DeepSeek Chat

QWen 3.8 中英对照 DeepSeek DeepSeek Chat

Spring AI 支持来自 DeepSeek 的各种 AI 语言模型。你可以与 DeepSeek 语言模型进行交互，并基于 DeepSeek 模型创建多语言对话助手。

前置条件

你需要创建一个 DeepSeek API 密钥以访问 DeepSeek 语言模型。

在 DeepSeek 注册页面 创建账号，并在 API Keys 页面 生成 token。

Spring AI 项目定义了一个名为 spring.ai.deepseek.api-key 的配置属性，您需要将其设置为从 API Keys 页面获取的 API Key 值。

你可以在 application.properties 文件中设置该配置属性：

spring.ai.deepseek.api-key=<your-deepseek-api-key>

在处理 API 密钥等敏感信息时，为了增强安全性，您可以使用 Spring Expression Language (SpEL) 来引用自定义环境变量：

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

# In your environment or .env file
export DEEPSEEK_API_KEY=<your-deepseek-api-key>

也可以在应用程序代码中以编程方式设置此配置：

// Retrieve API key from a secure source or environment variable
String apiKey = System.getenv("DEEPSEEK_API_KEY");

添加 Repositories 和 BOM

Spring AI 构件发布在 Spring 里程碑（Milestone）和快照（Snapshot）仓库中。请参见 Artifact Repositories 章节，了解如何将这些仓库添加到你的构建系统中。

为便于依赖管理，Spring AI 提供了一个 BOM（物料清单），以确保在整个项目中始终使用一致版本的 Spring AI。有关将 Spring AI BOM 添加到构建系统的方法，请参见 依赖管理 部分。

自动配置

Spring AI 为 DeepSeek 聊天模型提供了 Spring Boot 自动配置功能。要启用该功能，请将以下依赖项添加到项目的 Maven pom.xml 文件中：

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

或添加到您的 Gradle build.gradle 文件中。

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

提示

参考依赖管理部分，将 Spring AI BOM 添加到您的构建文件中。

Chat Properties

重试属性

前缀 spring.ai.retry 用作属性前缀，用于配置 DeepSeek Chat 模型的重试机制。

属性	描述	默认值
spring.ai.retry.max-attempts	最大重试次数。	10
spring.ai.retry.backoff.initial-interval	指数退避策略的初始休眠时长。	2 sec.
spring.ai.retry.backoff.multiplier	退避间隔乘数。	5
spring.ai.retry.backoff.max-interval	最大退避时长。	3 min.
spring.ai.retry.on-client-errors	如果设为 false，则抛出 NonTransientAiException，并不对 4xx 客户端错误码进行重试	false
spring.ai.retry.exclude-on-http-codes	不应触发重试的 HTTP 状态码列表（例如，用于抛出 NonTransientAiException）。	empty
spring.ai.retry.on-http-codes	应触发重试的 HTTP 状态码列表（例如，用于抛出 TransientAiException）。	empty

连接属性

前缀 spring.ai.deepseek 用作属性前缀，用于连接 DeepSeek。

属性	描述	默认值
spring.ai.deepseek.base-url	连接地址	https://api.deepseek.com
spring.ai.deepseek.api-key	API Key	-

