百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

SpringBoot集成本地部署的deepseek

ztj100 2025-03-04 15:58 15 浏览 0 评论

SpringBoot集成本地部署的deepseek


话不多说直接上最终实现效果

一、前期准备

1. 通过Ollama安装本地deepseek。(由于我电脑配置有点低,我选择安装deepseek-R1:1.5b版本)

2. 安装IntelliJ IDEA开发工具。(我安装是IntelliJ IDEA 2023版本)

二、搭建Springboot项目

创建StringBoot项目

点击“下一步”后,我这里用的SpringBoot的版本是3.4.3,引入Spring Web、Thymeleaf和OpenAi相关的jar包。

对应pom.xml内容



org.springframework.boot
spring-boot-starter-thymeleaf


org.springframework.boot
spring-boot-starter-web


org.springframework.ai
spring-ai-openai-spring-boot-starter


org.springframework.boot
spring-boot-starter-test
test





org.springframework.ai
spring-ai-bom
${spring-ai.version}
pom
import


创建一个application.yml文件并进行配置本地部署的deepseek

#链接本地部署的deepseek
spring:
ai:
openai:
#key瞎写的,只要是不能为空
api-key: KEY
#ollama运行地址
base-url: http://127.0.0.1:11434/
chat:
options:
#deepseek语言模型版本
model: deepseek-r1:1.5b

在application.properties文件进行配置

# 设置请求超时时间

spring.mvc.async.request-timeout=360000

#可访问静态文件路径

spring.mvc.static-path-pattern=/static/**

spring,resources,static-locations=classpath:static


三、编写程序代码

1. 后端代码

1.1 编写./ai/talk的GET方式请求路径

package
com.lijianqi.deepseekR1.controller.web;

import
org.springframework.ai.chat.messages.AssistantMessage;

import
org.springframework.ai.chat.messages.UserMessage;

import
org.springframework.ai.chat.model.ChatResponse;

import
org.springframework.ai.chat.model.Generation;

import
org.springframework.ai.chat.prompt.Prompt;

import
org.springframework.ai.openai.OpenAiChatModel;

import
org.springframework.web.bind.annotation.GetMapping;

import
org.springframework.web.bind.annotation.RequestMapping;

import
org.springframework.web.bind.annotation.RequestParam;

import
org.springframework.web.bind.annotation.RestController;

import
reactor.core.publisher.Flux;

import java.io.IOException;
import java.io.InputStream;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.List;

/**
* 该控制器用于处理与 DeepSeek 相关的聊天请求。
* 通过 `/ai/talk` 接口,用户可以发送消息并获取 DeepSeek 的流式响应。
*/
@RestController
@RequestMapping("/ai")
public class DeepSeekController {
private final OpenAiChatModel chatModel;

public DeepSeekController(OpenAiChatModel chatModel) {
this.chatModel = chatModel;
}
/**
* 通过 DeepSeek 生成流式聊天响应。
* @param message 用户发送的消息。
* @return 返回一个 Flux 对象,包含 DeepSeek 的流式响应。
*/
@GetMapping("/talk")
public Flux talk(@RequestParam(value = "message") String message) {
Prompt prompt = new Prompt(new UserMessage(message));
return this.chatModel.stream(prompt);
}

}

1.2 在额外编写一个跳转页面的请求,用于跳转到对应html页面。(这个不是很重要)

package
com.lijianqi.deepseekR1.controller.web;

import
org.springframework.stereotype.Controller;

import
org.springframework.ui.Model;

import
org.springframework.web.bind.annotation.GetMapping;

/**
* 控制器类,用于处理Web页面的请求。
*/
@Controller
public class PageController {
/**
* 处理"/talk"路径的GET请求,返回聊天页面视图。
* @param model 模型对象,用于向视图传递数据
* @return 视图名称"talk",对应templates目录下的talk.html文件
*/
@GetMapping("/talk")
public String talk(Model model) {
// 返回聊天页面视图,对应templates目录下的talk.html文件
return "talk";
}
}



2. 前端代码

2.1 AI客服对话界面请求后端接口后响应结果处理

async function sendMessage() {
//获取用户输入对话内容
const input = document.getElementById('message-input');
const message = input.value;
//如果用户输入内容为空就直接返回
if (message.trim() === '') return;
//将deepseek响应的对话内同步到页面上
const chatMessages = document.getElementById('chat-messages');
const newMessage = document.createElement('div');
newMessage.classList.add('message', 'customer-message');
newMessage.textContent = message;
chatMessages.appendChild(newMessage);
//获取到用户对话内容后,清空输入框
input.value = '';
//显示等待效果
const loadingMessage = document.createElement('div');

loadingMessage.classList.add('message', 'loading-message');


loadingMessage.textContent = '思考中...';

chatMessages.appendChild(loadingMessage);
// 构建包含参数的 URL
const queryParams = new URLSearchParams({ message: message });
// 请求后端GET方式的请求
const url = `./ai/talk?${queryParams.toString()}`;
const eventSource = new EventSource(url);
const replyMessage = document.createElement('div');

replyMessage.classList.add('message', 'service-message');

// 将 replyMessage 添加到 chatMessages 中
chatMessages.appendChild(replyMessage);
//剔除思考内容
let contentThink = '';
let contentBr = '

'
let contentThinkFlag = 'NULL';
let contentBrFlag = 0;
//一点点将deepseek响应的内容打印到页面
eventSource.onmessage = function(event) {
const data = JSON.parse(event.data);

//依据deepseek响应的数据结构进行处理
let replie = data.results[0].output.text;
if (replie.indexOf(contentThink)!==-1){
contentThinkFlag = contentThink;
// 移除等待消息
chatMessages.removeChild(loadingMessage);
}
if(contentThinkFlag.indexOf(contentThink)!==-1){
// 将 \n 替换为

let formattedReplies = replie.replace(/\n/g, '
');
//清空前两个br
if(formattedReplies.indexOf(contentBr)!==-1){
contentBrFlag = contentBrFlag + 2;
}else{
contentBrFlag = contentBrFlag + 1;
}
if(contentBrFlag > 3){
// 累加内容到 replyMessage 中
replyMessage.innerHTML += formattedReplies;
// 滚动到最新消息
chatMessages.scrollTop = chatMessages.scrollHeight;
}
}
};
//出现异常时关闭连接
eventSource.onerror = function(err) {
eventSource.close();
// 移除等待消息
chatMessages.removeChild(loadingMessage);
//清空标志
contentThinkFlag = 'NULL';
contentBrFlag = 0;
};
eventSource.onopen = function() {
console.log('Connection to server opened.');
};
eventSource.onclose = function() {
console.log('Connection to server closed.');
// 移除等待消息
chatMessages.removeChild(loadingMessage);
// 滚动到最新消息
chatMessages.scrollTop = chatMessages.scrollHeight;
};
}


2.2 Deepseek响应内容格式说明

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: