炸裂：springai内置deepseek啦！ -k8凯发国际

令人兴奋的消息，spring ai 的最新快照版本已经内置了，这使得在项目中集成 deepseek 变得更加便捷。然而，由于快照版本可能存在许多 bug，我们今天将探讨如何使用 spring ai 的稳定版本来全面集成 deepseek。

spring ai 和 deepseek 介绍

spring ai 是 spring 生态系统中的一个关键项目，旨在将人工智能无缝集成到 spring 应用程序中。它为 java 开发者提供了一种便捷的方式来构建、管理和部署 ai 模型。

spring ai 的核心是解决了 spring 生态和 ai 的快速集成：将您的企业数据和 api 与 ai 模型连接起来。

spring ai 几乎支持所有主流的 ai 模型提供商，例如 anthropic、openai、microsoft、amazon、google 和 ollama。支持的功能包括：

聊天
嵌入
附件
文本转图片
音频转文本
文本转音频

spring ai 的最新预览版也将集成 deepseek 大模型。

deepseek 介绍

deepseek 是国内顶尖 ai 团队「深度求索」开发的多模态大模型，具备数学推理、代码生成等深度能力，被誉为"ai界的六边形战士"。deepseek 的最新版本 r1 采用了“思维链”技术，能够展示完整的推理过程，使其在复杂推理任务上表现出色，甚至在某些方面可以与 openai 的 o1 模型相媲美。

deepseek 的标签很多，其中最具代表性的标签有以下两个：

低成本（不挑硬件、开源、使用简单无需复杂提示词）。
高性能（推理能力极强、回答准确）。

spring ai 集成 deepseek 的步骤如下：

环境准备

在开始集成之前，确保您的开发环境满足以下要求：
- jdk 17 或更高版本
- maven 或 gradle 构建工具
- deepseek api key（可通过k8凯发国际官网注册获取），申请地址：https://www.vycc.cn/link/3f7b5208b016e1f6d2ef81964b1fb065
创建 spring boot 项目

使用 spring initializr 或其他工具创建一个新的 spring boot 项目，确保版本为 3.2.x 或更高。

添加依赖

在项目的 pom.xml 文件中添加 spring ai 和 deepseek 的相关依赖。

以下是基于 maven 的依赖配置示例：


    
        org.springframework.boot
        spring-boot-starter-web
    
    
        org.springframework.ai
        spring-ai-openai-spring-boot-starter

配置文件

在 application.properties 或 application.yml 文件中添加 deepseek 的配置信息：
```
# 必填项
spring.ai.openai.api-key=your-apikey
spring.ai.openai.base-url=https://api.deepseek.com
# 模型选择（示例使用对话模型）
spring.ai.openai.chat.options.model=deepseek-chat
```
其中，api-key 是你在 deepseek k8凯发国际官网注册后获取的密钥，base-url 是 deepseek api 的服务地址，model 指定使用的模型版本。

deepseek 模型介绍

deepseek 目前支持以下两种模型：

deepseek-chat（v3）：适用于聊天机器人、智能客服、内容生成等，能够理解和生成日常对话内容。
deepseek-reasoner（r1）：专为复杂推理任务设计，适合解决需要深度逻辑分析和推理的问题。

编写代码

创建一个控制器类，用于处理与 deepseek 的交互，以下是一个简单的示例：

import org.springframework.beans.factory.annotation.autowired;
import org.springframework.web.bind.annotation.*;
import reactor.core.publisher.flux;
@restcontroller
@requestmapping("/api/chat")
public class chatcontroller {
@autowired
private deepseekclient deepseekclient;
@postmapping
public string chat(@requestbody string message) {
    return deepseekclient.chatcompletion(message).getoutput().getcontent();
}
@getmapping(value = "/stream", produces = "text/event-stream")
public flux chatstream(@requestparam string message) {
    return deepseekclient.chatfluxcompletion(message)
            .map(response -> response.getoutput().getcontent());
}

}

在上述代码中，chat 方法用于处理普通的非流式请求，而 chatstream 方法则支持流式响应，能够实时返回 ai 的推理结果。

课后思考：关于流式输出大模型的响应速度是很慢的，为了避免用户用户能够耐心等待输出的结果，我们通常会使用流式输出一点点将结果输出给用户，那么问题来了，想要实现流式结果输出，后端和前端要如何配合？后端要使用什么技术实现流式输出呢？

欢迎在评论区给出你的解决答案，文章点赞超过 100 我们将公布完整的解决思路和具体实现源码哦。

以上就是炸裂：内置deepseek啦！的详细内容，更多请关注非常游戏网【www.vycc.cn】其他相关内容。

相关推荐

deepseek下载量有多少