DeepSeek 聊天

Spring AI 支持 DeepSeek 中的各种 AI 语言模型。您可以与 DeepSeek 语言模型交互,并基于 DeepSeek 模型创建多语言对话助手。spring-doc.cadn.net.cn

前提条件

您需要使用 DeepSeek 创建一个 API 密钥才能访问 DeepSeek 语言模型。 在 DeepSeek 注册页面创建一个帐户,并在 API 密钥页面上生成令牌。 Spring AI 项目定义了一个名为spring.ai.deepseek.api-key,您应该设置为API KeyAPI 密钥页面获取。 导出环境变量是设置此配置属性的一种方法:spring-doc.cadn.net.cn

export SPRING_AI_DEEPSEEK_API_KEY=<INSERT KEY HERE>

添加存储库和 BOM

Spring AI 工件发布在 Spring Milestone 和 Snapshot 存储库中。 请参阅 Artifact Repositories 部分,将这些存储库添加到您的构建系统中。spring-doc.cadn.net.cn

为了帮助进行依赖项管理,Spring AI 提供了一个 BOM(物料清单),以确保在整个项目中使用一致的 Spring AI 版本。请参阅依赖项管理部分,将 Spring AI BOM 添加到您的构建系统中。spring-doc.cadn.net.cn

自动配置

Spring AI 为 DeepSeek 聊天模型提供 Spring Boot 自动配置。 要启用它,请将以下依赖项添加到项目的 Maven 中pom.xml文件:spring-doc.cadn.net.cn

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-deepseek</artifactId>
</dependency>

或发送到您的 Gradlebuild.gradle文件。spring-doc.cadn.net.cn

dependencies {
    implementation 'org.springframework.ai:spring-ai-starter-model-deepseek'
}
请参阅 Dependency Management 部分,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,允许您为 DeepSeek Chat 模型配置重试机制。spring-doc.cadn.net.cn

属性 描述 默认值

spring.ai.retry.max-attemptsspring-doc.cadn.net.cn

最大重试尝试次数。spring-doc.cadn.net.cn

10spring-doc.cadn.net.cn

spring.ai.retry.backoff.initial-intervalspring-doc.cadn.net.cn

指数回退策略的初始休眠持续时间。spring-doc.cadn.net.cn

2 秒spring-doc.cadn.net.cn

spring.ai.retry.backoff.multiplierspring-doc.cadn.net.cn

Backoff interval 乘数。spring-doc.cadn.net.cn

5spring-doc.cadn.net.cn

spring.ai.retry.backoff.max-intervalspring-doc.cadn.net.cn

最大回退持续时间。spring-doc.cadn.net.cn

3 分钟spring-doc.cadn.net.cn

spring.ai.retry.on-client-errorsspring-doc.cadn.net.cn

如果为 false,则抛出 NonTransientAiException,并且不尝试重试4xx客户端错误代码spring-doc.cadn.net.cn

falsespring-doc.cadn.net.cn

spring.ai.retry.exclude-on-http-codesspring-doc.cadn.net.cn

不应触发重试的 HTTP 状态代码列表(例如,引发 NonTransientAiException)。spring-doc.cadn.net.cn

emptyspring-doc.cadn.net.cn

spring.ai.retry.on-http-codesspring-doc.cadn.net.cn

应触发重试的 HTTP 状态代码列表(例如,引发 TransientAiException)。spring-doc.cadn.net.cn

emptyspring-doc.cadn.net.cn

连接属性

前缀spring.ai.deepseek用作用于连接到 DeepSeek 的属性前缀。spring-doc.cadn.net.cn

属性 描述 默认值

spring.ai.deepseek.base-urlspring-doc.cadn.net.cn

要连接到的 URLspring-doc.cadn.net.cn

api.deepseek.comspring-doc.cadn.net.cn

spring.ai.deepseek.api-keyspring-doc.cadn.net.cn

API 密钥spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

配置属性

前缀spring.ai.deepseek.chat是允许您为 DeepSeek 配置聊天模型实现的属性前缀。spring-doc.cadn.net.cn

属性 描述 默认值

spring.ai.deepseek.chat.enabledspring-doc.cadn.net.cn

启用 DeepSeek 聊天模型。spring-doc.cadn.net.cn

truespring-doc.cadn.net.cn

spring.ai.deepseek.chat.base-urlspring-doc.cadn.net.cn

可选地覆盖spring.ai.deepseek.base-url以提供特定于聊天的 URLspring-doc.cadn.net.cn

api.deepseek.com/spring-doc.cadn.net.cn

spring.ai.deepseek.chat.api-keyspring-doc.cadn.net.cn

(可选)覆盖spring.ai.deepseek.api-key以提供特定于聊天的 API 密钥spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

spring.ai.deepseek.chat.completions-pathspring-doc.cadn.net.cn

聊天完成端点的路径spring-doc.cadn.net.cn

/chat/completionsspring-doc.cadn.net.cn

spring.ai.deepseek.chat.beta-prefix-pathspring-doc.cadn.net.cn

beta 功能终端节点的前缀路径spring-doc.cadn.net.cn

/beta/chat/completions 中spring-doc.cadn.net.cn

spring.ai.deepseek.chat.options.modelspring-doc.cadn.net.cn

要使用的模型的 ID。您可以使用 deepseek-coder 或 deepseek-chat。spring-doc.cadn.net.cn

深度搜索聊天spring-doc.cadn.net.cn

spring.ai.deepseek.chat.options.frequencyPenaltyspring-doc.cadn.net.cn

介于 -2.0 和 2.0 之间的数字。正值会根据新标记到目前为止在文本中的现有频率来惩罚新标记,从而降低模型逐字重复同一行的可能性。spring-doc.cadn.net.cn

0.0 英尺spring-doc.cadn.net.cn

spring.ai.deepseek.chat.options.maxTokensspring-doc.cadn.net.cn

在聊天完成中生成的最大令牌数。输入标记和生成的标记的总长度受模型的上下文长度限制。spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

spring.ai.deepseek.chat.options.presencePenaltyspring-doc.cadn.net.cn

介于 -2.0 和 2.0 之间的数字。正值根据新标记到目前为止是否出现在文本中来惩罚新标记,从而增加模型讨论新主题的可能性。spring-doc.cadn.net.cn

0.0 英尺spring-doc.cadn.net.cn

spring.ai.deepseek.chat.options.stopspring-doc.cadn.net.cn

最多 4 个序列,API 将在其中停止生成更多令牌。spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

spring.ai.deepseek.chat.options.temperaturespring-doc.cadn.net.cn

要使用的采样温度,介于 0 和 2 之间。较高的值(如 0.8)将使输出更加随机,而较低的值(如 0.2)将使其更加集中和确定。我们通常建议更改此项或top_p,但不能同时更改两者。spring-doc.cadn.net.cn

1.0Fspring-doc.cadn.net.cn

spring.ai.deepseek.chat.options.topPspring-doc.cadn.net.cn

使用温度进行采样的替代方法,称为核抽样,其中模型考虑具有top_p概率质量的标记的结果。所以 0.1 意味着只考虑包含前 10% 概率质量的 token。我们通常建议更改此温度或温度,但不能同时更改两者。spring-doc.cadn.net.cn

1.0Fspring-doc.cadn.net.cn

spring.ai.deepseek.chat.options.logprobsspring-doc.cadn.net.cn

是否返回输出 Token 的对数概率。如果为 true,则返回消息内容中返回的每个输出标记的对数概率。spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

spring.ai.deepseek.chat.options.topLogprobsspring-doc.cadn.net.cn

一个介于 0 和 20 之间的整数,指定在每个标记位置最有可能返回的标记数,每个标记都有一个关联的对数概率。如果使用此参数,则必须将 logprobs 设置为 true。spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

您可以覆盖常见的spring.ai.deepseek.base-urlspring.ai.deepseek.api-key对于ChatModel实现。 这spring.ai.deepseek.chat.base-urlspring.ai.deepseek.chat.api-key属性(如果已设置)优先于公共属性。 如果您想为不同的模型和不同的模型终端节点使用不同的 DeepSeek 帐户,这将非常有用。
所有前缀为spring.ai.deepseek.chat.options可以通过将特定于请求的运行时选项添加到Prompt叫。

运行时选项

DeepSeekChatOptions.java 提供模型配置,例如要使用的模型、温度、频率损失等。spring-doc.cadn.net.cn

启动时,可以使用DeepSeekChatModel(api, options)constructor 或spring.ai.deepseek.chat.options.*性能。spring-doc.cadn.net.cn

在运行时,您可以通过向Prompt叫。 例如,要覆盖特定请求的默认型号和温度:spring-doc.cadn.net.cn

ChatResponse response = chatModel.call(
    new Prompt(
        "Generate the names of 5 famous pirates. Please provide the JSON response without any code block markers such as ```json```.",
        DeepSeekChatOptions.builder()
            .withModel(DeepSeekApi.ChatModel.DEEPSEEK_CHAT.getValue())
            .withTemperature(0.8f)
        .build()
    ));
除了特定于模型的 DeepSeekChatOptions 之外,您还可以使用通过 ChatOptionsBuilder#builder() 创建的可移植 ChatOptions 实例。

Samples控制器(自动配置)

创建一个新的 Spring Boot 项目并添加spring-ai-starter-model-deepseek添加到您的 POM(或 Gradle)依赖项中。spring-doc.cadn.net.cn

添加application.properties文件src/main/resources目录来启用和配置 DeepSeek Chat 模型:spring-doc.cadn.net.cn

spring.ai.deepseek.api-key=YOUR_API_KEY
spring.ai.deepseek.chat.options.model=deepseek-chat
spring.ai.deepseek.chat.options.temperature=0.8
api-key替换为您的 DeepSeek 凭证。

这将创建一个DeepSeekChatModel实现,您可以将其注入到您的类中。 下面是一个简单的示例@Controller使用 Chat 模型生成文本的类。spring-doc.cadn.net.cn

@RestController
public class ChatController {

    private final DeepSeekChatModel chatModel;

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

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

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

聊天前缀完成

聊天前缀完成遵循 Chat Completion API,其中用户为模型提供助手的前缀消息以完成消息的其余部分。spring-doc.cadn.net.cn

使用前缀补全时,用户必须确保消息列表中的最后一条消息是 DeepSeekAssistantMessage。spring-doc.cadn.net.cn

以下是用于完成聊天前缀的完整 Java 代码示例。在此示例中,我们将助手的前缀消息设置为 “'''python\n” 以强制模型输出 Python 代码,并将 stop 参数设置为 ['''] 以防止模型提供额外的解释。spring-doc.cadn.net.cn

@RestController
public class CodeGenerateController {

    private final DeepSeekChatModel chatModel;

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

    @GetMapping("/ai/generatePythonCode")
    public String generate(@RequestParam(value = "message", defaultValue = "Please write quick sort code") String message) {
		UserMessage userMessage = new UserMessage(message);
		Message assistantMessage = DeepSeekAssistantMessage.prefixAssistantMessage("```python\\n");
		Prompt prompt = new Prompt(List.of(userMessage, assistantMessage), ChatOptions.builder().stopSequences(List.of("```")).build());
		ChatResponse response = chatModel.call(prompt);
		return response.getResult().getOutput().getText();
    }
}

推理模型 (deepseek-reasoner)

deepseek-reasoner是 DeepSeek 开发的一个推理模型。在提供最终答案之前,模型首先生成一个思维链 (CoT) 以提高其响应的准确性。我们的 API 为用户提供了对 CoT 生成的内容的访问权限deepseek-reasoner,使他们能够查看、显示和提取数据。spring-doc.cadn.net.cn

您可以使用DeepSeekAssistantMessage获取生成的 CoT 内容deepseek-reasoner.spring-doc.cadn.net.cn

public void deepSeekReasonerExample() {
    DeepSeekChatOptions promptOptions = DeepSeekChatOptions.builder()
            .model(DeepSeekApi.ChatModel.DEEPSEEK_REASONER.getValue())
            .build();
    Prompt prompt = new Prompt("9.11 and 9.8, which is greater?", promptOptions);
    ChatResponse response = chatModel.call(prompt);

    // Get the CoT content generated by deepseek-reasoner, only available when using deepseek-reasoner model
    DeepSeekAssistantMessage deepSeekAssistantMessage = (DeepSeekAssistantMessage) response.getResult().getOutput();
    String reasoningContent = deepSeekAssistantMessage.getReasoningContent();
    String text = deepSeekAssistantMessage.getText();
}

推理模型 多轮对话

在每一轮对话中,模型都会输出 CoT (reasoning_content) 和最终答案 (content)。在下一轮对话中,前几轮的 CoT 不会连接到上下文中,如下图所示:spring-doc.cadn.net.cn

