• 點擊模型的立即體驗，然后點擊右上角的鑰匙按鈕就可以獲取到對應的API KEY了，首次使用需要自行創建API KEY。

這或許是一個對你有用的開源項目，mall項目是一套基于 SpringBoot3 + Vue 的電商系統（Github標星60K），后端支持多模塊和 2024最新微服務架構 ，采用Docker和K8S部署。包括前臺商城項目和后臺管理系統，能支持完整的訂單流程！涵蓋商品、訂單、購物車、權限、優惠券、會員、支付等功能！

• Boot項目：https://github.com/macrozheng/mall
• Cloud項目：https://github.com/macrozheng/mall-swarm
• 視頻教程：https://www.macrozheng.com/video/

項目演示：

使用

接下來我們就來講解下使用Spring AI來調用DeepSeek服務。

• 首先在SpringBoot項目中添加Spring AI對應的依賴；

<dependency>

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

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

    <version>1.0.0-M6</version>

</dependency>

• 然后在項目的application.yml配置文件中添加調用AI服務相關的配置；

spring:

  ai:

    openai:

      # 調用AI接口時表明身份的API KEY

      api-key: <YOUR_API_KEY>

      # 調用AI接口時的基礎路徑，配置的是阿里云百煉的基礎路徑

      base-url: https://dashscope.aliyuncs.com/compatible-mode

      chat:

        options:

          # 調用的模型，DeepSeek的話可以選擇deepseek-r1或deepseek-v3

          model: deepseek-r1

          # 用來控制文本生成的隨機性（創造力），值越小越嚴謹

          temperature: 0.8

• 接下來在Controller中添加對應的接口來調用AI服務生成答案，這里提供了直接回答和流式回答兩個接口。

/**

 * @auther macrozheng

 * @description 對接DeepSeek后生成回答的Controller

 * @date 2025/2/21

 * @github https://github.com/macrozheng

 */

@RestController

public class DeepSeekController {



    private final OpenAiChatModel chatModel;



    @Autowired

    public DeepSeekController(OpenAiChatModel chatModel) {

        this.chatModel = chatModel;

    }



    /**

     * 根據消息直接輸出回答

     */

    @GetMapping("/ai/chat")

    public Map chat(@RequestParam(value = "message") String message) {

        return Map.of("generation", this.chatModel.call(message));

    }



    /**

     * 根據消息采用流式輸出，輸出回答

     */

    @GetMapping(value = "/ai/chatFlux", produces = MediaType.TEXT_EVENT_STREAM_VALUE + "; charset=UTF-8")

    public Flux<ChatResponse> chatFlux(@RequestParam(value = "message") String message) {

        Prompt prompt = new Prompt(new UserMessage(message));

        return this.chatModel.stream(prompt);

    }



}

測試

然后啟動項目，這里我們使用Postman來測試下接口

• 首先調用下直接輸出答案的接口，我們可以發現回答輸出的時間比較長，接口地址：http://localhost:8080/ai/chat

• 接下來調用下流式輸出答案的接口，我們可以發現它會持續不斷地返回結果，直到請求連接關閉，接口地址：http://localhost:8080/ai/chatFlux

• 其實總的回答在result.output.text這個屬性里面，我們可以通過接口中的text屬性的拼接來獲得完整的回答。

總結

今天給大家介紹了下Spring AI和DeepSeek的集成方法，還是比較簡單的。對于回答的輸出，由于直接輸出響應比較慢，我們可以采用流式輸出，通過不斷拼接回答來響應比較好。

本文轉載自@公眾號macrozheng