DeepSeek 提供各种 AI 语言模型，你可以使用它们来创建多语言会话助手。Spring AI 与 DeepSeek 的模型集成，为构建 AI 驱动的应用程序提供无缝体验。

Spring AI DeepSeek 集成

​
前提条件

要在 Spring AI 中开始使用 DeepSeek，你需要：
  1. 在 DeepSeek 注册页面创建一个帐户
  2. 在 API 密钥页面生成一个 API 密钥
  3. 在你的 Spring AI 项目中配置 API 密钥
你可以在 application.properties 文件中设置 API 密钥配置： 
spring.ai.deepseek.api-key=<你的-deepseek-api-密钥>
为了在处理 API 密钥等敏感信息时增强安全性，你可以使用 Spring 表达式语言 (SpEL) 来引用自定义环境变量： 
spring:
  ai:
    deepseek:
      api-key: ${DEEPSEEK_API_KEY}
你也可以在应用程序代码中以编程方式设置此配置： 
// 从安全来源或环境变量中检索 API 密钥
String apiKey = System.getenv("DEEPSEEK_API_KEY");

​
添加仓库和 BOM

Spring AI 的构件发布在 Spring Milestone 和 Snapshot 仓库中。 请参阅构件仓库部分，将这些仓库添加到你的构建系统中。 为了帮助进行依赖管理，Spring AI 提供了一个 BOM (bill of materials)，以确保在整个项目中使用一致版本的 Spring AI。请参阅依赖管理部分，将 Spring AI BOM 添加到你的构建系统中。

​
自动配置

Spring AI 为 DeepSeek 聊天模型提供 Spring Boot 自动配置。 要启用它，请将以下依赖项添加到项目的构建文件中： 
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-deepseek</artifactId>
</dependency>
请参阅依赖管理部分，将 Spring AI BOM 添加到你的构建文件中。

​
聊天属性

​
重试属性

前缀 spring.ai.retry 用作属性前缀，允许你配置 DeepSeek 聊天模型的重试机制。
属性描述默认值
spring.ai.retry.max-attempts最大重试次数。10
spring.ai.retry.backoff.initial-interval指数退避策略的初始休眠持续时间。2 秒
spring.ai.retry.backoff.multiplier退避间隔乘数。5
spring.ai.retry.backoff.max-interval最大退避持续时间。3 分钟
spring.ai.retry.on-client-errors如果为 false，则抛出 NonTransientAiException，并且不尝试对 4xx 客户端错误代码进行重试false
spring.ai.retry.exclude-on-http-codes不应触发重试的 HTTP 状态代码列表（例如，抛出 NonTransientAiException）。空
spring.ai.retry.on-http-codes应触发重试的 HTTP 状态代码列表（例如，抛出 TransientAiException）。空

​
连接属性

前缀 spring.ai.deepseek 用作属性前缀，允许你连接到 DeepSeek。
属性描述默认值
spring.ai.deepseek.base-url要连接的 URLhttps://api.deepseek.com
spring.ai.deepseek.api-keyAPI 密钥-

​
配置属性

前缀 spring.ai.deepseek.chat 是属性前缀，允许你配置 DeepSeek 的聊天模型实现。
属性描述默认值
spring.ai.deepseek.chat.enabled启用 DeepSeek 聊天模型。true
spring.ai.deepseek.chat.base-url可选地覆盖 spring.ai.deepseek.base-url 以提供特定于聊天的 URLhttps://api.deepseek.com/
spring.ai.deepseek.chat.api-key可选地覆盖 spring.ai.deepseek.api-key 以提供特定于聊天的 API 密钥-
spring.ai.deepseek.chat.completions-path聊天补全端点的路径/chat/completions
spring.ai.deepseek.chat.beta-prefix-pathBeta 功能端点的前缀路径/beta/chat/completions
spring.ai.deepseek.chat.options.model要使用的模型的 ID。你可以使用 deepseek-coder 或 deepseek-chat。deepseek-chat
spring.ai.deepseek.chat.options.frequencyPenalty-2.0 到 2.0 之间的数字。正值会根据新标记在文本中已有的频率对其进行惩罚。0.0f
spring.ai.deepseek.chat.options.maxTokens在聊天补全中生成的最大标记数。-
spring.ai.deepseek.chat.options.presencePenalty-2.0 到 2.0 之间的数字。正值会根据新标记是否已出现在文本中对其进行惩罚。0.0f
spring.ai.deepseek.chat.options.stopAPI 将停止生成更多标记的最多 4 个序列。-
spring.ai.deepseek.chat.options.temperature采样温度在 0 到 2 之间。较高的值（如 0.8）会使输出更随机。1.0F
spring.ai.deepseek.chat.options.topP核采样的温度替代方案。值在 0 到 1 之间。1.0F
spring.ai.deepseek.chat.options.logprobs是否返回输出标记的对数概率。-
spring.ai.deepseek.chat.options.topLogprobs与对数概率一起返回的最可能标记的数量 (0-20)。-
你可以为 ChatModel 实现覆盖通用的 spring.ai.deepseek.base-url 和 spring.ai.deepseek.api-key。 如果设置了 spring.ai.deepseek.chat.base-url 和 spring.ai.deepseek.chat.api-key 属性，则它们优先于通用属性。 如果你想为不同的模型和不同的模型端点使用不同的 DeepSeek 帐户，这将非常有用。
所有以 spring.ai.deepseek.chat.options 为前缀的属性都可以在运行时通过向 Prompt 调用添加特定于请求的运行时选项来覆盖。

