创建Spring AI项目

前置环境要求

JDK 17+（SpringBoot3 强制最低 JDK17，不支持 JDK8/11）
IDEA 2022.3+ 版本
Maven 3.8.6+ / Gradle 7.5+

分模块推荐勾选（普通后端 Web 项目，按需复制）

Spring Boot 版本选 4.1.0（稳定正式版，不要选带 SNAPSHOT 快照版）

一、开发工具（Development，必选 3 个）

✅ Spring Boot DevTools：热部署，改代码不用手动重启服务
✅ Lombok：实体类自动生成 get/set、toString，简化代码
✅ Spring Configuration Processor：yaml 配置文件自动提示，无警告

二、Web 模块（Web，做接口必须选）

展开 Web 分组，勾选：

✅ Spring Web

内置 Tomcat，提供 Controller、Restful 接口能力，前后端交互核心依赖

三、SQL 数据库（有 MySQL/Oracle 才选，纯接口演示可跳过）

展开 SQL 分组：

✅ MySQL Driver：MySQL 数据库驱动
二选一持久层框架：
- 传统 MyBatis 开发：MyBatis Framework
- JPA 自动化 CRUD：Spring Data JPA

四、测试（Testing，默认必带，不用手动勾）

创建后自动引入 Spring Boot Test，写单元测试用

五、其他按需扩展（新手起步先不选）

Template Engines：Thymeleaf 模板（前后不分离页面才用，Vue 前端项目跳过）
Security：登录权限、OAuth2（需要登录验证再勾）
NoSQL：Redis/MongoDB（用到缓存 / 文档库再勾）
GraalVM Native Support：云原生编译，普通开发不用
Docker Compose Support：本地一键启动数据库容器，新手暂时不用

最简基础勾选清单（只做接口演示、无数据库）

Development：DevTools、Lombok、Configuration Processor

Web：Spring Web

带 MySQL+MyBatis 完整勾选清单（日常业务后端）

Development：Spring Boot DevTools、Lombok、Spring Configuration Processor
Web：Spring Web
SQL：MySQL Driver、MyBatis Framework

application.yaml

spring:
  application:
    name: demo-springboot3
  ai:
    deepseek:
      api-key: 你的api_key
      # 可选：自定义接口地址（国内代理/私有化部署时填）
      base-url: https://api.deepseek.com
      chat:
        options:
          model: deepseek-v4-flash   # 最新模型名，推荐

如果测试环境不需要数据库，则需要添加exclude过滤

@SpringBootApplication(exclude = {
        DataSourceAutoConfiguration.class // 不用数据库，跳过数据源
})
public class DemoSpringboot3Application {

    public static void main(String[] args) {
        SpringApplication.run(DemoSpringboot3Application.class, args);
    }

}

创建测试的controller

import org.springframework.ai.deepseek.DeepSeekChatModel;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.deepseek.DeepSeekChatOptions;
import org.springframework.http.MediaType;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;

import java.time.Duration;
import java.time.LocalDateTime;
import java.time.format.DateTimeFormatter;
import java.util.concurrent.atomic.AtomicLong;

/**
 * DeepSeek 聊天控制器，提供同步问答、带参问答和流式输出三种接口。
 *
 * <p>基于 Spring AI 的 {@link DeepSeekChatModel} 封装，支持普通文本响应和 SSE 流式推送。
 */
@RestController
public class DeepSeekController {

    // SpringAI自动装配好Bean，直接注入
    private final DeepSeekChatModel deepSeekChatModel;
    // 全局自增序号，每条流式分片+1
    private final AtomicLong seqNum = new AtomicLong(0);
    private static final DateTimeFormatter FORMATTER = DateTimeFormatter.ofPattern("HH:mm:ss.SSS");

    /**
     * 构造方法，通过 Spring 自动注入 DeepSeek 聊天模型实例。
     *
     * @param deepSeekChatModel DeepSeek 聊天模型，由 Spring AI 自动装配
     */
    public DeepSeekController(DeepSeekChatModel deepSeekChatModel) {
        this.deepSeekChatModel = deepSeekChatModel;
    }

    /**
     * 简单问答接口，同步调用 DeepSeek 模型并返回完整回复。
     *
     * @param msg 用户发送的消息内容
     * @return DeepSeek 模型返回的完整文本响应
     */
    @GetMapping("/chat")
    public String chat(@RequestParam String msg) {
        // 简单问答
        String response = deepSeekChatModel.call(msg);
        return response;
    }

    /**
     * 带自定义参数的问答接口，支持指定模型、温度和最大 Token 数。
     *
     * @param msg 用户发送的消息内容
     * @return DeepSeek 模型返回的完整文本响应
     */
    @GetMapping("/chat/param")
    public String chatWithParam(@RequestParam String msg) {
//        自定义参数（模型、温度、最大长度）
        // 构建参数
        DeepSeekChatOptions options = DeepSeekChatOptions.builder()
                .model("deepseek-v4-flash") // 对话模型，deepseek-reasoner是深度思考
                .temperature(0.7) // 随机性0~1，越低回答越固定
                .maxTokens(1024)
                .build();

        Prompt prompt = new Prompt(msg, options);
        return deepSeekChatModel.call(prompt).getResult().getOutput().getText();
    }

    /**
     * 流式聊天接口，以 Server-Sent Events（SSE）格式向前推送 DeepSeek 模型的实时响应。
     *
     * <p>处理流程：
     * <ol>
     *     <li>调用 DeepSeek 流式 API 获取 ChatResponse 响应流</li>
     *     <li>过滤空响应，提取文本片段</li>
     *     <li>通过 bufferTimeout 将短时间内的多条片段合并为一批，减少推送频率</li>
     *     <li>封装为带序号和时间戳的 JSON 格式 SSE 事件</li>
     * </ol>
     *
     * @param msg 用户发送的消息内容
     * @return 以 SSE 格式推送的 Flux 字符串流，每条数据格式为 {@code data:{"seq":N,"timestamp":"HH:mm:ss.SSS","delta":"文本"}}
     */
    @GetMapping(value = "/stream/chat", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
    public Flux<String> streamChat(@RequestParam String msg) {
        return deepSeekChatModel.stream(new Prompt(msg))
                // 过滤无效响应，提取非空文本片段
                .filter(r -> r.getResult() != null && r.getResult().getOutput() != null)
                .mapNotNull(r -> r.getResult().getOutput().getText())
                .filter(text -> !text.isEmpty())
                // 规范SSE格式，前端EventSource兼容
                .bufferTimeout(12, Duration.ofMillis(80))
                .map(list -> String.join("", list))
                // 封装为带序号、时间戳的 SSE JSON 事件
                .map(chunk -> String.format("data:{\"seq\":%d,\"timestamp\":\"%s\",\"delta\":\"%s\"}\n\n",
                        seqNum.incrementAndGet(), LocalDateTime.now().format(FORMATTER), chunk))
                .onErrorResume(e -> Flux.just("data:【服务异常】\n\n"));
    }
}

posted @ 2026-07-15 13:35 show-code 阅读(17) 评论(0) 收藏举报

刷新页面返回顶部

show-code