Spring Boot 整合 DeepSeek 实现AI对话 (保姆及教程)

文章目录

文章目录

前言

一、创建 spring boot 工程

二、申请key

三、修改配置文件 application.properties

四、编写控制器（controller）

五、运行调试

前言

提示：随着人工智能的不断发展，ai这门技术也越来越重要，很多人都开启了拥抱ai，本文就介绍Spring Boot 整合 DeepSeek。

一、创建 spring boot 工程

点击下一步 勾选 web和ai依赖

点击完成

注：jdk必须为17如果没有 自行下载

二、申请key

        访问：DeepSeek 开放平台

        登入进入以下页面 创建一个key  

注：需要充值才能使用

三、修改配置文件 

  application.properties

spring.ai.openai.api-key=你申请的key
spring.ai.openai.base-url=https://api.deepseek.com
spring.ai.openai.chat.options.model=deepseek-chat
spring.ai.openai.chat.options.temperature=0.7
# The DeepSeek API doesn't support embeddings, so we need to disable it.
spring.ai.openai.embedding.enabled=false

四、编写控制器（controller）

@RestController
public class ChatController {
    // 注入OpenAI聊天模型实例，已通过配置文件完成API密钥等参数配置
    @Autowired
    private OpenAiChatModel chatModel;
    // 使用List维护对话上下文，包含系统消息和用户消息
    private List chatHistory = new ArrayList();
    // Bean初始化后自动执行，设置AI的初始角色
    @PostConstruct
    public void init() {
        // 添加系统消息定义AI行为准则
        chatHistory.add(new SystemMessage("You are a helpful assistant."));
    }
    // 处理GET请求的聊天接口，produces默认为application/json
    @GetMapping("/chat")
    public ChatResponse chat(String message) {
        System.out.println(message); // 打印调试信息
        // 将用户输入封装为消息对象并加入历史
        chatHistory.add(new UserMessage(message));
        // 构建包含完整对话历史的Prompt对象
        Prompt prompt = new Prompt(chatHistory);
        // 调用OpenAI模型生成响应（同步调用方式）
        ChatResponse response = chatModel.call(prompt);
        // 将AI响应加入对话历史以保持上下文连贯
        chatHistory.add(response.getResult().getOutput());
        return response; // 返回包含完整响应元数据的对象
    }
}

五、运行调试