我要评论deepseek4j快速开始
maven 依赖
在你的 pom.xml 中添加以下依赖：
<dependency> <groupid>io.github.pig-mesh.ai</groupid> <artifactid>deepseek-spring-boot-starter</artifactid> <version>1.4.2</version> </dependency>
基础配置
在 application.yml 或 application.properties 中添加必要的配置：
deepseek:
api-key: your-api-key-here # 必填项：你的 api 密钥
base-url: https://api.deepseek.com # 可选，默认为官方 api 地址
log-requests: true # 可选，是否记录请求日志
log-responses: true # 可选，是否记录响应日志
# 可选的超时配置（单位：秒）
connect-timeout: 10
read-timeout: 30
call-timeout: 60
# 代理配置（可选）
proxy:
host: proxy.example.com
port: 8080
# 日志级别配置（可选）
log-level: basic
基础使用示例
1. 流式返回示例
@autowired
private deepseekclient deepseekclient;
@getmapping(value = "/chat", produces = mediatype.text_event_stream_value)
public flux<chatcompletionresponse> chat(string prompt) {
return deepseekclient.chatfluxcompletion(prompt);
}
2. 进阶配置示例
@getmapping(value = "/chat/advanced", produces = mediatype.text_event_stream_value)
public flux<chatcompletionresponse> chatadvanced(string prompt) {
chatcompletionrequest request = chatcompletionrequest.builder()
// 模型选择，支持 deepseek_chat、deepseek_reasoner 等
.model(chatcompletionmodel.deepseek_reasoner)
// 添加用户消息
.addusermessage(prompt)
// 添加助手消息，用于多轮对话
.addassistantmessage("上轮结果")
// 添加系统消息，用于设置角色和行为
.addsystemmessage("你是一个专业的助手")
// 设置最大生成 token 数，默认 2048
.maxtokens(1000)
// 设置响应格式，支持 json 结构化输出
.responseformat(...) // 可选
// function calling
.tools(...) // 可选
.build();
return deepseekclient.chatfluxcompletion(request);
}
3. 同步输出 （非实时响应流）
不推荐使用同步阻塞调用方式，r1模型推理耗时较长易导致客户端连接超时，且响应延迟会影响用户体验
@getmapping(value = "/sync/chat")
public chatcompletionresponse syncchat(string prompt) {
chatcompletionrequest request = chatcompletionrequest.builder()
// 根据渠道模型名称动态修改这个参数
.model(deepseekproperties.getmodel())
.addusermessage(prompt).build();
return deepseekclient.chatcompletion(request).execute();
}到此这篇关于springboot集成deepseek4j的项目实践的文章就介绍到这了,更多相关springboot集成deepseek4j内容请搜索代码网以前的文章或继续浏览下面的相关文章希望大家以后多多支持代码网！
发表评论