SpringAI 集成 DeepSeek 大模型实战指南

步骤三：配置文件，在 application.properties 文件中添加 DeepSeek 的配置信息

spring.ai.openai.api-key=xxx
spring.ai.openai.base-url=https://api.deepseek.com # 模型选择（示例使用对话模型）
spring.ai.openai.chat.options.model=deepseek-chat

注意：其中，api-key 是在 DeepSeek 官网注册后获取的密钥，base-url 是 DeepSeek API 的服务地址，model 指定使用的模型版本。DeepSeek 支持的模型：

• deepseek-chat（V3）：适用于聊天机器人、智能客服、内容生成等，能够理解和生成日常对话内容。
• deepseek-reasoner（R1）：专为复杂推理任务设计，适合解决需要深度逻辑分析和推理的问题。

步骤四：【示例】流式响应 & 非流式响应

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.*;
import reactor.core.publisher.Flux;

@RestController
@RequestMapping("/chat")
public class AIChatController {
    @Autowired
    private DeepSeekClient deepSeekClient;

    // 用于处理普通的非流式请求
    @PostMapping("/chat")
    public String chat(@RequestBody String message) {
        return deepSeekClient.chatCompletion(message).getOutput().getContent();
    }

    // 支持流式响应，能够实时返回 AI 的推理结果
    @GetMapping(value = "/chatstream", produces = "text/event-stream")
    public Flux<String> chatStream(@RequestParam String message) {
        return deepSeekClient.chatFluxCompletion(message)
                .map(response -> response.getOutput().getContent());
    }
}

1.4 ChatClient 接口

ChatClient 是一个接口，它定义了一个与聊天服务交互的客户端。这个接口主要用于创建聊天客户端对象，设置请求规范，以及发起聊天请求。

@RestController
public class DeepSeekController {
    private final ChatClient chatClient;

    public ChatDeepSeekController(ChatClient.Builder chatClientBuilder) {
        this.chatClient = chatClientBuilder.build();
    }

    @GetMapping("/chat2")
    public String chat2(@RequestParam(value = "msg", defaultValue = "介绍一下杜甫") String message) {
        // prompt:提示词
        return this.chatClient.prompt()
                // 用户输入的信息
                .user(message)
                // 请求大模型
                .call()
                // 返回文本
                .content();
    }
}

更多示例 (预设角色)

@Configuration
public class AIConfig {
    @Bean
    public ChatClient chatClient(ChatClient.Builder builder) {
        return builder.defaultSystem("你是一名资深开发工程师，你的名字是 sfri").build();
    }
}

流式输出

@GetMapping(value = "/chat/stream", produces = "text/html;charset=UTF-8")
public Flux<String> chatStream(@RequestParam(value = "msg") String message) {
    return chatClient.prompt().user(message).stream().content();
}

1.5 ChatModel 接口

ChatClient 底层是使用 ChatModel 作为属性的，在初始化 ChatClient 的时候可以指定 ChatModel。

1.6 示例 - 函数调用

• 允许大语言模型在生成回答时触发预定义的外部函数，从而实现动态数据获取或业务逻辑操作（如查询数据库、调用 API 等）。
• Spring AI 作为企业级 AI 开发框架，在 1.0.0.M6 版本中进行了重要升级：废弃 Function Calling 引入 Tool Calling 以更贴合行业术语。Spring AI 不会在内部处理函数调用，而是将其代理到客户端。然后，客户端负责处理函数调用，将其分派到相应的函数并返回结果。

Spring AI 的函数调用工作原理图核心流程如下：

1. 工具元数据注入：将工具描述（name/description）、参数结构（input schema）等元数据封装至请求体，建立大模型的工具调用能力基线。
2. 模型决策响应：大模型根据上下文推理生成工具调用指令（tool_calls字段），返回包含选定工具名称及结构化参数的中间响应。
3. 服务端路由执行：Spring AI 模块解析工具调用指令，通过服务发现机制定位目标工具实例，注入参数并触发同步/异步执行。
4. 执行结果标准化：工具返回原始执行结果后，系统进行数据类型校验、异常捕获和 JSON 序列化处理，生成模型可解析的标准化数据结构。
5. 上下文增强推理：将标准化结果作为新增上下文（tool_outputs）回传大模型，触发基于增强上下文的二次推理流程。
6. 终端响应生成：模型综合初始请求与工具执行结果，生成最终自然语言响应，完成工具增强的对话闭环。

例子：

步骤一：定义函数

步骤二：允许同时调用多个函数

@GetMapping(value = "/chatfuntion", produces = "application/json")
public String ragJsonText(@RequestParam(value = "userMessage") String userMessage){
    return chatClient
            .prompt()
            .system("您是算术计算器的代理。\n" +
                    "您能够支持加法运算、乘法运算等操作，其余功能将在后续版本中添加，如果用户问的问题不支持请告知详情。\n" +
                    "在提供加法运算、乘法运算等操作之前，您必须从用户处获取如下信息：两个数字，运算类型。\n" +
                    "请调用自定义函数执行加法运算、乘法运算。\n" +
                    "请讲中文。")
            .user(userMessage)
            .functions("addOperation", "mulOperation")
            .call()
            .content();
}

1.7 提示词

@GetMapping("/prompt")
public String prompt(@RequestParam("name") String name, @RequestParam("voice") String voice){
    String userText = "给我推荐北京的至少三种美食";
    UserMessage userMessage = new UserMessage(userText);
    String systemText = "你是一个美食咨询助手，可以帮助人们查询美食信息。你的名字是{name},你应该用你的名字和{voice}的饮食习惯回复用户的请求。";
    SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemText);
    // 替换占位符
    Message systemMessage = systemPromptTemplate.createMessage(Map.of("name", name, "voice", voice));
    Prompt prompt = new Prompt(List.of(userMessage, systemMessage));
    return chatClient.prompt(prompt)
            // 请求大模型
            .call()
            // 返回文本
            .content();
}

1.8 Spring AI 官方文档

请参考 Spring AI 官方文档获取最新 API 说明。