Spring AI 实战：第一章、Spring AI入门之DeepSeek调用

已于 2025-05-11 21:30:14 修改
阅读量2.2k 收藏 22
点赞数 15
CC 4.0 BY-SA版权
分类专栏： Spring AI 实战 文章标签： 人工智能 java Spring
于 2025-05-03 22:29:40 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/liaokailin/article/details/147688124

目录（如果文章对您有一丢丢输入，请点赞、收藏、转发吧~）[源码]
开篇、大模型时代：我们正站在浪潮之巅
第一章、Spring AI入门之DeepSeek调用
第二章、Spring AI提示词之玩转AI占卜的艺术
第三章、Spring AI结构化输出之告别杂乱无章
第四章、Spring AI多模态之看图说话
第五章、Spring AI本地模型部署之省钱小能手
第六章、Spring AI源码浅析之一山可容二虎
第七章、Spring AI Advisor机制之记忆大师
第八章、Spring AI Tool Calling之与时俱进
第九章、Spring AI MCP之万站直通
第十章、Spring AI RAG之博学多才
第十一章、Spring AI Agent之知行合一

引言：当Spring遇上AI，会擦出怎样的火花？

作为一名Java开发者，是否曾经眼红Python阵营那些花里胡哨的AI应用？是否在对接各种大模型API时，被五花八门的接口规范搞得头大？好消息是，Spring家族的新成员——Spring AI，正在用Java开发者最熟悉的方式，为我们打开AI应用开发的新世界大门。

一、Spring AI初探 - 你的AI管家

1.1 为什么需要Spring AI？

场景假设

  • 你的老板说："我们要做个智能客服，先用OpenAI，下个月换Claude，年底可能用Gemini..."
  • 产品经理要求："这个AI回答要能直接转成我们的领域对象"
  • 运维大哥抱怨："AI调用太慢了，能不能给个监控看板？"

解决方案

将Spring AI框架集成到应用当中，它是一个专注于AI工程的应用框架；旨在将Spring生态的设计原则（如可移植性、模块化）引入AI领域，简化企业数据或者API服务与大模型的集成，将大模型的调用通过普通Java对象来封装，降低开发复杂度‌，从而高效构建企业智能应用


// 不管底层是哪个AI服务，调用方式都一样
String joke = aiClient.generate("讲个程序员笑话");

1.2 核心能力

分类

功能描述

多模型支持‌

支持主流AI模型提供商（如OpenAI、Anthropic、Google、Microsoft等），覆盖多种模型类型：

  • 聊天补全（Chat Completion）
  • 嵌入（Embedding）
  • 文本生成图像/语音（Text-to-Image/Text-to-Speech）
  • 音频转录（Audio Transcription）
  • 内容审核（Moderation）

统一API接口‌
  • 提供跨AI厂商的‌便携式API‌（同步与流式调用），支持模型特定功能扩展，降低厂商锁定风险。

结构化输出映射‌
  • 将AI模型输出直接映射为POJOs，简化数据解析流程

向量数据库集成‌
  • 支持主流向量数据库（如Redis、PostgreSQL/PGVector、MongoDB等），提供类SQL的元数据过滤API，增强检索灵活性。

工具与实时交互‌
  • 函数调用（Function Calling）‌: 允许AI模型调用客户端工具/函数，获取实时数据（如天气、股票信息）。

企业级支持‌
  • 可观测性（Observability）‌: 监控AI操作性能与行为。
  • ‌文档ETL框架‌: 数据预处理管道，支持文档注入与结构化处理。
  • ‌模型评估工具‌: 检测生成内容的准确性与合理性，防止“幻觉”响应。

开发者友好设计‌
  • ChatClient API‌: 类似Spring WebClient的流畅API，简化与AI模型的交互。
  • ‌Advisors API‌: 封装常见生成式AI模式（如数据转换、模型适配），提升代码可复用性。
  • ‌对话记忆（Chat Memory）与RAG（检索增强生成）‌: 支持上下文记忆及结合外部数据的增强生成。

