Spring AI + Ollama 实现调用DeepSeek-R1模型API

一、前言

随着人工智能技术的飞速发展，大语言模型（LLM）在各个领域的应用越来越广泛。DeepSeek 作为一款备受瞩目的国产大语言模型，凭借其强大的自然语言处理能力和丰富的知识储备，迅速成为业界关注的焦点。无论是文本生成、代码编写，还是智能问答、数据分析，DeepSeek 都展现出了巨大的潜力。

为了更好地将 DeepSeek 的强大能力赋能到实际项目中，本文将介绍如何利用 Spring AI 和 Ollama 实现 DeepSeek 模型的调用。Spring AI 作为 Spring 生态系统中用于构建 AI 应用的框架，提供了便捷的 API 和丰富的功能，能够帮助我们快速集成各种 AI 模型。而 Ollama 则是一个轻量级的工具，可以方便地在本地运行和管理大型语言模型，为开发者提供了更加灵活和高效的模型部署方案。

通过本文的学习，您将掌握如何使用 Spring AI 和 Ollama 搭建一个简单的应用，并实现对 DeepSeek 模型的调用，从而为您的项目注入更强大的 AI 能力。

二、Spring AI介绍

Spring AI 是 Spring 生态系统中的一个新兴项目，旨在为开发者提供一套简单、统一的 API 和工具，以便更轻松地将人工智能（AI）能力集成到 Spring 应用中。随着 AI 技术的快速发展，越来越多的企业希望将大语言模型（LLMs）、机器学习模型和其他 AI 功能融入自己的业务系统。Spring AI 应运而生，为开发者提供了一个标准化的方式来访问和调用各种 AI 模型和服务。

在这里插入图片描述

主要功能：

1.大语言模型（LLMs）集成

支持调用 OpenAI、DeepSeek、Hugging Face 等主流大语言模型。
提供统一的 API 进行文本生成、对话、翻译等任务。

2.向量数据库支持

集成向量数据库（如 Pinecone、Weaviate），用于存储和检索高维向量数据，支持语义搜索和推荐系统。

3.提示词工程（Prompt Engineering）

提供工具和模板，帮助开发者优化与大语言模型的交互，提升模型输出的准确性和相关性。

4.数据预处理和后处理

提供数据清洗、格式化等功能，确保输入数据符合模型要求，并对模型输出进行后处理。

5.可扩展性

支持自定义模型和算法，开发者可以根据需求扩展 Spring AI 的功能。

三、Ollama介绍

Ollama 是一个轻量级、开源的工具，旨在帮助开发者更轻松地在本地运行和管理大型语言模型（LLMs）。它专注于简化模型的部署和使用流程，使得开发者无需复杂的配置即可快速上手。Ollama 支持多种流行的开源大语言模型（如 LLaMA、Mistral、DeepSeek 等），并提供了简单易用的命令行工具和 API，方便开发者将模型集成到自己的应用中。

关于Ollama本地部署 DeepSeek 模型，参考我之前的文章 DeepSeek-R1本地部署详细指南: 《DeepSeek-R1本地部署详细指南！(Ollama+Chatbox AI+Open WebUI)》。

一定要先在本地部署 DeepSeek 模型，不然后面项目中无法使用。

四、SpringBoot项目中使用本地DeepSeek模型（代码实战）

整体版本SpringBoot 版本3.4.2 + JDK 17 + Ollama版本1.0.0-M6

1. 依赖引入

在这里插入图片描述

  <dependency>
       <groupId>org.springframework.ai</groupId>
       <artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
       <version>1.0.0-M6</version>
  </dependency>

2. 添加配置

spring.ai.ollama.base-url=http://localhost:11434

spring.ai.ollama.chat.model=deepseek-r1:14b

3. 调用模型测试

@SpringBootTest(classes = AIdemoApplication.class)
public class OllamaTestDemo {

    @Autowired
    private OllamaChatModel ollamaChatModel;

    @Test
    public void startOllama() {
        String prompt = "hello";
        System.out.println("开始。。。");
        String callResult = ollamaChatModel.call(prompt);
        System.out.println(callResult);
    }
}

4. 测试结果

Hello! How can I assist you today?

在这里插入图片描述

5. 在测试一个问题

@SpringBootTest(classes = AIdemoApplication.class)
public class OllamaTestDemo {

    @Autowired
    private OllamaChatModel ollamaChatModel;

    @Test
    public void startOllama() {
        String prompt = "请将下面的文字翻译成英文：";
        String message = "今天天气真好。";
        System.out.println("开始。。。");
        String callResult = ollamaChatModel.call(prompt + " " + message);
        System.out.println(callResult);
    }
}