---

Spring AI 集成 DeepSeek Chat 技术详解与最佳实践

一、概述

随着 AIGC（AI Generated Content）技术飞速发展，企业和开发者越来越多地需要将强大的大语言模型（LLM）能力融入自己的业务系统。Spring AI 作为 Spring 生态下的 AI 集成框架，为 Java 开发者提供了统一、简洁的接口，便于快速接入如 DeepSeek Chat 这类主流大模型服务。

本文将系统讲解如何在 Spring Boot 项目中集成 DeepSeek Chat，涵盖从环境准备、依赖配置、核心参数详解、代码示例到常见问题排查，并结合 mermaid 图表优化结构说明，帮助你高效上手并深入理解原理。

---

二、名词解释

名词	释义
LLM（大语言模型）	Large Language Model，能理解和生成自然语言的大型神经网络
Spring AI	Spring 官方推出的 AI 框架，统一接入多种主流 AI 模型及服务
DeepSeek Chat	DeepSeek 推出的高性能对话模型，支持通用对话和推理能力
API Key	用于鉴权访问云端服务的密钥，务必妥善保管
BOM	Bill of Materials，依赖版本统一管理配置
Prompt	向 AI 模型输入的文本（或消息序列），决定生成内容
Reasoner	推理模型，能输出链式思考过程并给出最终答案

---

三、项目背景与发展历史

Spring AI 诞生于 2023 年，由 Spring 团队发起，目标是让 Java 世界与 AIGC 技术无缝衔接。它抽象了多种 AI 服务的接入方式，支持 OpenAI、DeepSeek、百度文心等主流模型，并且保持 Spring 风格的配置、自动装配和依赖管理。

DeepSeek 成立于 2023 年，专注于大模型研发，致力于提供高性价比的推理与生成服务。2024 年，DeepSeek Chat 和 Reasoner 模型发布，支持高质量对话、链式推理、代码生成等场景，API 设计简洁易用。

Spring AI + DeepSeek 结合，赋能 Java 企业级场景，极大提升了开发效率和智能化水平。

---

四、集成流程结构（Mermaid Flowchart）

---

五、核心配置项与代码实践

1. 环境准备

• 注册 DeepSeek 官网，获取 API Key
• 推荐用环境变量存储 API Key，增强安全性

2. 依赖配置

• Maven/Gradle 添加 spring-ai-starter-model-deepseek 依赖
• 推荐引入 Spring AI BOM 统一管理版本

3. application.properties 核心参数

spring.ai.deepseek.api-key=${DEEPSEEK_API_KEY}
spring.ai.deepseek.chat.options.model=deepseek-chat
spring.ai.deepseek.chat.options.temperature=0.8

4. 主要代码示例

普通文本生成

@RestController
public class ChatController {
    @Autowired
    private DeepSeekChatModel chatModel;

    @GetMapping("/ai/generate")
    public Map<String, Object> generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        return Map.of("generation", chatModel.call(message));
    }
}

流式输出

@GetMapping("/ai/generateStream")
public Flux<ChatResponse> generateStream(@RequestParam("message") String message) {
    var prompt = new Prompt(new UserMessage(message));
    return chatModel.stream(prompt);
}

代码生成（前缀补全）

@GetMapping("/ai/generatePythonCode")
public String generate(@RequestParam("message") String message) {
    UserMessage userMessage = new UserMessage(message);
    Message assistantMessage = DeepSeekAssistantMessage.prefixAssistantMessage("```python\n");
    Prompt prompt = new Prompt(
        List.of(userMessage, assistantMessage),
        ChatOptions.builder().stopSequences(List.of("```")).build()
    );
    ChatResponse response = chatModel.call(prompt);
    return response.getResult().getOutput().getText();
}

推理模型调用

public void deepSeekReasonerExample() {
    DeepSeekChatOptions promptOptions = DeepSeekChatOptions.builder()
        .model(DeepSeekApi.ChatModel.DEEPSEEK_REASONER.getValue())
        .build();
    Prompt prompt = new Prompt("9.11 和 9.8 哪个大？", promptOptions);
    ChatResponse response = chatModel.call(prompt);

    DeepSeekAssistantMessage msg = (DeepSeekAssistantMessage) response.getResult().getOutput();
    String reasoningContent = msg.getReasoningContent(); //链式推理内容
    String text = msg.getText(); //最终答案
}

---

六、状态机流程解析（Mermaid stateDiagram-v2）

说明：不同请求类型均从 Ready 状态启动，分别进入文本、代码、推理分支，最终返回结果。

---

七、请求响应流程（Mermaid sequenceDiagram）

---

八、常见问题与注意事项

• API Key安全：务必用环境变量或密钥管理系统，不要硬编码在代码中。
• 模型选择：deepseek-chat 适合通用对话，deepseek-reasoner 适合链式推理场景。
• 参数动态设置：可在 Prompt 构造时传递不同 options，灵活控制每次请求行为。
• 多轮对话：注意推理模型返回的 reasoning_content 字段不能作为后续输入，否则会报错。
• 流式输出：使用 chatModel.stream() 实现 Token 级别流式响应，适合实时交互。

---

九、权威资料和参考文献

• Spring AI 官方文档
• DeepSeek API 文档
• Spring AI Github
• DeepSeek 官方博客
• Spring 官网

---

十、速记口总结 & 系统性认知

速记口诀

“注册拿密钥，配置用变量，依赖加 BOM，参数随需变，模型按场景，代码多示例，安全记心间，官方查文档。”