快速集成‌
  • Spring Boot自动配置与Starter依赖，通过start.spring.io快速选择AI模型或向量存储，简化项目搭建。

二、实战DeepSeek - 从手动到自动

2.1 手动执行请求

API-KEY的获取

进入DeepSeek开放平台 DeepSeek ，完成账号的注册与充值（开发学习时可以少充一点费用），点击 API keys创建个人专属API key 并保存下来

curl手动执行

填写上正确的Key后执行curl发起Http请求，快速得到响应结果

curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <DeepSeek API Key>" \
  -d '{
        "model": "deepseek-chat",
        "messages": [
          {"role": "system", "content": "You are a helpful assistant."},
          {"role": "user", "content": "讲一个笑话"}
        ],
        "stream": false
      }'
{
  "id": "0e8dd4b9-694e-417b-888a-7be54a77633f",
  "object": "chat.completion",
  "created": 1742744584,
  "model": "deepseek-chat",
  "choices":
  [
    {
      "index": 0,
      "message":
      {
        "role": "assistant",
        "content": "当然！这是一个经典的笑话：\n\n有一天，小明去面试。面试官问他：“你有什么特长吗？”\n\n小明想了想，认真地说：“我会预测未来。”\n\n面试官笑了笑：“那你预测一下，你什么时候能被录用？”\n\n小明淡定地回答：“这个嘛……我预测我不会被录用。”\n\n面试官愣了一下，笑着说：“你被录用了！我们需要你这样的人才！”\n\n😄"
      },
      "logprobs": null,
      "finish_reason": "stop"
    }
  ],
  "usage":
  {
    "prompt_tokens": 12,
    "completion_tokens": 74,
    "total_tokens": 86,
    "prompt_tokens_details":
    {
      "cached_tokens": 0
    },
    "prompt_cache_hit_tokens": 0,
    "prompt_cache_miss_tokens": 12
  },
  "system_fingerprint": "fp_3a5770e1b4_prod0225"
}

返回数据以JSON格式，解析格式中的content内容得到为大模型给我们讲的笑话。

2.2 代码自动发起

创建第一个Spring AI工程

访问 https://start.spring.io/ 按截图所示勾选依赖，生成代码框架

Spring Boot 3.x

JDK 17+

spring-ai-openai-starter（是的，它能兼容DeepSeek）

将生成的代码导入到IDEA中，启动应用

很遗憾，竟然没有启动起来，出现一个OpenAI API key must be set. Use the connection property: spring.ai.openai.api-key or spring.ai.openai.chat.api-key property的错误，

很明显是没有配置对应的API key，打开application.properties进入参数配置后发现启动成功

配置application.properties

spring.application.name=hello

spring.ai.openai.api-key=换成个人的DeepSeek API key

spring.ai.openai.base-url=https://api.deepseek.com

spring.ai.openai.chat.options.model=deepseek-chat

编写Controller

@RestController
public class HelloController {

    private ChatClient chatClient;

    public HelloController(ChatClient.Builder builder) {
        this.chatClient = builder.build();
    }
    @GetMapping("/hello")
    public String hello(@RequestParam(value = "input", defaultValue = "讲一个笑话") String input) {

        return chatClient.prompt(input).call().content();

    }
}

打开浏览器访问 http://localhost:8080/hello 得到结果

三、流式响应-打字机效果

3.1 Reactor初体验

通常大模型的响应耗时较长，为了优化用户体验，ChatGPT等厂商纷纷采用流式输出；我们可以通过Reactor框架来实现，它是一个响应式编程库，提供构建异步和非阻塞应用程序的能力。

private ExecutorService executor = new ThreadPoolExecutor(1, 1, 0L, TimeUnit.MICROSECONDS, new LinkedBlockingQueue<>(10));

@GetMapping(value = "/mock/stream", produces = "text/html;charset=UTF-8")
public Flux<String> mockStream() {

    Sinks.Many<String> sink = Sinks.many().multicast().onBackpressureBuffer();

    executor.submit(() -> {
        for (int i = 0; i < 100; i++) {

            sink.tryEmitNext(i + " ");
            try {
                Thread.sleep(100);
            } catch (InterruptedException e) {
                throw new RuntimeException(e);
            }
        }
    });

    return sink.asFlux();
}

Sinks.Many 用于创建多值(Multi-Value)的发布者（Publisher）的一种机制，它允许用户将数据从一个地方发送到多个订阅者，示例中启动异步线程做写入操作，通过asFlux获取Flux对象；启动看效果：

3.2 大模型的流式输出

@GetMapping(value = "/hello/stream", produces = "text/html;charset=UTF-8")
    public Flux<String> helloStream(@RequestParam(value = "input", defaultValue = "讲一个笑话") String input) {

        return chatClient.prompt(input).stream().content();

