下面是《Spring Boot 整合 DeepSeek 实现 AI 对话（支持 API 调用和本地部署）》的完整实践指南。本文适合开发者快速将 DeepSeek 大模型集成进 Spring Boot 项目中，无论你使用的是 DeepSeek 官方 API，还是在本地运行模型（如 DeepSeek LLM 本地部署）。

✅ Spring Boot 整合 DeepSeek 实现 AI 对话（API 调用 + 本地部署）

📌 一、前提准备

✅ DeepSeek 模型简介

  • DeepSeek 是一款开源大语言模型（LLM），在中文和多语言任务中表现优异。
  • 模型支持 API 接入和本地部署（基于 GGUF、Hugging Face 等）。
  • DeepSeek Chat API 与 OpenAI API 接口格式兼容，便于集成。

✅ 二、API 方式调用 DeepSeek（推荐使用官方推理服务）

1. 获取 API Key 和 Endpoint

2. 添加 Maven 依赖

你可以使用 Spring AI，也可以直接使用 RestTemplate 或 WebClient。

推荐方式：使用 Spring AI（OpenAI 接口兼容）

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    <version>0.8.1</version>
</dependency>

3. 配置 application.yml

spring:
  ai:
    openai:
      base-url: https://api.deepseek.com/v1
      api-key: sk-xxxxxxx  # 你的 DeepSeek API Key
      model: deepseek-chat  # 或 deepseek-coder 等

4. 编写 Chat 接口代码

@RestController
@RequestMapping("/chat")
public class ChatController {

    @Autowired
    private OpenAiChatClient chatClient;

    @GetMapping
    public String chat(@RequestParam String prompt) {
        return chatClient.call(prompt);
    }
}

✅ 三、本地部署 DeepSeek 模型（离线运行）

1. 下载模型

  • DeepSeek 模型可以从 Hugging Face 下载（如 deepseek-ai/deepseek-llm-7b-base）
  • 或使用 GGUF 格式部署（用于 llama.cpp / Ollama / LM Studio）

2. 使用 Ollama 本地运行（推荐）

安装 Ollama：

curl -fsSL https://ollama.com/install.sh | sh

拉取模型：

ollama pull deepseek:7b

启动模型：

ollama run deepseek

默认会启动一个本地服务（通常是 http://localhost:11434）

3. Spring Boot 本地对接接口代码（使用 WebClient 调用）

@Service
public class LocalDeepSeekService {

    private final WebClient webClient = WebClient.builder()
        .baseUrl("http://localhost:11434") // Ollama 默认地址
        .defaultHeader(HttpHeaders.CONTENT_TYPE, MediaType.APPLICATION_JSON_VALUE)
        .build();

    public Mono<String> chat(String prompt) {
        Map<String, Object> body = Map.of(
            "model", "deepseek",
            "prompt", prompt,
            "stream", false
        );

        return webClient.post()
            .uri("/api/generate")
            .bodyValue(body)
            .retrieve()
            .bodyToMono(JsonNode.class)
            .map(json -> json.get("response").asText());
    }
}

4. 控制器调用

@RestController
@RequestMapping("/local-chat")
public class LocalChatController {

    @Autowired
    private LocalDeepSeekService deepSeekService;

    @GetMapping
    public Mono<String> localChat(@RequestParam String prompt) {
        return deepSeekService.chat(prompt);
    }
}

✅ 四、进阶功能支持

功能API 调用本地部署
多轮对话✅（通过传入 message history）✅（自行维护上下文）
流式输出✅（支持 SSE）✅（Ollama 支持流式）
JSON 输出结构✅✅
GPT 接口兼容✅ 完全兼容 OpenAI Chat✅ Ollama 支持 GPT 格式
插件扩展❌✅（可嵌入工具链）

✅ 五、常见问题与解决方案

问题说明
调用失败 401检查 API Key 是否正确
返回模型不支持模型名填写错误，或 API Key 无权限
本地模型运行慢需要 16GB 以上内存，建议使用 GPU
多轮对话混乱未正确维护上下文 message history

✅ 六、项目结构建议

src/
 └── main/
     ├── java/
     │    ├── controller/      # ChatController、LocalChatController
     │    ├── service/         # DeepSeekService、LocalDeepSeekService
     └── resources/
          └── application.yml

✅ 七、总结与建议

适用场景推荐方式
轻量 AI 接入、无需部署✅ DeepSeek 官方 API
内网使用、安全性高✅ 本地部署（Ollama + DeepSeek 模型）
多轮对话、插件开发✅ 本地部署自定义更灵活
云服务兼容性✅ DeepSeek API 兼容 OpenAI，可接入 Spring AI

好的，下面是你需要的 完整 Spring Boot 示例工程代码结构，整合了 DeepSeek API 调用 + 本地部署（Ollama）双通道对话功能，包括：

  • Maven 依赖
  • application.yml 配置
  • Controller、Service 分层代码
  • 支持 OpenAI 接口兼容模型（如 DeepSeek-Chat）