系统性认知

• Spring AI 是 Java 接入 AI 的统一桥梁，极大降低了模型接入门槛。
• DeepSeek Chat 提供高性能对话和推理能力，为企业级应用注入智能。
• 通过环境变量管理密钥，确保安全合规。
• 自动装配+手动实例化两种方式，满足不同项目需求。
• Prompt 构造和参数动态设置，实现灵活业务定制。
• Mermaid 图表帮助梳理集成流程、状态、请求响应，优化知识结构。

---

结论：Spring AI 集成 DeepSeek Chat 是 Java 智能化升级的最佳实践之一。只需按本文步骤操作即可快速高效接入，建议多参考官方文档和源码，结合具体业务场景灵活应用！

---

你整理得很详细，下面我用中文给你提炼一下 Spring AI 集成 DeepSeek Chat 的核心用法和注意点，方便开发者快速上手。

---

一、准备工作

1. 注册 DeepSeek 并获取 API Key

   • 注册、登录 DeepSeek官网。
   • 在“API Keys”页面生成你的 API Key。

2. 配置 API Key 到 Spring Boot 项目

   • 推荐用环境变量增强安全性。
   • 在 application.properties 或 application.yml 中配置：

     spring.ai.deepseek.api-key=你的APIKey
     # 或用环境变量
     spring.ai.deepseek.api-key=${DEEPSEEK_API_KEY}
     

   • 在你的系统环境或 .env 文件中：

     export DEEPSEEK_API_KEY=你的APIKey
     

---

二、依赖配置

1. 添加 Maven 依赖

   <dependency>
       <groupId>org.springframework.ai</groupId>
       <artifactId>spring-ai-starter-model-deepseek</artifactId>
   </dependency>
   

   • 推荐引入 Spring AI BOM（版本管理）。

2. Gradle 用法

   implementation 'org.springframework.ai:spring-ai-starter-model-deepseek'
   

---

三、核心配置项（application.properties）

常用配置示例：

spring.ai.deepseek.api-key=你的APIKey
spring.ai.deepseek.chat.options.model=deepseek-chat
spring.ai.deepseek.chat.options.temperature=0.8

更多配置项可参考文档，比如模型选择、生成长度、采样温度、惩罚参数等。

---

四、代码示例

1. 普通文本生成

@RestController
public class ChatController {

    private final DeepSeekChatModel chatModel;

    @Autowired
    public ChatController(DeepSeekChatModel chatModel) {
        this.chatModel = chatModel;
    }

    @GetMapping("/ai/generate")
    public Map<String, Object> generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        return Map.of("generation", chatModel.call(message));
    }
}

2. 流式输出

@GetMapping("/ai/generateStream")
public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
    var prompt = new Prompt(new UserMessage(message));
    return chatModel.stream(prompt);
}

3. 代码生成（前缀补全）

@GetMapping("/ai/generatePythonCode")
public String generate(@RequestParam(value = "message", defaultValue = "请写一个快速排序代码") String message) {
    UserMessage userMessage = new UserMessage(message);
    Message assistantMessage = DeepSeekAssistantMessage.prefixAssistantMessage("```python\n");
    Prompt prompt = new Prompt(
        List.of(userMessage, assistantMessage),
        ChatOptions.builder().stopSequences(List.of("```")).build()
    );
    ChatResponse response = chatModel.call(prompt);
    return response.getResult().getOutput().getText();
}

4. 推理模型（deepseek-reasoner）

public void deepSeekReasonerExample() {
    DeepSeekChatOptions promptOptions = DeepSeekChatOptions.builder()
        .model(DeepSeekApi.ChatModel.DEEPSEEK_REASONER.getValue())
        .build();
    Prompt prompt = new Prompt("9.11 和 9.8 哪个大？", promptOptions);
    ChatResponse response = chatModel.call(prompt);

    DeepSeekAssistantMessage msg = (DeepSeekAssistantMessage) response.getResult().getOutput();
    String reasoningContent = msg.getReasoningContent(); //链式推理内容
    String text = msg.getText(); //最终答案
}

---

五、手动创建 DeepSeekChatModel

如果不使用自动配置，可以手动创建：

DeepSeekApi deepSeekApi = DeepSeekApi.builder()
    .apiKey(System.getenv("DEEPSEEK_API_KEY"))
    .build();
DeepSeekChatOptions options = DeepSeekChatOptions.builder()
    .model(DeepSeekApi.ChatModel.DEEPSEEK_CHAT.getValue())
    .temperature(0.4)
    .maxTokens(200)
    .build();
DeepSeekChatModel chatModel = DeepSeekChatModel.builder()
    .deepSeekApi(deepSeekApi)
    .defaultOptions(options)
    .build();
ChatResponse response = chatModel.call(new Prompt("生成5个著名海盗的名字"));

---

六、常见问题与注意事项

• API Key安全：建议用环境变量，不要硬编码在代码中。
• 模型选择：deepseek-chat（通用对话）与 deepseek-reasoner（链式推理），根据场景选择。
• 参数动态设置：可以在 Prompt 时动态传递 options，灵活控制每次请求参数。
• 多轮对话：推理模型返回的 reasoning_content 字段不能作为输入，否则会报 400 错。

---

七、更多资料

• Spring AI 官方文档
• DeepSeek API 文档
• 代码接口和参数可参考 spring-ai-deepseek 源码或 Javadoc。

---

如需详细功能或问题排查，欢迎补充具体需求或报错信息！