    }

把前面的call方法修改为stream即可，最终返回一个Flux对象,搞定流式输出~

四、OpenAI的starter兼容DeepSeek？

DeepSeek

观察pom.xml文件发现配置的是spring-ai-openai-starter却配置DeepSeek的URL，是不是觉得有点魔幻？

<dependency>
  <groupId>org.springframework.ai</groupId>
  <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
</dependency>

其实这是Spring AI的"障眼法"：

  1. OpenAI的API规范已成为事实标准
  2. DeepSeek等国内服务兼容这套规范
  3. Spring AI利用"可移植API"设计，实现一套代码多处使用

就像JDBC驱动可以连接不同数据库，Spring AI的客户端也能适配不同AI服务。

通义千问

类似的，阿里系通义大模型也同样适用OpenAI这套访问规范。

在百炼控制台 创建个人专属API-KEY（有免费的额度）

在application.properties修改配置

spring.ai.openai.api-key=sk-xxx

spring.ai.openai.base-url=https://dashscope.aliyuncs.com/compatible-mode
# 指定模型
spring.ai.openai.chat.options.model=qwen-plus

五、生产环境必备 - 给你的AI装上监控

老板问："AI花了多少钱？效果怎么样？" ,不用慌，可以通过监控来解决

添加监控依赖


<dependency>
  <groupId>org.springframework.boot</groupId>
  <artifactId>spring-boot-starter-actuator</artifactId>
</dependency>
<dependency>
  <groupId>io.micrometer</groupId>
  <artifactId>micrometer-registry-prometheus</artifactId>
</dependency>

启动监控


management.endpoints.web.exposure.include=health,metrics,prometheus
spring.ai.observability.enabled=true

访问/actuator/prometheus，将看到：(如何配合grafana可视化效果会更加直观)

结语：未来以来

Spring AI的出现，为Java开发者提供一整套大模型应用研发基础底座，为众多Java生态企业级的应用迈向AI领域开辟一条航向； AI时代已然到来，让我们一起扬帆起航~~~

