Spring AI与DeepSeek实战一之快速打造智能对话应用_Java

一、概述

在 ai 技术蓬勃发展的今天，国产大模型 deepseek 凭借其 低成本、高性能 的特点，成为企业智能化转型的热门选择。而 spring ai 作为 java 生态的 ai 集成框架，通过统一api、简化配置等特性，让开发者无需深入底层即可快速调用各类 ai 服务。本文将手把手教你通过 spring-ai 集成 deepseek 接口实现普通对话与流式对话功能，助力你的 java 应用轻松接入 ai 能力！

二、申请deepseek的api-key

相较于直接调用 deepseek 官方的 api，阿里云百炼基于阿里云强大的云计算基础设施，提供了高可用性和稳定性的服务，并且支持程序运行时动态切换 模型广场 中的任意大模型。

登录阿里云，进入 阿里云百炼 的页面：

https://bailian.console.aliyun.com/?apikey=1#/api-key

创建自己的 api-key

三、项目搭建

3.1. 开发环境要求

jdk 17+
spring boot 3.2.x及以上

3.2. maven配置

在 spring boot 项目的 pom.xml 中添加 spring-ai 依赖

<dependency>
    <groupid>com.alibaba.cloud.ai</groupid>
    <artifactid>spring-ai-alibaba-starter</artifactid>
</dependency>

增加仓库的配置

<repositories>
    <repository>
        <id>alimaven</id>
        <url>https://maven.aliyun.com/repository/public</url>
    </repository>
    <repository>
        <id>spring-milestones</id>
        <url>https://repo.spring.io/milestone</url>
        <snapshots>
            <enabled>false</enabled>
        </snapshots>
    </repository>
    <repository>
        <id>spring-snapshots</id>
        <url>https://repo.spring.io/snapshot</url>
        <snapshots>
            <enabled>false</enabled>
        </snapshots>
    </repository>
</repositories>

3.3. 配置 api-key

在 application.yml 中添加以下配置：

spring:
  ai:
    dashscope:
      api-key: sk-xxxxxx

api-key 配置在阿里云百炼里申请的api-key 3.4. 创建chatclient对象

private final chatclient chatclient;
public chatcontroller(chatclient.builder builder) {
    string sysprompt = """
        你是一个博学的智能聊天助手，请根据用户提问回答。
        请讲中文。
        今天的日期是 {current_date}。
        """;
    this.chatclient = builder
            .defaultsystem(sysprompt)
            .defaultoptions(
                    dashscopechatoptions.builder()
                            /**
                             * 值范围：[0, 2)，系统默认值0.85。不建议取值为0，无意义
                             */
                            .withtemperature(1.3)
                            .withmodel("deepseek-v3")
                            .build()
            )
            .build();
}

defaultsystem 指定系统 prompt 来约束大模型的行为或者提供一些上下文信息，如这里告诉大模型今天的日期是多少，支持占位符；
defaultoptions 配置模型的参数
withtemperature 用于控制随机性和多样性的程度，值越高大模型回复的内容越丰富越天马行空
withmodel 配置模型广场中的模型名称，这里填写 deepseek-v3

模型广场的模型名称清单：https://help.aliyun.com/zh/model-studio/getting-started/models

3.5. 创建对话接口

@getmapping(value = "/chat")
public string chat(@requestparam string input, httpservletresponse response) {
    // 设置字符编码，避免乱码
    response.setcharacterencoding("utf-8");
    return chatclient.prompt().user(input)
            .system(s -> s.param("current_date", localdate.now().tostring()))
            .call()
            .content();
}

每次调用接口时，通过 system 来给 current_date 占位符动态赋值。

调用示例：

问身份

问日期

3.6. 切换模型

@getmapping(value = "/chat")
public string chat(@requestparam string input, @requestparam(required = false) string model, httpservletresponse response) {
    response.setcharacterencoding("utf-8");
    if (strutil.isempty(model)) {
        model = "deepseek-v3";
    }
    return chatclient.prompt().user(input)
            .system(s -> s.param("current_date", localdate.now().tostring()))
            .options(dashscopechatoptions.builder().withmodel(model).build())
            .call()
            .content();
}

使用 withmodel 来配置模型名称

调用示例：

切换deepseek-r1模型

切换通义千问模型

3.7. 使用prompt模板

通过 prompttemplate 可以编辑复杂的提示词，并且也支持占位符

@getmapping(value = "/chattemp")
public string chattemp(@requestparam string input, httpservletresponse response) {
    response.setcharacterencoding("utf-8");
    // 使用prompttemplate定义提示词模板
    prompttemplate prompttemplate = new prompttemplate("请逐步解释你的思考过程: {input}");
    prompt prompt = prompttemplate.create(map.of("input", input));
    return chatclient.prompt(prompt)
            .system(s -> s.param("current_date", localdate.now().tostring()))
            .call()
            .content();
}

这里提出让 deepseek-v3 进行逐步拆分思考，并把思考过程返回。

调用示例：

可以看到大模型会拆分多步来进行推论结果。

3.8. 使用流式对话

当前接口需等待大模型完全生成回复内容才能返回，这用户体验并不好。为实现类似 chatgpt 的逐句实时输出效果，可采用流式传输技术（streaming response）。

@getmapping(value = "/streamchat", produces = mediatype.text_event_stream_value)
public flux<string> streamchat(@requestparam string input, httpservletresponse response) {
    response.setcharacterencoding("utf-8");
    // 使用prompttemplate定义提示词模板
    prompttemplate prompttemplate = new prompttemplate("请逐步解释你的思考过程: {input}");
    prompt prompt = prompttemplate.create(map.of("input", input));
    return chatclient.prompt(prompt)
            .system(s -> s.param("current_date", localdate.now().tostring()))
            .stream()
            .content()
            .concatwith(flux.just("[done]"))
            .onerrorresume(e -> flux.just("error: " + e.getmessage(), "[done]"));
}