Spring AI ChatClient集成Deepseek

下文将简述如何通过spring ai集成deepseek实现智能对话。在开始之前你需要在deepseek官网申请一个apikey,并设置到系统变量中，保障安全性。

ChatModel

在集成deepseek前，我们先要了解一个chat model，chat model是spring 集成的各大大语言模型，比如deepseek就有DeepSeekChatModel,openAI就有openAIChatModel;各自大模型的chatModel继承了spring ai的chatModel类，并重写了call方法和stream用于调用大模型。只需要添加相应配置，再调用chatModel就可实现调用。

Spring ai 1.0.1版本集成的大模型

目前版本支持的大模型如下

每种大模型的依赖都很相似，如引入openai，artifactId 就是spring-ai-starter-model-openai，引入deepseek,就是spring-ai-starter-model-deepseek

<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-openai</artifactId>
</dependency>

Chat Client

chat client是Spring ai提供统一调用大模型的对象，通过ChatClient.Builder可以指定chatModel类型。

import org.springframework.ai.chat.ChatClient;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;@Configuration
public class ChatClientConfig {@Beanpublic ChatClient openAiChatClient(OpenAiChatModel chatModel) {return ChatClient.create(chatModel);}@Beanpublic ChatClient anthropicChatClient(AnthropicChatModel chatModel) {return ChatClient.create(chatModel);}
}

以上简要介绍了一下Chat model和Chat client 下面正式介绍代码实现。

1.引入依赖

spring 提供了chatModel

 <dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency><!-- https://mvnrepository.com/artifact/org.springframework.boot/spring-boot-starter-webflux --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-webflux</artifactId><version>3.5.3</version></dependency><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-deepseek</artifactId></dependency></dependencies>     <dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>1.0.0-SNAPSHOT</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><repositories><repository><id>spring-milestones</id><url>https://repo.spring.io/milestone</url><snapshots><enabled>false</enabled></snapshots></repository><repository><id>spring-snapshots</id><name>Spring Snapshots</name><url>https://repo.spring.io/snapshot</url><releases><enabled>false</enabled></releases></repository><repository><name>Central Portal Snapshots</name><id>central-portal-snapshots</id><url>https://central.sonatype.com/repository/maven-snapshots/</url><releases><enabled>false</enabled></releases><snapshots><enabled>true</enabled></snapshots></repository></repositories>

2.添加配置

在application.yml/properties中，只需要配置api-key就可以了， base-url和model都已经默认帮你配置了

spring:application:name: deepseekTestai:deepseek:api-key: ${DEEPSEEK_API_KEY}  

3.新增测试类测试代码

DeepSeekChatModel 如果默认的baseurl和model满足你的需求，只需要自动注入即可；不满足可以定义配置类，设置对应参数。通过 ChatClient.builder(deepSeekChatModel) .build();
就可以构建一个ChatCilent，并通过prompt传输问题，prompt有两种构造器，一种是直接传输String 字符串，一种是new Prompt对象。client提供了call和stream两种格式。
call一次性返回所有文本：
String content = client.prompt("你好") .call().content();
stream是流式输出，数据类型是Flux：
Flux<String> flux = client.prompt(new Prompt("你好，你是谁")) .stream().content();
要使用flux需要引入webflux相关依赖 。
完整代码如下：

@SpringBootTest
public class DeepseekTest {@Autowiredprivate DeepSeekChatModel deepSeekChatModel;@Testpublic void testCall() {ChatClient client = ChatClient.builder(deepSeekChatModel).build();String content = client.prompt("你好").call().content();System.out.println(content);}@Testpublic void testStream() {ChatClient client = ChatClient.builder(deepSeekChatModel).build();Flux<String> flux = client.prompt(new Prompt("你好，你是谁")).stream().content();flux.toIterable().forEach(System.out::print);}
}

4.测试结果

调用call方法：

调用stream方法：

以上简单的操作步骤就可以接入deepseek实现智能对话了！