Janitor AI 接入 DeepSeek：实现智能化集成的最佳实践

Spring AI 的概述

Spring AI 是一个受 Python 项目 LangChain 和 LlamaIndex 启发的工具，它致力于解决 AI 集成中的复杂问题。这个工具旨在简化开发流程，将企业数据和 API 更轻松地与 AI 模型连接。通过 Spring AI，开发者可以将它视为一个适配器或高层封装，使得不同 AI 模型的集成变得更为简单高效。

统一 API 接口

Spring AI 提供了统一的 API 接口，这使得调用不同 AI 模型变得异常简单。无论是 OpenAI、Hugging Face 还是 DeepSeek 和 Gemini，开发者都可以通过学习 Spring AI 的 API 进行无缝对接。这样的设计减少了对底层实现和差异的深入了解，从而降低了学习曲线。

自动化配置管理

通过自动化配置管理，Spring AI 让开发人员只需在配置文件中定义必要的参数，例如 API 密钥和模型参数。Spring AI 会自动完成初始化和连接，避免了复杂的手动配置过程。这种自动化能力极大地提高了开发效率和代码的可维护性。

灵活的服务切换

Spring AI 的抽象设计使得更换 AI 提供商时，开发者只需修改少量的配置，而不必对业务代码进行大幅度更改。这样的灵活性对于需要根据不同场景需求快速切换 AI 服务的企业尤为重要。

Spring AI 集成 DeepSeek 的两种方式

本文将介绍如何通过两种方式将 DeepSeek 集成到 Spring AI 中，分别是伪装成 OpenAI 和本地化部署。

伪装成 OpenAI

DeepSeek 提供了 OpenAI 兼容模式，允许用户在请求头中添加 api_key 来伪装成 OpenAI 用户。Spring AI 的 openai starter 本质上是通过 RestTemplate 发起请求，我们只需修改 URL 和认证方式即可。

添加依赖

在项目的 pom.xml 文件中添加以下依赖：

    org.springframework.ai

    spring-ai-openai-spring-boot-starter

    0.8.1

修改配置文件

在 application.yml 中设置 DeepSeek 的 OpenAI 式端点和 API 密钥：

spring:

  ai:

    openai:

      base-url: https://api.deepseek.com/v1

      api-key: sk-your-deepseek-key-here

      chat.options:

        model: deepseek-chat

调用 API

在代码中通过 ChatClient 调用 DeepSeek 的 API：

@RestController

@RequestMapping("/ai")

@Slf4j

public class ChatController {



    private final ChatClient chatClient;



    public ChatController(ChatClient.Builder chatClientBuilder) {

        this.chatClient = chatClientBuilder.build();

    }



    @GetMapping("/chat")

    public String generate(@RequestParam(value = "message") String message) {

        log.info("Generating response");

        return chatClient.prompt(message).call().content();

    }

}

通过在 Prompt 调用中添加请求选项，可以覆盖默认配置，例如设置模型和温度：

ChatResponse response = chatModel.call(

    new Prompt(

        "Generate the names of 5 famous pirates.",

        OpenAiChatOptions.builder()

            .withModel("deepseek-chat")

            .withTemperature(0.4)

        .build()

    ));

本地化部署 DeepSeek

如果想在本地或内网服务器上部署 DeepSeek，可以采用 Ollama 平台。

安装 Ollama

从官方网站下载并安装 Ollama：https://ollama.com

拉取 DeepSeek 模型

通过 Ollama 下载 DeepSeek 模型：

ollama pull deepseek-r1:1.5b

ollama list deepseek

更多版本可以在 https://ollama.com/library/deepseek-r1 查看。

添加依赖

在项目的 pom.xml 文件中添加以下依赖：

    org.springframework.ai

    spring-ai-ollama-spring-boot-starter

    0.8.1

修改配置

在 application.yml 中设置本地模型名称对应的配置：

spring:

  ai:

    ollama:

      base-url: http://localhost:11434

      chat:

        model: deepseek-r1:1.5b

调用本地部署的模型

@RestController

@RequestMapping("/ai")

public class ChatController {

    private final ChatClient chatClient;



    public ChatController(ChatClient.Builder chatClient) {

        this.chatClient = chatClient.build();

    }



     @GetMapping("/chat")

    public ResponseEntity<Flux> chat(@RequestParam(value = "message") String message) {

        try {

            Flux response = chatClient.prompt(message).stream().content();

            return ResponseEntity.ok(response);

        } catch (Exception e) {

            return ResponseEntity.badRequest().build();

        }

    }

}

结论

通过 Spring AI 集成 DeepSeek，无论是伪装成 OpenAI 还是通过 Ollama 本地部署，都是非常简单且灵活的选择。Spring AI 的设计使得企业可以在不同的 AI 服务之间轻松切换，从而提升了系统的适应性和扩展性。

FAQ

问：Spring AI 如何简化 AI 模型集成？
- 答：Spring AI 提供统一的 API 接口和自动化配置管理，降低了集成复杂性，使得开发者可以快速对接多种 AI 模型。
问：DeepSeek 的 OpenAI 兼容模式有什么优势？
- 答：通过 OpenAI 兼容模式，用户可以使用现有的 OpenAI 结构与 DeepSeek 进行集成，无需大幅修改代码。
问：如何在本地部署 DeepSeek 模型？
- 答：通过 Ollama 平台，可以轻松地在本地下载和运行 DeepSeek 模型，适合内网或单机部署需求。
问：Spring AI 的抽象设计如何帮助企业？
- 答：Spring AI 的抽象设计允许企业轻松切换 AI 提供商，只需修改配置文件，无需修改业务逻辑代码。
问：如何确保 API 密钥的安全性？
- 答：API 密钥应妥善保管，避免在公共代码库中暴露，并建议定期更新以防止安全风险。