✅ 一、工程结构概览

deepseek-chat/
├── pom.xml
├── src/
│   └── main/
│       ├── java/
│       │   └── com/example/deepseek/
│       │       ├── DeepSeekChatApplication.java
│       │       ├── controller/
│       │       │   ├── ApiChatController.java
│       │       │   └── LocalChatController.java
│       │       └── service/
│       │           ├── ApiDeepSeekService.java
│       │           └── LocalDeepSeekService.java
│       └── resources/
│           └── application.yml

✅ 二、pom.xml（核心依赖）

<project>
  <modelVersion>4.0.0</modelVersion>
  <groupId>com.example</groupId>
  <artifactId>deepseek-chat</artifactId>
  <version>1.0.0</version>
  <properties>
    <java.version>17</java.version>
    <spring.boot.version>3.2.4</spring.boot.version>
  </properties>

  <dependencies>
    <!-- Spring Boot -->
    <dependency>
      <groupId>org.springframework.boot</groupId>
      <artifactId>spring-boot-starter-web</artifactId>
    </dependency>

    <!-- Spring AI OpenAI Starter -->
    <dependency>
      <groupId>org.springframework.ai</groupId>
      <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
      <version>0.8.1</version>
    </dependency>

    <!-- Reactor/JSON处理 -->
    <dependency>
      <groupId>com.fasterxml.jackson.core</groupId>
      <artifactId>jackson-databind</artifactId>
    </dependency>
    <dependency>
      <groupId>org.springframework.boot</groupId>
      <artifactId>spring-boot-starter-webflux</artifactId>
    </dependency>
  </dependencies>
</project>

✅ 三、application.yml 配置

spring:
  ai:
    openai:
      base-url: https://api.deepseek.com/v1
      api-key: sk-你的API密钥
      model: deepseek-chat

✅ 四、主程序入口 DeepSeekChatApplication.java

package com.example.deepseek;

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;

@SpringBootApplication
public class DeepSeekChatApplication {
    public static void main(String[] args) {
        SpringApplication.run(DeepSeekChatApplication.class, args);
    }
}

✅ 五、API 模式：调用官方 DeepSeek Chat 接口

1. Service 类 ApiDeepSeekService.java

package com.example.deepseek.service;

import org.springframework.ai.openai.api.OpenAiChatClient;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

@Service
public class ApiDeepSeekService {

    @Autowired
    private OpenAiChatClient chatClient;

    public String chat(String prompt) {
        return chatClient.call(prompt);
    }
}

2. 控制器 ApiChatController.java

package com.example.deepseek.controller;

import com.example.deepseek.service.ApiDeepSeekService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.*;

@RestController
@RequestMapping("/api-chat")
public class ApiChatController {

    @Autowired
    private ApiDeepSeekService apiDeepSeekService;

    @GetMapping
    public String chat(@RequestParam String prompt) {
        return apiDeepSeekService.chat(prompt);
    }
}

✅ 六、本地部署方式：使用 Ollama + DeepSeek 模型

1. Service 类 LocalDeepSeekService.java

package com.example.deepseek.service;

import com.fasterxml.jackson.databind.JsonNode;
import org.springframework.http.*;
import org.springframework.stereotype.Service;
import org.springframework.web.reactive.function.client.WebClient;
import reactor.core.publisher.Mono;

import java.util.Map;

@Service
public class LocalDeepSeekService {

    private final WebClient webClient = WebClient.builder()
        .baseUrl("http://localhost:11434") // Ollama 默认地址
        .defaultHeader(HttpHeaders.CONTENT_TYPE, MediaType.APPLICATION_JSON_VALUE)
        .build();

    public Mono<String> chat(String prompt) {
        Map<String, Object> body = Map.of(
            "model", "deepseek",
            "prompt", prompt,
            "stream", false
        );

        return webClient.post()
            .uri("/api/generate")
            .bodyValue(body)
            .retrieve()
            .bodyToMono(JsonNode.class)
            .map(json -> json.get("response").asText());
    }
}

2. 控制器 LocalChatController.java

package com.example.deepseek.controller;

import com.example.deepseek.service.LocalDeepSeekService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.*;
import reactor.core.publisher.Mono;

@RestController
@RequestMapping("/local-chat")
public class LocalChatController {

    @Autowired
    private LocalDeepSeekService localDeepSeekService;

    @GetMapping
    public Mono<String> chat(@RequestParam String prompt) {
        return localDeepSeekService.chat(prompt);
    }
}

✅ 七、访问测试

启动 Spring Boot 项目后，你可以通过如下方式访问：

  • 在线 API 模式（官方 DeepSeek）：GET http://localhost:8080/api-chat?prompt=你好
  • 本地模型模式（Ollama DeepSeek）：GET http://localhost:8080/local-chat?prompt=你好

✅ 八、扩展建议（可选）

功能技术建议
多轮对话上下文使用 message history 或 Redis/session 缓存上下文
向量搜索/知识库集成 Milvus、Weaviate、Pinecone
流式输出WebSocket / SSE
接入前端页面可使用 Vue/React 调用接口
提示词模板化使用 PromptTemplate（Spring AI 支持）