> ## Documentation Index
> Fetch the complete documentation index at: https://javaai.pig4cloud.com/llms.txt
> Use this file to discover all available pages before exploring further.
# 快速开始
* ⭐️ **请先 Star 本项目后再提问，作者精力有限，未 Star 直接 Close**
* 🐞 [GitHub ISSUE](https://github.com/pig-mesh/deepseek4j/issues) 需包含：问题截图 + SDK版本 + 配置代码
## Maven 依赖
在你的 `pom.xml` 中添加以下依赖： [](https://maven.badges.herokuapp.com/maven-central/io.github.pig-mesh.ai/deepseek4j)
```xml theme={"system"}
io.github.pig-mesh.ai
deepseek-spring-boot-starter
1.4.3
```
## 基础配置
在 `application.yml` 或 `application.properties` 中添加必要的配置：
```yaml theme={"system"}
deepseek:
api-key: your-api-key-here # 必填项：你的 API 密钥
model: deepseek-reasoner
base-url: https://api.deepseek.com # 可选，默认为官方 API 地址
```
## 基础使用示例
### 1. 流式返回示例
```java theme={"system"}
@Autowired
private DeepSeekClient deepSeekClient;
@GetMapping(value = "/chat", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
public Flux chat(String prompt) {
return deepSeekClient.chatFluxCompletion(prompt);
}
```
### 2. 进阶配置示例
* ChatCompletionRequest 配置构造
```java theme={"system"}
@GetMapping(value = "/chat/advanced", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
public Flux 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)
// 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);
}
```
* 多轮会话
```java theme={"system"}
public final static HashMap cache = new HashMap<>();
@GetMapping(value = "/chat/advanced", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
public Flux chatAdvanced(String prompt, String cacheCode) {
log.info("cacheCode {}", cacheCode);
ChatCompletionRequest request = ChatCompletionRequest.builder().model(deepSeekProperties.getModel())
.addUserMessage(prompt)
.addAssistantMessage(elt.apply(cache.getOrDefault(cacheCode, "")))
.addSystemMessage("你是一个专业的助手").maxCompletionTokens(5000).build();
log.info("request {}", Json.toJson(request));
// 只保留上一次回答内容
cache.remove(cacheCode);
return deepSeekClient.chatFluxCompletion(request).doOnNext(i -> {
String content = choicesProcess.apply(i.choices());
// 其他ELT流程
cache.merge(cacheCode, content, String::concat);
}).doOnError(e -> log.error("/chat/advanced error:{}", e.getMessage()));
}
Function, String> choicesProcess = list -> list.stream().map(e -> e.delta().content())
.collect(Collectors.joining());
Function elt = s -> s.replaceAll("[\\s\\S]*?", "").replaceAll("\n", "");
```
### 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
```java theme={"system"}
@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();
}
```
**为Java开发者提供全栈式AI工程化解决方案**，强类型/高可维护性架构，内置30+主流大模型支持。
* **🔍 知识引擎体系**：RAG 知识引擎全自动化多模态解决方案
* **📝 AI-OCR 中枢**：复杂非标场景高精度识别
* **⚙️ 业务智能融合**：函数编排 + Chat2SQL，无缝对接现有业务系统
* **🛡️ N维风控体系**：敏感词/IP/Token/User 规则控制引擎
发现文档问题？点击此处直接在 GitHub 上编辑并提交 PR，帮助我们改进文档！