DeepSeek Chat

DeepSeek AI 提供开源的 DeepSeek V3 模型，该模型以其尖端的推理和问题解决能力而闻名。

Spring AI 通过复用现有的 OpenAI 客户端与 DeepSeek AI 集成。要开始使用，您需要获取一个 DeepSeek API 密钥，配置基本 URL，并选择一个支持的模型。

spring ai deepseek integration
当前版本的 deepseek-chat 模型的函数调用功能不稳定，可能导致循环调用或空响应。

查看 DeepSeekWithOpenAiChatModelIT.java 测试，获取使用 DeepSeek 与 Spring AI 的示例。

先决条件

  • 创建 API 密钥: 访问此处创建 API 密钥。在您的 Spring AI 项目中使用 spring.ai.openai.api-key 属性进行配置。

  • 设置 DeepSeek 基本 URL: 将 spring.ai.openai.base-url 属性设置为 api.deepseek.com。

  • 选择 DeepSeek 模型: 使用 spring.ai.openai.chat.options.model=<model name> 属性指定模型。请参考支持的模型以获取可用选项。

环境变量配置示例

export SPRING_AI_OPENAI_API_KEY=<INSERT DEEPSEEK API KEY HERE>
export SPRING_AI_OPENAI_BASE_URL=https://api.deepseek.com
export SPRING_AI_OPENAI_CHAT_MODEL=deepseek-chat

添加仓库和 BOM

Spring AI 的构建产物发布在 Maven Central 和 Spring Snapshot 仓库中。请参阅仓库章节将这些仓库添加到您的构建系统中。

为了帮助进行依赖管理，Spring AI 提供了一个 BOM (材料清单)，以确保在整个项目中使用的 Spring AI 版本保持一致。请参阅依赖管理章节将 Spring AI BOM 添加到您的构建系统中。

自动配置

Spring AI 自动配置、starter 模块的 artifact 名称发生了重大变化。请参考升级说明以获取更多信息。

Spring AI 为 OpenAI 聊天客户端提供了 Spring Boot 自动配置。要启用它，请将以下依赖添加到您项目的 Maven pom.xml 或 Gradle build.gradle 构建文件中

  • Maven

  • Gradle

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-openai</artifactId>
</dependency>
dependencies {
    implementation 'org.springframework.ai:spring-ai-starter-model-openai'
}
请参阅依赖管理章节将 Spring AI BOM 添加到您的构建文件中。

聊天属性

重试属性

前缀 spring.ai.retry 用作属性前缀，允许您配置 OpenAI 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时长。

2 秒。

spring.ai.retry.backoff.multiplier

退避间隔乘数。

5

spring.ai.retry.backoff.max-interval

最大退避时长。

3 分钟。

spring.ai.retry.on-client-errors

如果为 false，则抛出 NonTransientAiException，并且不对 4xx 客户端错误代码尝试重试。

false

spring.ai.retry.exclude-on-http-codes

不应触发重试的 HTTP 状态码列表（例如，抛出 NonTransientAiException）。

空

spring.ai.retry.on-http-codes

应触发重试的 HTTP 状态码列表（例如，抛出 TransientAiException）。

空

连接属性

前缀 spring.ai.openai 用作属性前缀，允许您连接到 OpenAI。

属性 描述 默认值

spring.ai.openai.base-url

要连接的 URL。必须设置为 api.deepseek.com

-

spring.ai.openai.api-key

您的 DeepSeek API 密钥

-

配置属性

聊天自动配置的启用和禁用现在通过以 spring.ai.model.chat 为前缀的顶级属性进行配置。

要启用，请设置 spring.ai.model.chat=openai (默认已启用)

要禁用，请设置 spring.ai.model.chat=none (或任何与 openai 不匹配的值)

此更改是为了允许配置多个模型。

前缀 spring.ai.openai.chat 是属性前缀，允许您配置 OpenAI 的聊天模型实现。

属性 描述 默认值

spring.ai.openai.chat.enabled (已移除，不再有效)

启用 OpenAI 聊天模型。

true

spring.ai.model.chat

启用 OpenAI 聊天模型。

openai

spring.ai.openai.chat.base-url

可选，覆盖 spring.ai.openai.base-url 以提供聊天特定的 URL。必须设置为 api.deepseek.com

-

spring.ai.openai.chat.api-key

可选，覆盖 spring.ai.openai.api-key 以提供聊天特定的 API 密钥

-

spring.ai.openai.chat.options.model

要使用的 DeepSeek LLM 模型

-

spring.ai.openai.chat.options.temperature

用于控制生成补全内容的明显创造性的采样温度。值越高，输出越随机；值越低，结果越集中和确定。不建议在同一个补全请求中同时修改 temperature 和 top_p，因为这两个设置的交互作用难以预测。

