1. 环境准备与基础配置在开始集成SpringAI与DeepSeek之前我们需要确保开发环境满足以下要求JDK 17或更高版本Spring Boot 3.x系列需要JDK 17作为最低版本支持Spring Boot 3.4.2这是当前推荐的稳定版本Maven或Gradle用于项目依赖管理DeepSeek API密钥需要在DeepSeek官网注册账号并获取我建议使用IntelliJ IDEA作为开发工具它提供了完善的Spring Boot支持。实测下来社区版已经完全够用不需要额外购买付费版本。首先创建一个新的Spring Boot项目可以通过Spring Initializr快速生成。这里我选择的是WebLombokSpring AI OpenAI Starter关键配置在application.yml中添加DeepSeek的API配置spring: ai: openai: base-url: https://api.deepseek.com api-key: sk-your-api-key-here chat: options: model: deepseek-chat temperature: 0.7 max-tokens: 2000这里的temperature参数控制生成文本的随机性0.7是一个比较平衡的值。如果是需要精确回答的场景可以降低到0.3左右如果需要更多创意性输出可以提高到1.0以上。2. 核心集成实现2.1 基础对话接口开发我们先实现一个最简单的对话接口RestController RequestMapping(/api/chat) RequiredArgsConstructor public class ChatController { private final ChatClient chatClient; GetMapping(/simple) public String simpleChat(RequestParam String message) { return chatClient.call(message); } }这个基础版本虽然简单但已经可以实现基本的对话功能。测试时可以用curl http://localhost:8080/api/chat/simple?message你好介绍一下你自己2.2 流式对话实现流式对话是提升用户体验的关键。在SpringAI中我们可以通过返回Flux来实现GetMapping(/stream) public FluxString streamChat(RequestParam String message) { return chatClient.stream(message).content(); }前端可以通过SSE(Server-Sent Events)来接收这个流const eventSource new EventSource(/api/chat/stream?message${encodeURIComponent(userInput)}); eventSource.onmessage (event) { // 实时更新UI console.log(event.data); };我在实际项目中发现流式响应相比一次性返回有以下优势响应时间更快用户不用等待完整生成更自然的对话体验类似真人打字效果对于长文本可以分批次渲染减轻前端压力2.3 对话历史管理要实现连贯的对话需要维护对话上下文。SpringAI提供了ChatMemory的支持Bean public ChatMemory chatMemory() { return new InMemoryChatMemory(); } GetMapping(/context) public String chatWithContext(RequestParam String message, RequestParam(required false) String conversationId) { Prompt prompt new PromptBuilder() .withSystemMessage(你是一个专业的AI助手) .withUserMessage(message) .build(); return chatClient.prompt(prompt) .options(OpenAiChatOptions.builder() .withConversationId(conversationId) .build()) .call() .content(); }这里的conversationId可以用来区分不同的对话线程。如果不传系统会自动生成一个新的。3. 高级功能实现3.1 自定义提示词工程通过系统消息可以更好地控制AI行为public String getTechAnswer(String question) { String systemPrompt 你是一个资深技术专家回答需要满足以下要求 1. 使用中文回答 2. 包含代码示例 3. 分点说明 4. 最后给出总结; Prompt prompt new PromptBuilder() .withSystemMessage(systemPrompt) .withUserMessage(question) .build(); return chatClient.prompt(prompt).call().content(); }3.2 结构化输出处理DeepSeek支持返回JSON格式的响应我们可以利用这个特性GetMapping(/structured) public BookInfo getBookInfo(RequestParam String bookName) { String promptText 请以JSON格式返回关于书籍《%s》的信息包含以下字段 - title: 书名 - author: 作者 - publishYear: 出版年份 - summary: 简介(100字内) 返回格式示例 {title:,author:,publishYear:,summary:} .formatted(bookName); String jsonResponse chatClient.call(promptText); return new ObjectMapper().readValue(jsonResponse, BookInfo.class); }3.3 异常处理与重试机制在实际使用中网络波动或API限制是常见问题Bean public RetryTemplate retryTemplate() { return RetryTemplate.builder() .maxAttempts(3) .fixedBackoff(1000) .retryOn(ResourceAccessException.class) .build(); } GetMapping(/retry) public String reliableChat(RequestParam String message) { return retryTemplate.execute(ctx - { try { return chatClient.call(message); } catch (RestClientException e) { log.warn(API调用失败重试次数: {}, ctx.getRetryCount()); throw e; } }); }4. 