​
运行时选项

DeepSeekChatOptions.java 提供模型配置，例如要使用的模型、温度、频率惩罚等。 在启动时，可以使用 DeepSeekChatModel(api, options) 构造函数或 spring.ai.deepseek.chat.options.* 属性配置默认选项。 在运行时，你可以通过向 Prompt 调用添加新的、特定于请求的选项来覆盖默认选项。 例如，要为特定请求覆盖默认模型和温度： 
ChatResponse response = chatModel.call(
    new Prompt(
        "生成 5 个著名海盗的名字。请提供 JSON 响应，不要包含任何代码块标记，例如 ```json```。",
        DeepSeekChatOptions.builder()
            .withModel(DeepSeekApi.ChatModel.DEEPSEEK_CHAT.getValue())
            .withTemperature(0.8f)
        .build()
    ));
除了特定于模型的 DeepSeekChatOptions之外，你还可以使用通过 ChatOptionsBuilder#builder() 创建的可移植 ChatOptions 实例。

​
示例控制器

创建一个新的 Spring Boot 项目，并将 spring-ai-starter-model-deepseek 添加到你的 pom (或 gradle) 依赖项中。 在 src/main/resources 目录下添加一个 application.properties 文件，以启用和配置 DeepSeek 聊天模型： 
spring.ai.deepseek.api-key=你的API密钥
spring.ai.deepseek.chat.options.model=deepseek-chat
spring.ai.deepseek.chat.options.temperature=0.8
将 api-key 替换为你的 DeepSeek 凭据。
这将创建一个 DeepSeekChatModel 实现，你可以将其注入到你的类中。 以下是一个简单的 @Controller 类的示例，该类使用聊天模型进行文本生成： 
@RestController
public class ChatController {

    private final DeepSeekChatModel chatModel;

    @Autowired
    public ChatController(DeepSeekChatModel chatModel) {
        this.chatModel = chatModel;
    }

    @GetMapping("/ai/generate")
    public Map generate(@RequestParam(value = "message", defaultValue = "给我讲个笑话") String message) {
        return Map.of("generation", chatModel.call(message));
    }

    @GetMapping("/ai/generateStream")
    public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "给我讲个笑话") String message) {
        var prompt = new Prompt(new UserMessage(message));
        return chatModel.stream(prompt);
    }
}

​
聊天前缀补全

聊天前缀补全遵循聊天补全 API，用户提供助手的消息前缀，模型补全消息的其余部分。
使用前缀补全时，用户必须确保消息列表中的最后一条消息是 DeepSeekAssistantMessage。
以下是聊天前缀补全的完整 Java 代码示例。在此示例中，我们将助手的消息前缀设置为 “python\n" 以强制模型输出 Python 代码，并将 stop 参数设置为 ['’] 以防止模型进行额外解释： 
@RestController
public class CodeGenerateController {

    private final DeepSeekChatModel chatModel;

    @Autowired
    public ChatController(DeepSeekChatModel chatModel) {
        this.chatModel = chatModel;
    }

    @GetMapping("/ai/generatePythonCode")
    public String generate(@RequestParam(value = "message", defaultValue = "请编写快速排序代码") String message) {
        UserMessage userMessage = new UserMessage(message);
        Message assistantMessage = DeepSeekAssistantMessage.prefixAssistantMessage("```python\\n");
        Prompt prompt = new Prompt(List.of(userMessage, assistantMessage), 
            ChatOptions.builder().stopSequences(List.of("```")).build());
        ChatResponse response = chatModel.call(prompt);
        return response.getResult().getOutput().getText();
    }
}

​
推理模型 (deepseek-reasoner)

deepseek-reasoner 是 DeepSeek 开发的推理模型。在给出最终答案之前，模型首先生成一个思维链 (CoT) 以提高其响应的准确性。
我们的 API 允许用户访问 deepseek-reasoner 生成的 CoT 内容，从而能够查看、显示和提炼它。
你可以使用 DeepSeekAssistantMessage 获取 deepseek-reasoner 生成的 CoT 内容： 
public void deepSeekReasonerExample() {
    DeepSeekChatOptions promptOptions = DeepSeekChatOptions.builder()
            .model(DeepSeekApi.ChatModel.DEEPSEEK_REASONER.getValue())
            .build();
    Prompt prompt = new Prompt("9.11 和 9.8，哪个更大？", promptOptions);
    ChatResponse response = chatModel.call(prompt);

    // 获取 deepseek-reasoner 生成的 CoT 内容
    DeepSeekAssistantMessage deepSeekAssistantMessage = 
        (DeepSeekAssistantMessage) response.getResult().getOutput();
    String reasoningContent = deepSeekAssistantMessage.getReasoningContent();
}

文档有误？请协助编辑

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！