配置属性

备注

现在通过前缀为 spring.ai.model.chat 的顶层属性来启用或禁用聊天自动配置。

要启用，设置 spring.ai.model.chat=deepseek（默认已启用）

要禁用，设置 spring.ai.model.chat=none（或任何与 deepseek 不匹配的值）

此变更旨在支持多个模型的配置。

前缀 spring.ai.deepseek.chat 是用于配置 DeepSeek 聊天模型实现的属性前缀。

属性	描述	默认值
spring.ai.deepseek.chat.enabled (已移除且不再有效)	启用 DeepSeek 聊天模型。	true
spring.ai.model.chat	启用 DeepSeek 聊天模型。	deepseek
spring.ai.deepseek.chat.base-url	可选地覆盖 spring.ai.deepseek.base-url 以提供特定的聊天 URL	https://api.deepseek.com/
spring.ai.deepseek.chat.api-key	可选地覆盖 spring.ai.deepseek.api-key 以提供特定的聊天 API 密钥	-
spring.ai.deepseek.chat.completions-path	聊天补全端点的路径	/chat/completions
spring.ai.deepseek.chat.beta-prefix-path	Beta 功能端点的前缀路径	/beta
spring.ai.deepseek.chat.model	要使用的模型 ID。您可以使用 deepseek-v4-flash, deepseek-v4-pro, deepseek-chat 或 deepseek-reasoner。	deepseek-v4-flash
spring.ai.deepseek.chat.frequency-penalty	-2.0 到 2.0 之间的数值。正值会根据新令牌在文本中出现的频率对其进行惩罚，从而降低模型逐字重复同一行的可能性。	0.0f
spring.ai.deepseek.chat.max-tokens	在聊天补全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上下文长度限制。	-
spring.ai.deepseek.chat.presence-penalty	-2.0 到 2.0 之间的数值。正值会根据新令牌是否出现在文本中对其进行惩罚，从而增加模型谈论新主题的可能性。	0.0f
spring.ai.deepseek.chat.stop	最多 4 个序列，当生成到这些序列时，API 将停止生成进一步的令牌。	-
spring.ai.deepseek.chat.temperature	要使用的采样温度，范围在 0 到 2 之间。较高的值（如 0.8）会使输出更具随机性，而较低的值（如 0.2）会使输出更加专注和确定。我们通常建议调整此项或 top_p，但不要同时调整两者。	1.0F
spring.ai.deepseek.chat.top-p	一种替代温度采样的方法，称为核采样（nucleus sampling），其中模型考虑具有 top_p 概率质量的令牌结果。因此 0.1 表示仅考虑构成前 10% 概率质量的令牌。我们通常建议调整此项或 temperature，但不要同时调整两者。	1.0F
spring.ai.deepseek.chat.logprobs	是否返回输出令牌的日志概率。如果为 true，则返回消息内容中每个输出令牌的日志概率。	-
spring.ai.deepseek.chat.top-logprobs	0 到 20 之间的整数，指定在每个令牌位置返回的最可能的令牌数量，每个令牌都带有相应的日志概率。如果使用此参数，则必须将 logprobs 设置为 true。	-
spring.ai.deepseek.chat.thinking.type	控制思考模式与非思考模式之间的切换。当设置为 enabled 时，使用思考模式；当设置为 disabled 时，使用非思考模式。	-
spring.ai.deepseek.chat.reasoning-effort	控制 DeepSeek 模型的推理努力程度。对于普通请求，默认值为 high；对于复杂的 Agent 风格请求（如 Claude Code, OpenCode），自动使用 max。	-
spring.ai.deepseek.chat.tool-callbacks	要注册到 ChatModel 的工具回调。	-

备注

您可以覆盖 ChatModel 实现中的通用配置项 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生效。这在希望为不同的模型和不同的模型端点使用不同的 DeepSeek 账户时非常有用。

提示

所有以 spring.ai.deepseek.chat 为前缀的属性，都可以通过在 Prompt 调用中添加请求特定的 运行时选项 在运行时被覆盖。

运行时选项

DeepSeekChatOptions.java 提供了模型配置，例如要使用的模型、temperature、frequency penalty 等。

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

在运行时，你可以在 Prompt 调用中添加新的、请求特定的选项，以覆盖默认选项。例如，要为某个特定请求覆盖默认模型和温度：

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_V4_PRO.getValue())
            .withTemperature(0.8f)
        .build()
    ));

提示

除了模型特定的 DeepSeekChatOptions 外，你还可以使用通过 ChatOptions#builder() 创建的便携式 ChatOptions 实例。

示例控制器（自动配置）

创建一个新的 Spring Boot 项目，并在 pom（或 gradle）依赖中添加 spring-ai-starter-model-deepseek。

在 src/main/resources 目录下添加一个 application.properties 文件，以启用并配置 DeepSeek Chat 模型：

spring.ai.deepseek.api-key=YOUR_API_KEY
spring.ai.deepseek.chat.model=deepseek-v4-pro
spring.ai.deepseek.chat.temperature=0.8

提示

将 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);
    }
}

工具调用

DeepSeekChatModel 支持工具调用。模型可以请求执行工具，但本身并不运行工具——Spring AI 负责处理执行过程。

对于大多数应用，使用 ChatClient 搭配自动注册的 ToolCallingAdvisor —— 参见 Tool Calling。对于需要自己驱动循环的低级控制场景，参见 ChatModel Tool Calling。

