随着 DeepSeek R1 模型的发布,其强大的思维链能力让开发者为之兴奋。然而,Spring AI 等主流框架对其支持不足,导致很多开发者无法充分发挥模型潜力。本文将为您带来一个完美的解决方案 - deepseek4j。
一、为什么需要 deepseek4j?
1.1 现有框架的局限性
思维链内容丢失:R1 最核心的推理过程完全被忽略
响应模式不兼容:无法处理"思考在前、结论在后"的输出模式
参数限制:temperature、top_p 等关键参数设置失效
流式处理不完善:用户体验欠佳
虽然笔者上篇博客介绍了如何使用 WebFlux 直接调用 DeepSeek API,但这种方式存在一些问题:开发成本高:直接调用 API 或改造现有框架需要处理大量细节,包括请求构建、响应解析、错误处理等。
一不做二不休,为了彻底解决这些问题,笔者基于 OpenAI4J[1] 项目的优秀架构,打造了一个专门面向 DeepSeek 的开箱即用方案 DeepSeek4J[2]
增强支持 DeepSeek 独有的思维链和账单特性
增加 Project Reactor 的全面响应式支持
提供集成 Spring Boot Starter,提供自动配置
二、核心特性
完整保留思维链能力、账单
响应式流式处理
简单优雅的 API 设计
开箱即用的 Spring Boot 集成,同时支持2.x / 3.x
内置调试页面
详细的请求响应日志
灵活的代理配置
响应式编程支持
三、快速开始
3.1 添加依赖
io.github.pig-mesh.ai deepseek-spring-boot-starter 1.1.0
3.2 配置参数
deepseek: api-key:your-api-key-here base-url:https://api.deepseek.com/v1#可选,默认为官方API地址,支持火山、gitee、硅基流动
3.3 基础使用
@Autowired privateDeepSeekClientdeepSeekClient; //sse流式返回 @GetMapping(value="/chat",produces=MediaType.TEXT_EVENT_STREAM_VALUE) publicFlux chat(Stringp rompt){ returndeepSeekClient.cha tFluxCompletion(prompt); }
3.4 进阶配置
publicFlux chat(Stringprompt){ ChatComple tionRequestrequest=ChatCompletionRequest.builder() //模型选择,支持DEEPSEEK_CHAT、DEEPSEEK_REASONER等 .model(ChatCompletionModel.DEEPSEEK_CHAT) //添加用户消息 . addUserMessage(prompt) //添加助手消息,用于多轮对话 .addAssistantMessage("上轮结果") //添加系统消息,用于设置角色和行为 .addSystemMessage("你是一个专业的助手") //设置最大生成token数,默认2048 .maxTokens(1000) //设置响应格式,支持JSON结构化输出 .responseF ormat() .tools()//functioncalling .build(); returndeepSeekClient.chatFluxCompletion(request); }
3.5 开发者专享彩蛋:
内置可视化调试页面,双击 sse.html 即可开启实时对话监控,完整呈现思维链演进过程!页面提供了完整的前端实现代码,可作为集成参考。
点击「阅读原文」直达项目仓库,开启你的智能开发新纪元!
参考资料
DeepSeek4J:https://github.com/pig-mesh/deepseek4j
免责声明:本文为转载,非本网原创内容,不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
如有疑问请发送邮件至:bangqikeconnect@gmail.com