当前位置：首页 > article >正文

Spring AI 集成 DeepSeek V3 模型开发指南

article 2025/10/9 22:38:50

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 Gradle build.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;@Autowiredpublic 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。