Spring AI集成DeepSeek实现流式输出的操作方法_Java

前面一篇文章我们实现了《spring ai集成deepseek：三步搞定java智能应用》，大模型的响应速度是很慢的，为了提升用户体验，我们通常会使用流式输出一点点将结果输出给用户。先看下效果：

在 springboot 中实现流式输出可以使用 sse（server-sentevents，服务器发送事件）技术来实现，它是一种服务器推送技术，适合单向实时数据流，我们使用 springmvc（基于servlet）中的sseemitter对象来实现流式输出。

一、后端代码

/**
 * 流式调用
 */
@getmapping("/generatestream")
public sseemitter streamchat(@requestparam string message) {
    // 创建 sse 发射器，设置超时时间（例如 1 分钟）
    sseemitter emitter = new sseemitter(60_000l);
    // 创建 prompt 对象
    prompt prompt = new prompt(new usermessage(message));
    // 订阅流式响应
    // 完成处理
    // 异常处理
    openaichatmodel.stream(prompt).subscribe(response -> {
                try {
                    string content = response.getresult().getoutput().getcontent();
                    system.out.print(content);
                    // 发送 sse 事件
                    emitter.send(sseemitter.event()
                            .data(content)
                            .id(string.valueof(system.currenttimemillis()))
                            .build());
                } catch (exception e) {
                    emitter.completewitherror(e);
                }
            },
            emitter::completewitherror,
            emitter::complete
    );
    // 处理客户端断开连接
    emitter.oncompletion(() -> {
        // 可在此处释放资源
        system.out.println("sse connection completed");
    });
    emitter.ontimeout(() -> {
        emitter.complete();
        system.out.println("sse connection timed out");
    });
    return emitter;
}

二、前端代码

前端接受数据流也比较简单，不需要在使用传统 ajax 技术了，只需要创建一个 eventsource 对象，监听后端 sse 接口，然后将接收到的数据流展示出来即可，如下代码所示：

$('#send-button').click(function () {
  const message = $('#chat-input').val();
  // 立即清空输入框
  $('#chat-input').val('');
  // 用户消息（保持原有样式）
  var usermessage = $('<div class="message user"></div>');
  usermessage.append('<img class="avatar" src="/images/user.png" alt="用户头像">');
  usermessage.append(`<div class="content"><span class="nickname">你</span><div class="text">${message}</div></div>`);
  // 机器人消息容器（先创建空容器）
  var botmessage = $('<div class="message bot"></div>');
  botmessage.append('<img class="avatar" src="/images/robot.png" alt="助手头像">');
  botmessage.append('<div class="content"><span class="nickname">助手</span><div class="text"></div></div>');
  // 按顺序添加消息
  $('#chat-messages').append(usermessage, botmessage);
  // 流式处理
  const eventsource = new eventsource(`/ai/generatestream?message=` + message);
  eventsource.onmessage = function (event) {
  botmessage.find('.text').append(event.data);  // 追加到机器人消息内容区
  };
  // 错误处理
  eventsource.onerror = function (err) {
  $('#chat-input').val(''); // 确保网络异常时也清空
  console.error("连接错误:", err);
  eventsource.close();
  };
});

完整代码可查看：

gitee：https://gitee.com/tyronchen/spring-boot-learn/tree/master/spring-ai

github：https://github.com/tyronczt/spring-boot-learning/tree/master/spring-ai

三、运行项目

运行项目测试结果：

启动 spring boot 项目。
在浏览器中访问地址 http://localhost:8888/index.html，即可看到流式输出的内容逐渐显示在页面上。

小天有话说

此文参考居多，html页面是使用idea中的通义插件所写，demo之作，样式相对粗糙，如页面的markdown样式显示支持不完善，显示屏幕较小等。样式并非重点，后续将继续学习spring ai相关技术；

题外话

ai技术的应用早已突破简单的api调用阶段，唯有深耕深度学习领域，方能在技术迭代的浪潮中保持竞争力。这一规律不仅适用于个人发展，更是企业生存的必然选择。deepseek的崛起犹如一剂强心针，彻底激活了开源大模型领域的竞争格局——据不完全统计，已有超过200家头部企业完成deepseek技术接口的集成部署，涵盖华为、腾讯、百度、阿里、京东、字节等科技巨头，以及微软、英伟达、aws等国际厂商。

对于开发者而言，**spring ai alibaba **作为阿里云推出的ai应用开发框架，提供了从模型部署到智能体开发的完整解决方案。该框架支持40+插件集成，可实现rag增强生成与工具调用等核心功能，显著降低ai应用开发门槛。接下来也会更新一些学习文章：如deepseek接入spring cloud alibaba ai完成智能化实战等，尽情期待！