Spring AI 项目实战（十八）：Spring Boot + AI + Vue3 + OSS + DashScope 实现高效语音识别系统（附完整源码）
博客
07-19 1058
本文介绍基于 Spring Boot AI 集成阿里云 OSS 与 DashScope 语音识别 API 的高效语音识别系统。该系统通过云端存储音频文件，解决传统本地存储的性能瓶颈与存储压力，支持同步 / 异步语音转文本，实现文件自动生命周期管理。文中详述技术选型、架构设计、核心代码实现（含前后端及配置）、部署流程，展现其高并发处理、可靠文件管理能力，适用于客服、教育等企业级场景，为语音识别应用提供实用解决方案。
Spring AI 实战：第四章、Spring AI多模态之看图说话
liaokailin的专栏
05-04 706
打交道的开发者，当第一次看到Spring AI可以同时处理图片、音频和文本时，就像看到咖啡机突然开始说话差不多，既惊讶又有点担心它会不会要求加薪。本文将带你探索Spring AI的多模态世界，让代码从"文本单细胞生物"进化为"多媒体变形金刚"~多模态（Multimodal）是指人工智能系统能够同时处理和理解多种类型的数据输入（如文本、图像、音频、视频等），并在此基础上进行综合推理和输出的能力。不过能力越大，责任越大——当你给系统装上"眼睛"和"耳朵"后，它可能会看到你上班摸鱼的秘密！背景失焦，突出了水果。
【AI】——SpringAI集成DeepSeek实现智能服务系统
最新发布
shsjssnn的博客
07-12 728
    如果我们要求AI去做一件事，我们可以用到Function Call功能（提示：DeepSeek-R1还不支持这个功能，我们可以用DeepSeek-V3）
配置阿里云千问大模型--环境变量dashscope
麦麦大数据
09-05 1590
文章介绍了如何配置dashscope环境变量，测试对接千问大模型
Spring AI 项目实战（二）：Spring Boot + AI + DeepSeek 深度实战（附完整源码）
博客
05-25 2476
本文介绍了SpringAI框架与国产大模型DeepSeek的工程化集成方案，探讨了传统软件开发与AI工程化开发的核心差异。文章详细演示了从环境搭建到应用开发的全流程，包括项目配置、API集成、流式响应处理等关键环节。通过SpringAI的标准化接口封装，开发者可以快速实现营销文案生成、代码生成、智能问答等功能，并支持高并发推理和多模型管理。本文还剖析了SpringAI的自动装配原理和核心接口设计，为企业级AI应用开发提供了可扩展的技术方案。该方案显著降低了AI集成门槛，为国产化AI模型落地提供了工程实践参考
借助 Spring AI 调用 DeepSeek：全流程指引与实战解析
qq_36743472的博客
03-04 2398
【Spring AI整合DeepSeek大模型实战指南】本文详解如何通过Spring AI框架快速集成国产顶尖大模型DeepSeek1。开发者只需完成硅基流动平台注册（官网：https://cloud.siliconflow.cn/i/3O5wqdDq），获取2000万免费Token及API密钥，即可在SpringBoot项目中配置DeepSeek模型终端。文章提供完整代码示例，涵盖智能对话、代码生成、数据分析三大场景，通过@ChatClient注解实现异步流式响应，对比传统API调用方式效率提升300%。
Spring AI+DeepSeek快速构建AI智能机器人_spring ai deepseek
HUANGXIN9898的博客
02-12 4565
本文详细介绍了如何使用Spring AI快速搭建一个具备自然语言处理能力的智能对话机器人，并结合实现前后端交互。
太简单了，Spring AI 接入 DeepSeek（附完整避坑指南）
qq_35425070的博客
03-06 6509
被 Spring AI 惊艳到了，比想象的简单多了，一个 Controller 就能接入 AI，帮了我卡住三天的大忙。
SpringAi接入DeepSeek大模型
m0_50677223的博客
05-04 1276
持续更新SpringAI。
【Spring AI】对接DeepSeek
TsukasaHwan的博客
04-14 1088
Spring AI 是 Spring 生态中的开源项目，专注于为 Spring Boot 应用提供 AI 能力集成支持，通过注解驱动、模板化配置等特性，简化与大模型（如 DeepSeek）的对接流程，帮助开发者快速构建具备生成式 AI 功能的微服务或应用。其核心价值在于抽象底层 API 细节，提供统一的模型调用、参数管理及链路监控能力。本文手把手带你使用SpringAI对接DeepSeek。
Spring AI之工具调用
湖边工程师
04-03 3615
Spring AI通过一组灵活的抽象机制支持工具调用，允许以统一方式定义、解析和执行工具。本节概述Spring AI中工具调用的核心概念与组件。工具调用的主要操作流程定义工具：当需要向模型提供工具时，需在聊天请求中包含其定义。每个工具定义包含名称、描述及输入参数的模式（schema）。模型发起调用：当模型决定调用工具时，会返回包含工具名称和符合预定义模式的输入参数的响应。应用执行工具：应用程序负责根据工具名称识别并执行对应工具，传入提供的输入参数。处理结果：工具调用的结果由应用程序处理。
Spring AI 实战：第二章、Spring AI提示词之玩转AI占卜的艺术
liaokailin的专栏
05-03 1296
引言：程序员的神秘学探索引言：程序员的神秘学探索“下个迭代能按时发布吗？“这次晋升机会有多大？“我写的代码为什么总在半夜出bug？作为一名开发者是否也曾被这些略带玄学问题困扰？那让我们用Spring AI和提示词工程打造一个专属于程序员的"赛博占卜师"，让大师来为你占卜一卦吧~一、提示词工程 - 与AI对话的艺术1.1 提示词工程是什么类比一下，AI就像一位刚从名校毕业的高材生它知识渊博但缺乏经验能解决复杂问题但需要明确指引有时会"过度脑补"（专业术语叫"幻觉"）
Spring AI 实战：第六章、Spring AI源码浅析之一山可容二虎
liaokailin的专栏
05-04 1506
通过Debug看代码效率更高依赖ChatModel，而ChatModel由各个大模型的提供；通过手动定义多个 ChatClient 解决 NoUniqueBeanDefinitionException；Advisor 机制类似 AOP，可以在调用前后插入逻辑，可以自定义 Advisor 实现日志、缓存、限流等功能；chatModel.call()最终把请求转发到各个大模型的API调用规范实现上。看完代码以后期望你能自行读懂流式请求的操作（核心是Flux的操作，在第一章给出了示例）
