，deepseek就会按照联网的结果进行总结输出。

深度思考实现

这个其实很简单，我们打开deepseek官网 ， 找到推理模型， deepseek-reasoner。

当设置为 deepseek-reasoner 模型，然后问答时，  就会先输出推理的内容， 然后才输出有用结果。

部署教程

前端部署

安装node ， 版本：v22.15.0 ， 安装完成后。

 进入到项目 chatgpt-web 目录下，这个项目是vue前端， 右键，运行cmd，运行下面命令：

npm run dev

由于我已经跟你npm install好了，所以你无需执行，直接run就可以了！！

运行项目

执行sql

自己安装好数据库，注意，必须是mysql8 ，否则代码运行会出错。新建一个 wxhadluo-deepseek 数据库， 然后执行  “wxhadluo-deepseek.sql”

Redis安装

项目需要安装redis，直接下载一个windows版本的redis即可，没有的联系我。

ElasticSearch8安装

es的安装可以自行百度

几个api key的申请

1. deepseek官网的api key申请，这个自己申请就好。

2. 博查搜索的api key 申请， 这个自己到官网申请就好。

3. 向量模型的api key 申请，这个到阿里的百炼大模型平台申请就好。前面讲解原理我也提到过。

启动后端项目

然后部署后端 ， 打开idea， 导入maven工程 。

打开resources目录， 修改 application.yml 配置文件，主要修改下面几个信息：

 邮件服务器是用来注册 用户的， 因为是通过邮箱注册的。

然后就是几个api key：

然后启动  main 启动类 ：DeepSeekApiApplication.class

访问项目

必须登录成功后，才可以使用。

前端：

http://localhost:3010/

账号可以自己注册用户。需要配置好邮箱服务器， 如果没有的，直接往数据库表 user 插入数据也行， 密码直接是明文的就可以。using_doc_id不用填。