多模态测试图像

请注意,如果 reasoning_content 字段包含在输入消息序列中,则 API 将返回 400 错误。因此,在发出 API 请求之前,您应该从 API 响应中删除 reasoning_content 字段,如 API 示例所示。spring-doc.cadn.net.cn

public String deepSeekReasonerMultiRoundExample() {
    List<Message> messages = new ArrayList<>();
    messages.add(new UserMessage("9.11 and 9.8, which is greater?"));
    DeepSeekChatOptions promptOptions = DeepSeekChatOptions.builder()
            .model(DeepSeekApi.ChatModel.DEEPSEEK_REASONER.getValue())
            .build();

    Prompt prompt = new Prompt(messages, promptOptions);
    ChatResponse response = chatModel.call(prompt);

    DeepSeekAssistantMessage deepSeekAssistantMessage = (DeepSeekAssistantMessage) response.getResult().getOutput();
    String reasoningContent = deepSeekAssistantMessage.getReasoningContent();
    String text = deepSeekAssistantMessage.getText();

    messages.add(new AssistantMessage(Objects.requireNonNull(text)));
    messages.add(new UserMessage("How many Rs are there in the word 'strawberry'?"));
    Prompt prompt2 = new Prompt(messages, promptOptions);
    ChatResponse response2 = chatModel.call(prompt2);

    DeepSeekAssistantMessage deepSeekAssistantMessage2 = (DeepSeekAssistantMessage) response2.getResult().getOutput();
    String reasoningContent2 = deepSeekAssistantMessage2.getReasoningContent();
    return deepSeekAssistantMessage2.getText();
}

手动配置

DeepSeekChatModel 实现了ChatModelStreamingChatModel并使用低级 DeepSeekApi 客户端连接到 DeepSeek 服务。spring-doc.cadn.net.cn

添加spring-ai-deepseek依赖项添加到项目的 Mavenpom.xml文件:spring-doc.cadn.net.cn

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-deepseek</artifactId>
</dependency>

或发送到您的 Gradlebuild.gradle文件。spring-doc.cadn.net.cn

dependencies {
    implementation 'org.springframework.ai:spring-ai-deepseek'
}
请参阅 Dependency Management 部分,将 Spring AI BOM 添加到您的构建文件中。

接下来,创建一个DeepSeekChatModel并将其用于文本生成:spring-doc.cadn.net.cn

var deepSeekApi = new DeepSeekApi(System.getenv("DEEPSEEK_API_KEY"));

var chatModel = new DeepSeekChatModel(deepSeekApi, DeepSeekChatOptions.builder()
                .withModel(DeepSeekApi.ChatModel.DEEPSEEK_CHAT.getValue())
                .withTemperature(0.4f)
                .withMaxTokens(200)
                .build());

ChatResponse response = chatModel.call(
    new Prompt("Generate the names of 5 famous pirates."));

// Or with streaming responses
Flux<ChatResponse> streamResponse = chatModel.stream(
    new Prompt("Generate the names of 5 famous pirates."));

DeepSeekChatOptions提供聊天请求的配置信息。 这DeepSeekChatOptions.Builder是一个 Fluent Options Builder。spring-doc.cadn.net.cn

低级 DeepSeekApi 客户端

DeepSeekApiDeepSeek API 的轻量级 Java 客户端。spring-doc.cadn.net.cn

下面是一个简单的代码片段,演示如何以编程方式使用 API:spring-doc.cadn.net.cn

DeepSeekApi deepSeekApi =
    new DeepSeekApi(System.getenv("DEEPSEEK_API_KEY"));

ChatCompletionMessage chatCompletionMessage =
    new ChatCompletionMessage("Hello world", Role.USER);

// Sync request
ResponseEntity<ChatCompletion> response = deepSeekApi.chatCompletionEntity(
    new ChatCompletionRequest(List.of(chatCompletionMessage), DeepSeekApi.ChatModel.DEEPSEEK_CHAT.getValue(), 0.7f, false));

// Streaming request
Flux<ChatCompletionChunk> streamResponse = deepSeekApi.chatCompletionStream(
        new ChatCompletionRequest(List.of(chatCompletionMessage), DeepSeekApi.ChatModel.DEEPSEEK_CHAT.getValue(), 0.7f, true));

有关详细信息,请遵循 DeepSeekApi.java 的 JavaDoc。spring-doc.cadn.net.cn

DeepSeekApi 示例