性能优化与监控4.1 响应时间优化通过以下配置可以显著提升响应速度spring: ai: openai: connect-timeout: 5000 read-timeout: 30000同时建议启用HTTP连接池Bean public RestClient.Builder restClientBuilder() { return RestClient.builder() .requestFactory(new HttpComponentsClientHttpRequestFactory( HttpClientBuilder.create() .setMaxConnTotal(50) .setMaxConnPerRoute(20) .build())); }4.2 监控与指标收集集成Micrometer来监控API使用情况Bean public MeterRegistryCustomizerMeterRegistry metricsCommonTags() { return registry - registry.config().commonTags(application, spring-ai-demo); } GetMapping(/metrics) public String chatWithMetrics(RequestParam String message) { Timer.Sample sample Timer.start(Metrics.globalRegistry); try { return chatClient.call(message); } finally { sample.stop(Timer.builder(ai.chat.duration) .description(AI聊天响应时间) .register(Metrics.globalRegistry)); } }4.3 成本控制策略DeepSeek按Token计费我们可以通过以下方式控制成本public String conciseAnswer(String question) { return chatClient.prompt(question) .options(OpenAiChatOptions.builder() .withMaxTokens(500) // 限制最大输出长度 .withTemperature(0.3) // 降低随机性 .build()) .call() .content(); }同时建议记录Token使用情况Aspect Component RequiredArgsConstructor public class TokenUsageAspect { private final MeterRegistry meterRegistry; AfterReturning(pointcut execution(* org.springframework.ai.client.AiClient.*(..)), returning response) public void afterAiCall(AiResponse response) { if (response.getUsage() ! null) { meterRegistry.counter(ai.tokens.prompt).increment(response.getUsage().getPromptTokens()); meterRegistry.counter(ai.tokens.completion).increment(response.getUsage().getCompletionTokens()); } } }5. 实际应用案例5.1 技术文档助手实现一个可以查询技术文档的智能助手GetMapping(/doc) public FluxString searchDocumentation(RequestParam String query) { // 第一步理解用户问题 String analysisPrompt 分析以下技术问题属于哪个领域 - Spring - Database - Cloud - Other 问题%s 只返回领域名称.formatted(query); String domain chatClient.call(analysisPrompt); // 第二步根据领域获取相关文档片段 ListString docs docService.searchRelevantDocs(domain, query); // 第三步综合回答 String answerPrompt 根据以下文档片段回答用户问题 %s 问题%s 要求 1. 用中文回答 2. 包含示例代码 3. 标明出处.formatted(String.join(\n, docs), query); return chatClient.stream(answerPrompt).content(); }5.2 智能客服系统一个支持多轮对话的客服系统实现PostMapping(/customer-service) public FluxString handleCustomerInquiry(RequestBody CustomerQuery query, RequestHeader(X-Conversation-ID) String conversationId) { // 获取对话历史 ListMessage history chatMemory.get(conversationId); // 构建增强提示 String enhancedPrompt 你是一个电商客服助手当前用户信息 姓名%s 会员等级%s 历史订单%s 对话历史 %s 当前问题%s 请用友好专业的语气回答.formatted( query.getCustomerName(), query.getMemberLevel(), query.getOrderHistory(), formatHistory(history), query.getQuestion()); // 流式响应 return chatClient.stream(enhancedPrompt) .content() .doOnNext(response - { // 保存对话记录 chatMemory.add(conversationId, query.getQuestion(), response); }); }5.3 代码审查助手集成到CI/CD流程中的代码审查机器人PostMapping(/code-review) public CodeReviewResult reviewCode(RequestBody CodeSubmission submission) { String prompt 请审查以下%s代码 %s 按照以下标准给出审查意见 1. 代码风格问题 2. 潜在安全风险 3. 性能优化建议 4. 可读性改进 用JSON格式返回包含以下字段 - styleIssues: [] - securityRisks: [] - performanceSuggestions: [] - readabilityImprovements: [].formatted( submission.getLanguage(), submission.getCode()); String jsonResponse chatClient.call(prompt); return parseReviewResult(jsonResponse); }6. 