Spring AI 实战：第七章、Spring AI Advisor机制之记忆大师
liaokailin的专栏
05-04 1152
从金鱼到最强大脑通过 Spring AI 的记忆功能，我们成功让 AI：记住了用户身份实现了多用户隔离做到了持久化存储最终效果用户：“和上次一样” → AI 秒懂用户：“你知道我的名字吗？” → AI：“当然，张三！AI的进化路线🐟金鱼脑 →🧠最强大脑 →🏛️记忆宫殿管理员。
Spring AI集成DeepSeek，实现流式输出
小天一直在路上
02-16 5625
在已实现 Spring AI 集成 DeepSeek 的基础上，为提升用户体验，利用 Sse 技术在 Spring Boot 中使用 SseEmitter 对象实现后端流式输出，前端通过 EventSource 对象监听接收数据展示，给出前后端代码、运行项目方式，还提及参考内容、AI 技术发展趋势及 Spring AI Alibaba 框架相关信息。
深入浅出：Spring AI 集成 DeepSeek 构建智能应用
hengzq的博客
02-27 1536
Spring AI 作为 Java 生态中备受瞩目的 AI 应用开发框架，凭借其简洁的 API 设计和强大的功能，为开发者提供了构建智能应用的强大工具。与此同时，DeepSeek 作为领先的 AI 模型服务提供商，在自然语言处理、计算机视觉等领域展现了卓越的性能。本文将带你探索如何将 Spring AI 与 DeepSeek 无缝集成，体验其便捷的开发流程与高效的智能能力，助你快速构建功能强大的 AI 驱动应用。
【项目实战】Spring AI 调用 DeepSeek：全流程指引与实战解析
热门推荐
zxg的博客
03-05 2万+
Spring AI 是 Spring 团队推出的一个全新的开源项目，旨在简化人工智能技术在 Spring 应用中的集成。它提供了统一的 API 接口，使得开发者可以方便地与各种 AI 服务进行交互，包括大语言模型、图像识别、语音识别等。Spring AI 的核心优势在于其与 Spring 框架的无缝集成，以及对多种 AI 服务的广泛支持，能够大大提高开发效率，降低开发成本。DeepSeek 是一款具有高度智能化和高性能的大语言模型。
spring ai调用deepseek
03-11
### 集成 DeepSeek AI 服务到 Spring 框架 为了在 Spring 框架中集成并调用 DeepSeek AI 服务，开发者可以通过利用 Spring AI 提供的一系列工具和支持来实现这一目标。Spring AI 是由 Spring 团队推出的开源项目，专门用于简化人工智能技术与 Spring 应用之间的融合过程[^1]。 #### 准备工作 确保已经安装了必要的依赖项，并配置好 Maven 或 Gradle 构建文件以引入所需的库。对于想要使用 DeepSeek 的场景来说，如果当前无法访问在线的服务，则建议考虑本地部署该大模型来进行测试和发展目的[^2]。 #### 添加依赖 在 `pom.xml` 文件或者 build.gradle 中加入如下所示的相关依赖： 对于 Maven 用户： ```xml <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-core</artifactId> <version>${spring-ai.version}</version> </dependency> <!-- 如果需要其他特定于 DeepSeek 的组件 --> <dependency> <groupId>com.example.deepseek</groupId> <artifactId>deepseek-client</artifactId> <version>${deepseek.version}</version> </dependency> ``` 对于 Gradle 用户： ```groovy implementation 'org.springframework.ai:spring-ai-core:${springAiVersion}' // 若有额外需求可添加更多依赖 implementation 'com.example.deepseek:deepseek-client:${deepSeekClientVersion}' ``` #### 编写代码逻辑 创建一个简单的 REST 控制器用来演示如何通过 HTTP 请求向 DeepSeek 发送数据并接收响应结果。这里假设有一个名为 `DeepSeekService` 的类负责处理具体的业务逻辑操作。 ```java @RestController @RequestMapping("/api/deepseek") public class DeepSeekController { private final DeepSeekService deepSeekService; public DeepSeekController(DeepSeekService deepSeekService) { this.deepSeekService = deepSeekService; } @PostMapping("/analyze") public ResponseEntity<String> analyze(@RequestBody String inputText) throws Exception { try { // 使用 spring ai 统一 api 调用 deepseek 进行分析 String result = deepSeekService.analyze(inputText); return new ResponseEntity<>(result, HttpStatus.OK); } catch (Exception e) { throw new RuntimeException(e.getMessage(), e); } } } ``` 上述例子展示了怎样构建一个基本的应用程序端点 `/api/deepseek/analyze` 来接受 POST 方法请求并将传入的数据传递给内部定义好的 `DeepSeekService` 实现对象进行进一步处理。 #### 测试应用 完成以上步骤之后就可以启动应用程序并对新建立起来的功能模块执行单元测试或是集成测试验证其正确性和稳定性了。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

liaokailin

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值