4.4 DeepSeek Chat

吴祖贤
71 阅读8分钟

DeepSeek Chat

Spring AI 参考文档 - DeepSeek Chat 模型集成指南

概述

Spring AI 支持来自 DeepSeek 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。

先决条件

您需要在 DeepSeek 创建 API 密钥以访问 DeepSeek 语言模型。

在 DeepSeek 注册页面 创建账户，并在 API 密钥页面 生成令牌。

Spring AI 项目定义了一个名为 spring.ai.deepseek.api-key 的配置属性，您应该将其设置为从 API 密钥页面获得的 API Key 的值。

您可以在 application.properties 文件中设置此配置属性：

spring.ai.deepseek.api-key=<您的DeepSeek API密钥>

为了在处理 API 密钥等敏感信息时增强安全性，您可以使用 Spring 表达式语言 (SpEL) 来引用自定义环境变量：

# 在 application.yml 中
spring:
  ai:
    deepseek:
      api-key: ${DEEPSEEK_API_KEY}

# 在您的环境或 .env 文件中
export DEEPSEEK_API_KEY=<您的DeepSeek API密钥>

您也可以在应用程序代码中以编程方式设置此配置：

// 从安全源或环境变量检索 API 密钥
String apiKey = System.getenv("DEEPSEEK_API_KEY");

添加存储库和 BOM

Spring AI 构件发布在 Spring Milestone 和 Snapshot 存储库中。 请参考构件存储库部分，将这些存储库添加到您的构建系统。

为了帮助依赖管理，Spring AI 提供了 BOM（物料清单）以确保在整个项目中使用一致的 Spring AI 版本。请参考依赖管理部分，将 Spring AI BOM 添加到您的构建系统。

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您项目的 Maven pom.xml 文件中：

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

或者添加到您的 Gradle build.gradle 文件中：

dependencies {
    implementation 'org.springframework.ai:spring-ai-starter-model-deepseek'
}

提示：请参考依赖管理部分，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，让您可以为 DeepSeek 聊天模型配置重试机制。

属性描述默认值
spring.ai.retry.max-attempts最大重试尝试次数10
spring.ai.retry.backoff.initial-interval指数退避策略的初始睡眠持续时间2 秒
spring.ai.retry.backoff.multiplier退避间隔乘数5
spring.ai.retry.backoff.max-interval最大退避持续时间3 分钟
spring.ai.retry.on-client-errors如果为 false，则抛出 NonTransientAiException，并且不会尝试重试 4xx 客户端错误代码false
spring.ai.retry.exclude-on-http-codes不应触发重试的 HTTP 状态代码列表（例如，抛出 NonTransientAiException）空
spring.ai.retry.on-http-codes应触发重试的 HTTP 状态代码列表（例如，抛出 TransientAiException）空
连接属性

前缀 spring.ai.deepseek 用作属性前缀，让您可以连接到 DeepSeek。

属性描述默认值
spring.ai.deepseek.base-url连接的 URLhttps://api.deepseek.com
spring.ai.deepseek.api-keyAPI 密钥-
配置属性

前缀 spring.ai.deepseek.chat 是属性前缀，让您可以为 DeepSeek 配置聊天模型实现。

属性描述默认值
spring.ai.deepseek.chat.enabled启用 DeepSeek 聊天模型true
spring.ai.deepseek.chat.base-url可选地覆盖 spring.ai.deepseek.base-url 以提供聊天特定的 URLhttps://api.deepseek.com/
spring.ai.deepseek.chat.api-key可选地覆盖 spring.ai.deepseek.api-key 以提供聊天特定的 API 密钥-
spring.ai.deepseek.chat.completions-path聊天完成端点的路径/chat/completions
spring.ai.deepseek.chat.beta-prefix-pathbeta 功能端点的前缀路径/beta
spring.ai.deepseek.chat.options.model要使用的模型 ID。您可以使用 deepseek-reasoner 或 deepseek-chat。deepseek-chat
spring.ai.deepseek.chat.options.frequencyPenalty-2.0 到 2.0 之间的数字。正值根据新令牌在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.deepseek.chat.options.maxTokens在聊天完成中生成的最大令牌数。输入令牌和生成令牌的总长度受模型的上下文长度限制。-
spring.ai.deepseek.chat.options.presencePenalty-2.0 到 2.0 之间的数字。正值根据新令牌是否出现在文本中来对其进行惩罚，增加模型谈论新主题的可能性。0.0f
spring.ai.deepseek.chat.options.stop最多 4 个序列，API 将停止生成进一步的令牌。-
spring.ai.deepseek.chat.options.temperature使用的采样温度，介于 0 和 2 之间。较高的值如 0.8 会使输出更随机，而较低的值如 0.2 会使输出更聚焦和确定性。我们通常建议更改此参数或 top_p，但不要同时更改两者。1.0F
spring.ai.deepseek.chat.options.topP温度采样的替代方案，称为核采样，其中模型考虑具有 top_p 概率质量的令牌结果。因此 0.1 意味着只考虑构成前 10% 概率质量的令牌。我们通常建议更改此参数或温度，但不要同时更改两者。1.0F
spring.ai.deepseek.chat.options.logprobs是否返回输出令牌的对数概率。如果为 true，则返回消息内容中返回的每个输出令牌的对数概率。-
spring.ai.deepseek.chat.options.topLogprobs0 到 20 之间的整数，指定在每个令牌位置返回的最可能令牌的数量，每个令牌都有相关的对数概率。如果使用此参数，必须将 logprobs 设置为 true。-