常见问题解决在实际集成过程中我遇到过几个典型问题超时问题当DeepSeek处理复杂请求时可能响应较慢解决方案是适当增加超时时间并添加重试机制。上下文丢失发现对话有时会丢失上文这是因为没有正确传递conversationId。确保每次请求都携带相同的ID。响应截断当返回内容较长时可能被截断需要合理设置max-tokens参数对于超长内容可以考虑分多次请求。速率限制DeepSeek API有调用频率限制建议添加适当的延迟实现令牌桶算法进行限流缓存常见问题的回答内容过滤有时会遇到内容被过滤的情况可以通过调整temperature参数或重新组织问题表述来解决。7. 安全最佳实践在集成AI服务时安全不容忽视API密钥保护永远不要将密钥提交到代码仓库使用环境变量或配置中心管理定期轮换密钥输入验证GetMapping(/safe-chat) public String safeChat(RequestParam Size(max 500) String message) { // 实现逻辑 }输出过滤对AI返回的内容进行必要的安全检查特别是当直接展示给用户时。访问控制对聊天接口添加适当的权限校验PreAuthorize(hasRole(USER)) GetMapping(/restricted-chat) public String restrictedChat(RequestParam String message) { // 实现逻辑 }日志脱敏确保日志中不会记录敏感信息Aspect Component public class LoggingAspect { Around(execution(* com.example..*Controller.*(..))) public Object logAround(ProceedingJoinPoint joinPoint) throws Throwable { // 过滤敏感参数后再记录日志 } }8. 部署与扩展当应用需要扩展时考虑以下方案容器化部署FROM eclipse-temurin:17-jdk-jammy WORKDIR /app COPY target/*.jar app.jar ENTRYPOINT [java,-jar,app.jar]水平扩展由于DeepSeek客户端是无状态的可以轻松扩展# Kubernetes部署示例 apiVersion: apps/v1 kind: Deployment metadata: name: ai-service spec: replicas: 3 selector: matchLabels: app: ai-service template: spec: containers: - name: ai-service image: your-registry/ai-service:latest ports: - containerPort: 8080 env: - name: SPRING_AI_OPENAI_API_KEY valueFrom: secretKeyRef: name: ai-secrets key: api-key缓存策略对常见问题答案进行缓存Cacheable(value aiResponses, key #message.hashCode()) public String getCachedResponse(String message) { return chatClient.call(message); }异步处理对于耗时请求可以采用异步方式GetMapping(/async-chat) public CompletableFutureString asyncChat(RequestParam String message) { return CompletableFuture.supplyAsync(() - chatClient.call(message)); }9. 测试策略完善的测试是保证系统稳定性的关键单元测试测试核心业务逻辑Test void testChatLogic() { when(mockChatClient.call(anyString())).thenReturn(模拟响应); String result chatService.chat(测试问题); assertThat(result).isEqualTo(模拟响应); }集成测试测试整个调用链SpringBootTest class ChatIntegrationTest { Autowired private TestRestTemplate restTemplate; Test void testChatEndpoint() { String response restTemplate.getForObject( /api/chat/simple?message你好, String.class); assertThat(response).isNotBlank(); } }性能测试使用JMeter模拟高并发场景混沌测试模拟网络波动、服务不可用等情况验证系统的容错能力AI输出验证对于关键业务场景需要对AI输出进行断言验证Test void testCodeReviewOutputFormat() { String response codeReviewService.reviewCode(public class Test {}); assertThatJson(response) .isObject() .containsKeys( styleIssues, securityRisks, performanceSuggestions, readabilityImprovements); }10. 未来演进方向基于目前的技术方案可以考虑以下几个演进方向多模型路由根据问题类型自动选择最合适的模型public String routeAndAnswer(String question) { String modelType classifier.classify(question); switch(modelType) { case technical: return deepseekChat(question); case creative: return gptChat(question); default: return defaultChat(question); } }混合增强结合传统规则引擎和AI能力public String enhancedAnswer(String question) { // 先尝试从知识库获取精确答案 OptionalString kbAnswer knowledgeBase.search(question); if (kbAnswer.isPresent()) { return kbAnswer.get(); } // 没有匹配再调用AI return chatClient.call(question); }持续学习收集用户反馈优化回答质量PostMapping(/feedback) public void recordFeedback(RequestBody Feedback feedback) { feedbackService.save(feedback); if (!feedback.isPositive()) { retrainingQueue.add(feedback); } }边缘计算对于部分场景可以考虑本地化部署的小模型领域微调基于业务数据对模型进行微调获得更好的领域表现