一、 环境配置
Spring AI 支持 Spring Boot 3.4.x，JDK支持需要17以上
添加快照存储库
<repositories> <repository> <id>spring-snapshots</id> <name>Spring Snapshots</name> <url>https://repo.spring.io/snapshot</url> <releases> <enabled>false</enabled> </releases> </repository> <repository> <name>Central Portal Snapshots</name> <id>central-portal-snapshots</id> <url>https://central.sonatype.com/repository/maven-snapshots/</url> <releases> <enabled>false</enabled> </releases> <snapshots> <enabled>true</enabled> </snapshots> </repository> </repositories> 注意：
将 Maven 与 Spring AI 快照结合使用时，请注意 Maven 镜像配置。如果您已在项目中配置了镜像，settings.xml如下所示：
<mirror> <id>my-mirror</id> <mirrorOf>*</mirrorOf> <url>https://my-company-repository.com/maven</url> </mirror> 通配符*会将所有仓库请求重定向到你的镜像，从而阻止访问 Spring 快照仓库。要解决此问题，请修改mirrorOf配置以排除 Spring 仓库：
此配置允许 Maven 直接访问 Spring 快照存储库，同时仍使用镜像来获取其他依赖项。
<mirror> <id>my-mirror</id> <mirrorOf>*,!spring-snapshots,!central-portal-snapshots</mirrorOf> <url>https://my-company-repository.com/maven</url> </mirror> 依赖管理
<dependencyManagement> <dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-bom</artifactId> <version>1.0.0-SNAPSHOT</version> <type>pom</type> <scope>import</scope> </dependency> </dependencies> </dependencyManagement> 二、接入DeepSeek大模型
Spring AI 支持 DeepSeek 的各种 AI 语言模型。可以与 DeepSeek 语言模型进行交互，并基于 DeepSeek 模型创建多语言对话助手
先决条件
您需要使用 DeepSeek 创建 API 密钥才能访问 DeepSeek 语言模型。
在DeepSeek 注册页面创建一个帐户，并在API Keys 页面生成一个令牌。
Spring AI 项目定义了一个名为的配置属性，您应该将其设置为从 API Keys 页面获取spring.ai.deepseek.api-key的值。
server: port: 8080 # In application.yml spring: ai: deepseek: api-key: your-api-key base-url: https://api.deepseek.com # DeepSeek 的请求 URL, 可不填，默认值为 api.deepseek.com chat: options: model: deepseek-chat # 使用哪个模型 temperature: 0.8 # 温度值 spring.ai.deepseek.chat.options.temperature: 使用的采样温度，介于 0 到 2 之间。较高的值（例如 0.8）会使输出更加随机，而较低的值（例如 0.2）会使输出更加集中且确定。我们通常建议更改此值或
top_p，但不要同时更改两者。
spring.ai.deepseek.chat.options.model: 目前deepseek模型有两种，deepseek-chat对话模型，deepseek-reasoner推理模型
自动配置
Spring AI 为 DeepSeek 聊天模型提供了 Spring Boot 自动配置功能。要启用此功能，请将以下依赖项添加到项目的 Mavenpom.xml文件中：
<dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-starter-model-deepseek</artifactId> </dependency> 此时的完整POM配置
<?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd"> <modelVersion>4.0.0</modelVersion> <parent> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-parent</artifactId> <version>3.4.1</version> <relativePath/> </parent> <groupId>com.mrsunn</groupId> <artifactId>ai-robot</artifactId> <version>0.0.1-SNAPSHOT</version> <description>AI机器人</description> <properties> <java.version>17</java.version> <!-- Spring AI 版本 --> <spring-ai.version>1.0.2</spring-ai.version> </properties> <dependencyManagement> <dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-bom</artifactId> <version>${spring-ai.version}</version> <type>pom</type> <scope>import</scope> </dependency> </dependencies> </dependencyManagement> <dependencies> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> <scope>test</scope> </dependency> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-starter-model-deepseek</artifactId> </dependency> <dependency> <groupId>org.apache.commons</groupId> <artifactId>commons-lang3</artifactId> </dependency> </dependencies> <build> <plugins> <plugin> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-maven-plugin</artifactId> </plugin> </plugins> </build> <repositories> <repository> <id>spring-snapshots</id> <name>Spring Snapshots</name> <url>https://repo.spring.io/snapshot</url> <releases> <enabled>false</enabled> </releases> </repository> <repository> <name>Central Portal Snapshots</name> <id>central-portal-snapshots</id> <url>https://central.sonatype.com/repository/maven-snapshots/</url> <releases> <enabled>false</enabled> </releases> <snapshots> <enabled>true</enabled> </snapshots> </repository> <!-- 添加华为云、阿里云 maven 中央仓库，提升 Jar 包下载速度 --> <repository> <id>huaweicloud</id> <name>huawei</name> <url>https://mirrors.huaweicloud.com/repository/maven/</url> </repository> <repository> <id>aliyunmaven</id> <name>aliyun</name> <url>https://maven.aliyun.com/repository/public</url> </repository> </repositories> </project> 实现对话效果(deepseek-chat)