0.8

spring.ai.openai.chat.options.frequencyPenalty

介于 -2.0 和 2.0 之间的数字。正值根据新 token 在当前文本中的现有频率对其进行惩罚，降低模型逐字重复同一行的可能性。

0.0f

spring.ai.openai.chat.options.maxTokens

在聊天补全中生成的最大 token 数量。输入 token 和生成 token 的总长度受模型上下文长度的限制。

-

spring.ai.openai.chat.options.n

为每个输入消息生成多少个聊天补全选项。请注意，您将根据所有选项中生成的 token 总数进行收费。将 n 设置为 1 以最小化成本。

1

spring.ai.openai.chat.options.presencePenalty

介于 -2.0 和 2.0 之间的数字。正值根据新 token 是否出现在当前文本中对其进行惩罚，增加模型讨论新主题的可能性。

-

spring.ai.openai.chat.options.responseFormat

一个对象，指定模型必须输出的格式。设置为 { "type": "json_object" } 可启用 JSON 模式，保证模型生成的消息是有效的 JSON。

-

spring.ai.openai.chat.options.seed

此功能处于 Beta 阶段。如果指定，我们的系统将尽最大努力进行确定性采样，以便具有相同 seed 和参数的重复请求应返回相同的结果。

-

spring.ai.openai.chat.options.stop

最多 4 个序列，API 将在此处停止生成更多 token。

-

spring.ai.openai.chat.options.topP

采样温度的一种替代方法，称为核采样 (nucleus sampling)，模型会考虑具有 top_p 概率质量的 token 的结果。因此，0.1 表示仅考虑构成前 10% 概率质量的 token。我们通常建议修改此项或 temperature，但不要同时修改两者。

-

spring.ai.openai.chat.options.tools

模型可以调用的工具列表。目前，仅支持将函数作为工具。使用此项提供模型可以为其生成 JSON 输入的函数列表。

-

spring.ai.openai.chat.options.toolChoice

控制模型调用哪个（如果存在）函数。 none 表示模型不会调用函数，而是生成消息。 auto 表示模型可以在生成消息或调用函数之间进行选择。通过 {"type: "function", "function": {"name": "my_function"}} 指定特定函数会强制模型调用该函数。如果不存在函数，默认值为 none。如果存在函数，默认值为 auto。

-

spring.ai.openai.chat.options.user

代表您的最终用户的唯一标识符，可以帮助 OpenAI 监控和检测滥用行为。

-

spring.ai.openai.chat.options.functions

函数列表，按名称标识，用于在单个 prompt 请求中启用函数调用。具有这些名称的函数必须存在于 functionCallbacks 注册表中。

-

spring.ai.openai.chat.options.stream-usage

（仅限流式传输）设置此项可添加一个额外的 chunk，其中包含整个请求的 token 用量统计信息。此 chunk 的 choices 字段是一个空数组，所有其他 chunk 也将包含一个 usage 字段，但值为 null。

false

spring.ai.openai.chat.options.proxy-tool-calls

如果为 true，Spring AI 不会内部处理函数调用，而是将其代理到客户端。然后，由客户端负责处理函数调用，将其分派到适当的函数，并返回结果。如果为 false（默认值），Spring AI 将内部处理函数调用。仅适用于支持函数调用的聊天模型。

false
所有以 spring.ai.openai.chat.options 为前缀的属性都可以在运行时通过向 Prompt 调用添加请求特定的运行时选项来覆盖。

运行时选项

OpenAiChatOptions.java 提供了模型配置，例如要使用的模型、温度、频率惩罚等。

在启动时，可以使用 OpenAiChatModel(api, options) 构造函数或 spring.ai.openai.chat.options.* 属性配置默认选项。

在运行时，您可以通过向 Prompt 调用添加新的、针对请求的选项来覆盖默认选项。例如，覆盖特定请求的默认模型和温度

ChatResponse response = chatModel.call(
    new Prompt(
        "Generate the names of 5 famous pirates.",
        OpenAiChatOptions.builder()
            .model("deepseek-chat")
            .temperature(0.4)
        .build()
    ));
除了特定于模型的 OpenAiChatOptions 之外，您还可以使用一个可移植的 ChatOptions 实例，该实例使用 ChatOptions#builder() 创建。

函数调用

当前版本的 deepseek-chat 模型的函数调用功能不稳定，可能导致循环调用或空响应。

多模态

目前，DeepSeek API 不支持媒体内容。

示例 Controller

创建一个新的 Spring Boot 项目，并将 spring-ai-starter-model-openai 添加到您的 pom（或 gradle）依赖中。

在 src/main/resources 目录下添加一个 application.properties 文件，以启用和配置 OpenAi 聊天模型

spring.ai.openai.api-key=<DEEPSEEK_API_KEY>
spring.ai.openai.base-url=https://api.deepseek.com
spring.ai.openai.chat.options.model=deepseek-chat
spring.ai.openai.chat.options.temperature=0.7

# The DeepSeek API doesn't support embeddings, so we need to disable it.
spring.ai.openai.embedding.enabled=false
将 api-key 替换为您的 DeepSeek API 密钥。

这将创建一个 OpenAiChatModel 实现，您可以将其注入到您的类中。这是一个使用聊天模型生成文本的简单 @Controller 类示例。

@RestController
public class ChatController {

    private final OpenAiChatModel chatModel;

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

    @GetMapping("/ai/generate")
    public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        return Map.of("generation", this.chatModel.call(message));
    }

    @GetMapping("/ai/generateStream")
    public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        Prompt prompt = new Prompt(new UserMessage(message));
        return this.chatModel.stream(prompt);
    }
}

参考资料