DeepSeek

在本章节中，我们将学习如何使用 Spring AI Alibaba 接入 DeepSeek 系列模型。在开始学习之前，请确保您已经了解相关概念。

Chat Client；
Chat Model；
Spring AI Alibaba 快速开始；
本章节的代码您可以在 Spring AI Alibaba Example 仓库找到。

本示例主要演示如何以 ChatModel 形式接入。关于如何使用 ChatClient，请参考 Github 代码仓库示例。

DeepSeek

DeepSeek是一家创新型科技公司，成立于2023年7月17日，使用数据蒸馏技术，得到更为精炼、有用的数据。由知名私募巨头幻方量化孕育而生，专注于开发先进的大语言模型（LLM）和相关技术。

其开源的第一代推理模型 DeepSeek-R1 模型，拥有卓越的性能，在数学、代码和推理任务上可与 OpenAI o1 媲美。

Spring AI Alibaba 接入

在阿里云 DashScope 平台，同样提供了 DeepSeek 模型。同时 Spring AI Alibaba 也做了模型接入适配，您可以通过 spring-ai-alibaba-starter 接入 DeepSeek 系列模型。

引入 spring-ai-alibaba-starter

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
    <version>3.3.4</version>
</dependency>

<dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-starter</artifactId>
    <version>1.0.0-M6</version>
</dependency>

在 application.yml 文件中指定使用的模型

spring:
  ai:
    dashscope:
      api-key: ${AI_DASHSCOPE_API_KEY}
      chat:
        options:
          model: deepseek-r1

注入 ChatModel

private final DashScopeChatModel chatModel;

public DeepSeekController(DashScopeChatModel chatModel) {
    this.chatModel = chatModel;
}

编写 Controller

@GetMapping("/{prompt}")
public Generation chat(@PathVariable(value = "prompt") String prompt) {

  ChatResponse chatResponse = chatModel.call(new Prompt(prompt));

  return chatResponse.getResult();
}

至此，便完成了 DashScope 平台上 DeepSeek 模型的接入。

另外，Spring AI Alibaba 还支持 DeepSeek 的 Reasoning Content 透出，您可以通过以下方式获得 DeepSeek 的 Reasoning Content：

@GetMapping("/{prompt}")
public String chat(@PathVariable(value = "prompt") String prompt) {

    ChatResponse chatResponse = chatModel.call(new Prompt(prompt));

    if (!chatResponse.getResults().isEmpty()) {
        Map<String, Object> metadata = chatResponse.getResults()
                .get(0)
                .getOutput()
                .getMetadata();

        System.out.println(metadata.get("reasoningContent"));
    }

    return chatResponse.getResult().getOutput().getContent();
}

之后，您可以在控制台看到如下输出：

嗯，用户发来“你好”，这是个常见的中文问候。首先，我需要确认用户的需求。可能只是打个招呼，或者想开始一段对话。接下来，我应该用友好的回应回复，同时保持开放，让用户知道可以提供帮助。需要检查有没有拼写错误，确保回复自然。另外，考虑用户可能的后续问题，比如需要信息或帮助解决问题。保持简洁，但足够亲切。使用适当的标点符号和表情符号可能会让回复更温暖，不过现在通常不用表情。还要注意语言是否符合中文习惯，避免机械化的回答。可能还需要快速生成回复，减少等待时间。总之，保持礼貌和专业的平衡，让用户感到被重视和支持。

Spring AI 接入

DeepSeek 模型提供了兼容 OpenAI API 的 API 接口实现，因此我们可以基于 spring-ai-openai-spring-boot-starter 接入 DeepSeek 模型。(Spring AI 当前未适配 DeepSeek Reasoning Content)

引入 spring-ai-openai-spring-boot-starter

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    <version>1.0.0-M6</version>
</dependency>

配置 application.yml

spring:
  application:
  name: spring-ai-alibaba-deepseek-chat-model-example

  ai:
    openai:
      api-key: ${AI_OPENAI_API_KEY}
      base-url: ${AI_OPENAI_BASE_URL}
      chat:
        options:
          model: deepseek-r1

注入 ChatModel

private final ChatModel deepSeekChatModel;

public DeepSeekChatModelController (ChatModel chatModel) {
    this.deepSeekChatModel = chatModel;
}

编写 Controller 控制器

@GetMapping("/simple/chat")
public String simpleChat () {

    return deepSeekChatModel.call(new Prompt(prompt)).getResult().getOutput().getContent();
}