@RestController @RequestMapping("/ai") public class ChatController { @Resource private DeepSeekChatModel chatModel; @GetMapping("/generate") public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) { return Map.of("generation", chatModel.call(message)); } /** * 流式对话 * @param message * @return */ @GetMapping(value = "/generateStream", produces = "text/html;charset=utf-8") public Flux<String> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) { // 构建提示词 Prompt prompt = new Prompt(new UserMessage(message)); // 流式输出 return chatModel.stream(prompt) .mapNotNull(chatResponse -> chatResponse.getResult().getOutput().getText()); } } 
produces = "text/html;charset=utf-8",把返回的对象设置成html格式，并且设置编码，不然会乱码返回
如果你只是直接在浏览器地址栏输入接口地址（如
http://localhost:8080/generateStream?message=你好），那么无论你的后端返回的是
Flux还是什么流，浏览器都只会一次性接收最终的响应内容，或者根本无法逐步显示，无法实现“打字机效果”。
推理模型（deepseek-reasoner）
这deepseek-reasoner是 DeepSeek 开发的推理模型。在得出最终答案之前，该模型会首先生成思维链 (CoT)，以提高其响应的准确性。我们的 API 允许用户访问 生成的 CoT 内容deepseek-reasoner
，以便他们查看、显示和提取这些内容。
修改DeepSeek模型
spring: ai: deepseek: api-key: your-api-key base-url: https://api.deepseek.com # DeepSeek 的请求 URL, 可不填，默认值为 api.deepseek.com chat: options: model: deepseek-reasoner # 使用深度思考模型 temperature: 0.8 # 温度值 @Resource private DeepSeekChatModel chatModel; @GetMapping(value = "/generateStream", produces = "text/html;charset=utf-8") public Flux<String> generateStream(@RequestParam(value = "message", defaultValue = "你是谁？") String message) { Prompt prompt = new Prompt(new UserMessage(message)); AtomicBoolean hasSentSeparator = new AtomicBoolean(false); return chatModel.stream(prompt) .mapNotNull(chatResponse -> { DeepSeekAssistantMessage assistantMessage = (DeepSeekAssistantMessage) chatResponse.getResult().getOutput(); String content = null; boolean isFinalAnswer = false; // 优先处理思考内容 if (assistantMessage.getReasoningContent() != null) { content = assistantMessage.getReasoningContent(); } // 处理正式回答 else if (assistantMessage.getText() != null) { content = assistantMessage.getText(); isFinalAnswer = true; } if (StringUtils.isBlank(content)) { return null; } // 添加分隔符（思考到回答的过渡） if (isFinalAnswer && !hasSentSeparator.get()) { hasSentSeparator.set(true); return "<br>--- 思考过程结束 ---<br>" + content; } return content; }); }
您可以使用DeepSeekAssistantMessage来获取由 生成的 CoT 内容deepseek-reasoner。
assistantMessage.getReasoningContent() 思考内容
assistantMessage.getText() 正式回答
使用ChatClient实现对话
ChatClient和ChatModel的区别
| 维度 | ChatModel | ChatClient |
|---|---|---|
| 交互方式 | 直接调用模型，需手动处理请求/响应 | 链式调用，自动封装提示词和解析响应 |
| 功能扩展 | 弱 | 强，内置 Advisor 机制（如对话历史管理、RAG） |
| 结构化输出 | 需手动解析响应文本 | 支持自动映射为 Java 对象（如 entity(Recipe.class)） |
| 适用场景 | 实现简单功能和场景 | 快速开发复杂功能的场景，如企业级智能客服、连接外部工具等 |
- ChatClient：若追求开发效率、需要内置高级功能（如记忆、RAG）或标准化交互使用 ChatClient。
- ChatModel：若实现简单的大模型对接场景使用 ChatModel。
ChatClient使用对象创建。ChatClient.Builder您可以获取ChatClient.Builder任何ChatModelSpring Boot 自动配置的自动配置实例，也可以通过编程方式创建一个。
@Configuration public class ChatClientConfig { @Bean public ChatClient deepSeekChatClient(DeepSeekChatModel chatModel) { return ChatClient.create(chatModel); } } @Autowired private ChatClient deepSeekChatClient; @GetMapping(value = "/generate", produces = "text/html;charset=utf-8") public String generation(@RequestParam(value = "message", defaultValue = "你是谁？") String message) { return this.deepSeekChatClient.prompt() .user(message) .call() .content(); } 具有单一模型类型的多个 ChatClients
本节介绍一个常见的用例，您需要创建多个 ChatClient 实例，它们都使用相同的底层模型类型但具有不同的配置。
@Autowired private DeepSeekChatModel deepSeekChatModel; ChatClient chatClient = ChatClient.create(deepSeekChatModel); chatClient.mutate().defaultOptions(ChatOptions.builder().build()); ChatClient.Builder builder = ChatClient.builder(deepSeekChatModel); ChatClient customChatClient = builder .defaultOptions(ChatOptions.builder().build()) .defaultSystem("You are a helpful assistant.") .build(); 使用同一个deepSeekChatModel模型，可以配置不同参数的ChatClient
延伸阅读：如需更深入的技术解析或学习资源，欢迎访问 Mr.Sun的博客（专注Java领域干货分享，持续更新中～）
![洛谷 P11345 [KTSC 2023 R2] 基地简化 题解](http://www.itfaba.com/wp-content/themes/kemi/timthumb.php?src=http://www.itfaba.com/wp-content/themes/kemi/img/random/2.jpg&w=218&h=124&zc=1)
