Spring AI 集成 DeepSeek V3 模型开发指南
前言
在人工智能飞速发展的当下，大语言模型不断推陈出新，DeepSeek AI 推出的开源 DeepSeek V3 模型凭借其卓越的推理和问题解决能力备受瞩目。与此同时，Spring AI 作为一个强大的框架，为开发者集成各类 AI 服务提供了便利。本文将深入探讨如何通过 Spring AI 集成 DeepSeek V3 模型，助力开发者快速搭建高效的 AI 应用。
Spring AI 与 DeepSeek 集成要点
1. 准备工作
- 获取 API 密钥：访问指定平台创建 DeepSeek API 密钥，并通过
spring.ai.openai.api - key属性进行配置。 - 设置基 URL：将
spring.ai.openai.base - url属性设置为api.deepseek.com，以此确定与 DeepSeek 服务通信的基础地址。 - 选择模型：利用
spring.ai.openai.chat.options.model = <model name>属性，从支持的模型列表中指定使用的 DeepSeek 模型。例如，若要使用deepseek - chat模型，可进行相应配置。同时，可通过环境变量配置，如：
export SPRING_AI_OPENAI_API_KEY = <INSERT DEEPSEEK API KEY HERE>
export SPRING_AI_OPENAI_BASE_URL = https://api.deepseek.com
export SPRING_AI_OPENAI_CHAT_MODEL = deepseek - chat
2. 添加存储库和 BOM
- 存储库：Spring AI 工件发布于 Maven Central 和 Spring Snapshot 存储库。开发者需将这些存储库添加到构建系统中，具体操作可参考 Repositories 部分。
- BOM：为实现依赖项的有效管理，Spring AI 提供了 BOM（物料清单）。通过添加 Spring AI BOM 到构建系统，能够确保项目中 Spring AI 版本的一致性，详细步骤可查阅依赖项管理部分。
3. 自动配置
- Spring AI 为 OpenAI Chat 客户端提供了 Spring Boot 自动配置功能。要启用该功能，需在项目的 Maven
pom.xml或 Gradlebuild.gradle文件中添加以下依赖项：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring - ai - starter - model - openai</artifactId>
</dependency>
同时，别忘了将 Spring AI BOM 添加到构建文件中。
4. 聊天属性配置
- 重试属性：以
spring.ai.retry为前缀的属性，可用于配置 OpenAI 聊天模型的重试机制。例如，spring.ai.retry.max - attempts用于设置最大重试尝试次数，默认值为 10；spring.ai.retry.backoff.initial - interval表示指数回退策略的初始休眠持续时间，默认 2 秒等。通过合理配置这些属性，能够增强应用在面对网络波动等异常情况时的稳定性。 - 连接属性：
spring.ai.openai前缀的属性用于连接到 DeepSeek。其中，spring.ai.openai.base - url必须设置为api.deepseek.com，spring.ai.openai.api - key需配置为申请到的 DeepSeek API 密钥。 - 配置属性：如今，启用和禁用聊天自动配置通过
spring.ai.model.chat前缀实现。默认spring.ai.model.chat = openai为启用状态，若要禁用可设置为spring.ai.model.chat = none或其他非openai的值。此外，spring.ai.openai.chat前缀下还有众多属性，如spring.ai.openai.chat.options.model用于指定要使用的 DeepSeek LLM 模型；spring.ai.openai.chat.options.temperature控制生成完成项的随机性，取值范围影响输出的创造性程度等。
5. 运行时选项
- 启动时，可通过
OpenAiChatModel(api, options)构造函数或spring.ai.openai.chat.options.*属性进行模型配置。在运行时，可通过向Prompt添加特定于请求的运行时选项。例如，若要覆盖特定请求的默认模型和温度，可按如下方式编写代码：
ChatResponse response = chatModel.call(
new Prompt(
"Generate the names of 5 famous pirates.",
OpenAiChatOptions.builder()
.model("deepseek - chat")
.temperature(0.4)
.build()
));
6. 函数调用与限制
需要注意的是，deepseek - chat 模型的函数调用功能当前版本不稳定，可能出现循环调用或空响应的问题。并且，目前 DeepSeek API 暂不支持媒体内容。
7. Samples 控制器示例
创建一个新的 Spring Boot 项目，在 POM（或 Gradle）依赖项中添加 spring - ai - starter - model - openai。然后在 src/main/resources 目录下的 application.properties 文件中进行如下配置：
spring.ai.openai.api - key = <DEEPSEEK_API_KEY>
spring.ai.openai.base - url = https://api.deepseek.com
spring.ai.openai.chat.options.model = deepseek - chat
spring.ai.openai.chat.options.temperature = 0.7
# The DeepSeek API doesn't support embeddings, so we need to disable it.
spring.ai.openai.embedding.enabled = false
将 <DEEPSEEK_API_KEY> 替换为实际申请到的密钥。通过上述配置，会创建一个 OpenAiChatModel 实现，可将其注入到类中。以下是一个简单的 @Controller 类示例，用于使用聊天模型生成文本：
@RestController
public class ChatController {
private final OpenAiChatModel chatModel;
@Autowired
public ChatController(OpenAiChatModel chatModel) {
this.chatModel = chatModel;
}
@GetMapping("/ai/generate")
public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
return Map.of("generation", this.chatModel.call(message));
}
@GetMapping("/ai/generateStream")
public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
Prompt prompt = new Prompt(new UserMessage(message));
return this.chatModel.stream(prompt);
}
}
若要查询如何使用本地部署的DeepSeek模型，可以查看文章： 利用ollama.com本地部署大模型及Java验证全攻略
总结
通过本文介绍的步骤，开发者能够成功地将 Spring AI 与 DeepSeek V3 模型集成，充分利用 DeepSeek 模型强大的能力来构建智能应用。在集成过程中，要特别注意 API 密钥的安全配置、模型选项的合理调整以及对不稳定功能（如函数调用）的妥善处理。同时，由于 AI 技术和相关框架处于不断发展中，开发者需持续关注官方文档，以便及时获取最新信息，优化应用性能和功能。希望本文能为大家在基于 Spring AI 和 DeepSeek 进行开发的道路上提供有力的指导和帮助，助力大家开发出更具创新性和竞争力的 AI 应用。
