SpringAI 开放 DeepSeek 直连！最新的 SpringAI 爆点你学会了吗？

当 Java 遇见国产大模型

SpringAI 作为 Spring 生态中面向 AI 能力的集成框架，近期正式宣布对国产大模型 DeepSeek 的直连支持——这意味着我们终于可以像使用 OpenAI 一样，以标准化方式在 Java 项目中调用国产大模型！

这篇文章和以往的系列文章无关，属于快速查找型的文章，主要服务以下内容：

1. 快速理解 SpringAI 的抽象设计哲学
2. 快速配置 DeepSeek 直连通道
3. 快速实现完整的对话与流式响应
4. 简略生产环境最佳实践

---

一、SpringAI 的设计哲学

1.1 统一的 API 抽象

SpringAI 的核心价值在于统一不同 AI 供应商的差异化 API。无论是 OpenAI、Azure 还是 DeepSeek，开发者都通过同一套 ChatClient 接口进行操作：

java

代码解读

复制代码

public interface ChatClient { ChatResponse call(ChatRequest request); Flux stream(ChatRequest request); }

这种设计完美契合六边形架构思想，将 AI 能力作为可插拔的端口（Port）接入系统，业务核心逻辑则通过适配器（Adapter）与具体实现解耦。

1.2 配置即连接

通过 Spring Boot 的 application.yml，我们可以灵活切换不同 AI 供应商：

yaml

代码解读

复制代码

spring: ai: provider: deepseek # 只需修改这个值即可切换供应商 deepseek: base-url: https://api.deepseek.com/v1 api-key: ${DEEPSEEK_API_KEY}

这种配置方式与 Spring Security 的认证体系、Spring Cloud 的微服务配置中心天然契合，特别适合需要动态切换模型供应商的企业场景。

---

二、快速接入 DeepSeek

2.1 添加依赖

在 pom.xml 中引入 SpringAI 的 DeepSeek 模块：

xml

代码解读

复制代码

org.springframework.ai spring-ai-deepseek 0.8.1

2.2 配置连接参数

在 application.yml 中配置 DeepSeek 的访问凭证：

yaml

代码解读

复制代码

spring: ai: deepseek: base-url: https://api.deepseek.com/v1 api-key: sk-your-api-key-here chat: options: model: deepseek-chat temperature: 0.7

这里我们启用了配置继承机制：全局配置可被具体 Chat 选项覆盖，实现不同业务场景的参数调优。

2.3 实现基础对话

创建服务层组件：

java

代码解读

复制代码

@Service @RequiredArgsConstructor public class DeepSeekService { private final DeepSeekChatClient chatClient; public String generateContent(String prompt) { Prompt request = new Prompt(new UserMessage(prompt)); return chatClient.call(request).getResult().getOutput().getContent(); } }

在 Controller 层暴露 API：

java

代码解读

复制代码

@RestController @RequestMapping("/api/ai") public class AIController { private final DeepSeekService deepSeekService; @PostMapping("/ask") public ResponseEntity askQuestion(@RequestBody String question) { String answer = deepSeekService.generateContent(question); return ResponseEntity.ok(answer); } }

---

三、进阶功能实现

3.1 流式响应

对于需要实时反馈的场景，使用 Server-Sent Events (SSE) 实现流式传输：

java

代码解读

复制代码

@GetMapping("/stream") public Flux streamResponse(@RequestParam String prompt) { return chatClient.stream(new Prompt(prompt)) .map(response -> response.getResult().getOutput().getContent()); }

前端通过 EventSource 监听：

javascript

代码解读

复制代码

const eventSource = new EventSource('/api/ai/stream?prompt=如何设计分布式系统'); eventSource.onmessage = (e) => { console.log(e.data); // 实时获取片段 };

3.2 结构化输出

通过指定响应格式，让模型返回结构化数据：

java

代码解读

复制代码

@Bean public PromptTemplate userPromptTemplate() { return new PromptTemplate(""" 请将以下用户反馈分类： {feedback} 按 JSON 格式返回： { "category": "bug|feature|compliment", "severity": 1-5 } """); } public AnalysisResult analyzeFeedback(String feedback) { Prompt prompt = userPromptTemplate().create(Map.of("feedback", feedback)); String json = chatClient.call(prompt).getResult().getOutput().getContent(); return objectMapper.readValue(json, AnalysisResult.class); }

---

四、生产环境最佳实践

4.1 安全加固

在 Spring Security 配置中保护 AI 端点：

java

代码解读

复制代码

@Bean SecurityFilterChain securityFilterChain(HttpSecurity http) throws Exception { http .authorizeHttpRequests(auth -> auth .requestMatchers("/api/ai/**").hasRole("AI_USER") ) .oauth2ResourceServer(OAuth2ResourceServerConfigurer::jwt); return http.build(); }

4.2 AI 也有的性能调优

通常默认配置都可以满足要求，但是当需要调优时，修改以下参数即可自定义配置。

yaml

代码解读

复制代码

spring: ai: deepseek: client: connect-timeout: 5s read-timeout: 30s max-connections: 50

4.3 监控告警

推荐使用 Micrometer 集成监控指标，代码非常简单如下所示：

java

代码解读

复制代码

@Bean MeterRegistryCustomizer metricsCommonTags() { return registry -> registry.config() .commonTags("ai.provider", "deepseek"); }

---

五、架构思考：AI 如何融入现有系统

在典型的领域驱动服务架构中，建议将 AI 服务定位在应用层与领域层之间：

markdown

代码解读

复制代码

用户界面层 ↓ 应用服务层 → AI 服务代理（处理 prompt 工程） ↓ 领域模型层 ↓ 基础设施层（SpringAI 实现）

这种设计保证了：

1. 领域模型不依赖具体 AI 实现
2. 应用服务控制 AI 的上下文组装
3. 基础设施层实现技术细节

---

结语

通过 SpringAI 集成 DeepSeek，我们不仅获得了大模型的能力，更重要的是遵循了可持续演进的架构原则。这样的架构刚好帮助我们逐步推进下面的架构设计原则：

1. 将 AI 调用封装为领域服务
2. 为重要 AI 操作添加审计日志
3. 定期评估模型输出的业务一致性

通过上面的快速预览内容，你应该可以对整体 SpringAI 的功能做一个简略了解。今后的文章中，我们将详细阐述 DDD 和 SpringAI 的真正实战型内容，敬请期待。