注意：您可以覆盖 ChatModel 实现的通用 spring.ai.deepseek.base-url 和 spring.ai.deepseek.api-key。如果设置了 spring.ai.deepseek.chat.base-url 和 spring.ai.deepseek.chat.api-key 属性，它们将优先于通用属性。如果您想为不同模型和不同模型端点使用不同的 DeepSeek 账户，这很有用。

提示：所有以 spring.ai.deepseek.chat.options 为前缀的属性都可以通过向 Prompt 调用添加请求特定的运行时选项在运行时覆盖。

运行时选项

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

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

在运行时，您可以通过向 Prompt 调用添加新的请求特定选项来覆盖默认选项。 例如，要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. 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()
    ));

提示：除了模型特定的 DeepSeekChatOptions，您还可以使用通过 ChatOptions#builder() 创建的可移植 ChatOptions 实例。

示例控制器（自动配置）

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

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

spring.ai.deepseek.api-key=YOUR_API_KEY
spring.ai.deepseek.chat.options.model=deepseek-chat
spring.ai.deepseek.chat.options.temperature=0.8

提示：请将 api-key 替换为您的 DeepSeek 凭据。

这将创建一个可以注入到您的类中的 DeepSeekChatModel 实现。 这是一个使用聊天模型进行文本生成的简单 @Controller 类示例。

@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

聊天前缀完成遵循聊天完成 API，其中用户提供助手的前缀消息供模型完成消息的其余部分。

使用前缀完成时，用户必须确保消息列表中的最后一条消息是 DeepSeekAssistantMessage。

以下是聊天前缀完成的完整 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 ['`'] 以防止模型进行额外解释。

@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 是由 DeepSeek 开发的推理模型。在给出最终答案之前，模型首先生成思维链 (CoT) 以增强其响应的准确性。我们的 API 提供用户访问由 deepseek-reasoner 生成的 CoT 内容，使他们能够查看、显示和提取它。

您可以使用 DeepSeekAssistantMessage 来获取由 deepseek-reasoner 生成的 CoT 内容。

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);

    // 获取 deepseek-reasoner 生成的 CoT 内容，仅在使用 deepseek-reasoner 模型时可用
    DeepSeekAssistantMessage deepSeekAssistantMessage = (DeepSeekAssistantMessage) response.getResult().getOutput();
    String reasoningContent = deepSeekAssistantMessage.getReasoningContent();
    String text = deepSeekAssistantMessage.getText();
}

推理模型多轮对话

在对话的每一轮中，模型输出 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：

多轮对话示例

请注意，如果 reasoning_content 字段包含在输入消息序列中，API 将返回 400 错误。因此，您应该在发出 API 请求之前从 API 响应中删除 reasoning_content 字段，如 API 示例所示。

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 ChatModel 和 StreamingChatModel，并使用低级 DeepSeekApi 客户端连接到 DeepSeek 服务。

将 spring-ai-deepseek 依赖项添加到您项目的 Maven pom.xml 文件中：

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

或者添加到您的 Gradle build.gradle 文件中：

dependencies {
    implementation 'org.springframework.ai:spring-ai-deepseek'
}

提示：请参考依赖管理部分，将 Spring AI BOM 添加到您的构建文件中。

接下来，创建 DeepSeekChatModel 并使用它进行文本生成：

DeepSeekApi deepSeekApi = DeepSeekApi.builder()
        .apiKey(System.getenv("DEEPSEEK_API_KEY"))
        .build();
DeepSeekChatOptions options = DeepSeekChatOptions.builder()
        .model(DeepSeekApi.ChatModel.DEEPSEEK_CHAT.getValue())
        .temperature(0.4)
        .maxTokens(200)
        .build();
DeepSeekChatModel chatModel = DeepSeekChatModel.builder()
        .deepSeekApi(deepSeekApi)
        .defaultOptions(options)
        .build();
ChatResponse response = chatModel.call(
    new Prompt("Generate the names of 5 famous pirates."));

// 或使用流式响应
Flux<ChatResponse> streamResponse = chatModel.stream(
    new Prompt("Generate the names of 5 famous pirates."));

DeepSeekChatOptions 为聊天请求提供配置信息。 DeepSeekChatOptions.Builder 是一个流式选项构建器。

低级 DeepSeekApi 客户端

DeepSeekApi 是一个轻量级的 DeepSeek API Java 客户端。

这是一个显示如何以编程方式使用 API 的简单片段：

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

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

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

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

请遵循 DeepSeekApi.java 的 JavaDoc 获取更多信息。

DeepSeekApi 示例

相关资源

avatar
文章
阅读
粉丝