漳州招商局规划建设局网站win7局域网网站开发
本篇博文会分为DeepSeek开放平台上的API，以及本地私有化部署DeepSeek R1模型两种方式来整合使用，本地化私有部署可以参考这篇博文：DeepSeek介绍及使用ollama本地化部署DeepSeek-R1大模型
Spring AI
Spring AI 是由 Spring（一个广泛使用的开源框架）推出的一个新项目，旨在将 人工智能（AI） 集成到 Spring 应用程序中。Spring 是一个支持 Java 开发的框架，而 Spring AI 使得 Java 开发人员能够更容易地构建、管理和集成人工智能模型和机器学习功能。
我们这里直接使用Spring官方提供的相关依赖来整合，官网地址：https://docs.spring.io/spring-ai/reference/api/chat/deepseek-chat.html
本篇博文主要就是采用的spring ai提供的两个starter依赖进行配置整合，分别是spring-ai-openai-spring-boot-starter和spring-ai-ollama-spring-boot-starter
版本依赖
根据官网的描述，spring ai框架支持的SpringBoot版本应该是3.2.x 和 3.3.x
而SpringBoot 3.2.x 和 3.3.x依赖的JDK版本最低应该也是JDK17，所以这里演示整合的代码都是基于spring boot 3.3.8 以及 JDK17
整合DeepSeek API key
进入DeepSeek开放平台页面，注册账号登录后，可以创建API key，新账号有赠送的10元额度，具体价格可以参考这里：https://api-docs.deepseek.com/zh-cn/quick_start/pricing/
有了API key后我们可以开始构建工程了，基于springboot 3.3.8版本搭建一个工程，引入以下依赖：
<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-openai-spring-boot-starter</artifactId>
</dependency>
增加以下配置：
spring:ai:openai:base-url: https://api.deepseek.comapi-key: sk-xxxxxxxxxxxxxxxxxchat:options:model: deepseek-chat
项目会自动装配OpenAiAutoConfiguration，就可以在需要的地方注入OpenAiChatModel
代码如下：
@Resource
private OllamaChatModel chatModel;private final List<Message> chatHistoryList = new ArrayList<>();@PostConstruct
public void init() {chatHistoryList.add(new SystemMessage("You are a helpful assistant."));
}@GetMapping("/chat")
public ChatResponse test(String message) {chatHistoryList.add(new UserMessage(message));Prompt prompt = new Prompt(chatHistoryList);ChatResponse chatResponse = chatModel.call(prompt);if (chatResponse.getResult() != null && chatResponse.getResult().getOutput() != null) {chatHistoryList.add(chatResponse.getResult().getOutput());}return chatResponse;
}
整合本地化部署的DeepSeek R1模型
本地化私有部署可以参考这篇博文：DeepSeek介绍及使用ollama本地化部署DeepSeek-R1大模型
部署完成后同样是基于springboot 3.3.8版本搭建一个工程，引入的依赖就换为：
<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
</dependency>
增加以下配置：
spring:ai:ollama:base-url: http://localhost:11434chat:model: deepseek-r1:1.5b
项目会自动装配OllamaAutoConfiguration，就可以在需要的地方注入ollamaChatModel
代码跟使用spring-ai-openai-spring-boot-starter几乎一样，只是注入的ChatModel类换成了OllamaChatModel
而且实测本地化部署也可以使用spring-ai-openai-spring-boot-starter，修改配置文件如下：
spring:ai:openai:base-url: http://localhost:11434api-key: xxxxxxxchat:options:model: deepseek-r1:1.5b
其他也就一样了，只是把地址换成了本地ollama的服务地址，api-key不需要了但是也不能不填，不填会报错，模型就配置本地有的模型即可
如果想像网站那样可以一个字一个字的输出，也可以调用chatModel.stream流式输出爱的回复