聊天前缀补全

聊天前缀补全遵循 Chat Completion API，用户需提供助手的消息前缀，由模型补全剩余内容。

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为 DeepSeekAssistantMessage。

以下是一个用于聊天前缀补全的完整 Java 代码示例。在该示例中，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 [‘`’]，以防止模型输出额外的解释说明。

@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.builder().content("```python\\n").prefix(true).build();
		Prompt prompt = new Prompt(List.of(userMessage, assistantMessage), ChatOptions.builder().stopSequences(List.of("```")).build());
		ChatResponse response = chatModel.call(prompt);
		return response.getResult().getOutput().getText();
    }
}

推理支持

你可以使用 DeepSeekAssistantMessage 来获取支持该功能的模型生成的 CoT 内容。

public void deepSeekReasoningExample() {
    DeepSeekChatOptions promptOptions = DeepSeekChatOptions.builder()
            .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 the model
    DeepSeekAssistantMessage deepSeekAssistantMessage = (DeepSeekAssistantMessage) response.getResult().getOutput();
    String reasoningContent = deepSeekAssistantMessage.getReasoningContent();
    String text = deepSeekAssistantMessage.getText();
}

思考模式

DeepSeek 模型支持在思考模式和非思考模式之间切换。可通过 Thinking 选项来控制思考模式，该选项接受 Thinking.ENABLED（思考模式）或 Thinking.DISABLED（非思考模式）。当禁用思考时，模型不会生成任何推理内容。

public void deepSeekThinkingExample() {
    DeepSeekChatOptions promptOptions = DeepSeekChatOptions.builder()
            .thinking(Thinking.DISABLED)
            .build();
    Prompt prompt = new Prompt("9.11 and 9.8, which is greater?", promptOptions);
    ChatResponse response = chatModel.call(prompt);

    DeepSeekAssistantMessage deepSeekAssistantMessage = (DeepSeekAssistantMessage) response.getResult().getOutput();
    // No reasoning content is produced when thinking is disabled
    String reasoningContent = deepSeekAssistantMessage.getReasoningContent();
    String text = deepSeekAssistantMessage.getText();
}

也可以通过 enableThinking() 和 disableThinking() 构建器便捷方法切换思考模式，或者通过 spring.ai.deepseek.chat.thinking.type 属性进行全局配置。

推理投入

DeepSeek 模型允许你通过 ReasoningEffort 选项来控制推理努力级别。普通请求的默认值为 ReasoningEffort.HIGH，而复杂 Agent 风格请求（如 Claude Code、OpenCode）会自动使用 ReasoningEffort.MAX。

public void deepSeekReasoningEffortExample() {
    DeepSeekChatOptions promptOptions = DeepSeekChatOptions.builder()
            .reasoningEffort(ReasoningEffort.MAX)
            .build();
    Prompt prompt = new Prompt("9.11 and 9.8, which is greater?", promptOptions);
    ChatResponse response = chatModel.call(prompt);

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

还可以通过 reasoningEffortHigh() 和 reasoningEffortMax() 构建器便捷方法设置推理强度，或者通过 spring.ai.deepseek.chat.reasoning-effort 属性进行全局配置。

推理模型多轮对话

在对话的每一轮中，模型都会输出思维链（reasoning_content）和最终答案（content）。在下一轮对话中，之前轮次的思维链不会被拼接到上下文中，如下面的图示所示：

手动配置

DeepSeekChatModel 实现了 ChatModel 和 StreamingChatModel 接口，并使用低级别 DeepSeekApi 客户端 连接 DeepSeek 服务。

在项目的 Maven pom.xml 文件中添加 spring-ai-deepseek 依赖：

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

或到你的 Gradle build.gradle 文件中。

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

提示

请参考 依赖管理 章节，将 Spring AI BOM 添加到您的构建文件中。

接下来，创建一个 DeepSeekChatModel 并用于文本生成：

DeepSeekApi deepSeekApi = DeepSeekApi.builder()
        .apiKey(System.getenv("DEEPSEEK_API_KEY"))
        .build();
DeepSeekChatOptions options = DeepSeekChatOptions.builder()
        .model(DeepSeekApi.ChatModel.DEEPSEEK_V4_PRO.getValue())
        .temperature(0.4)
        .maxTokens(200)
        .build();
DeepSeekChatModel chatModel = DeepSeekChatModel.builder()
        .deepSeekApi(deepSeekApi)
        .options(options)
        .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。DeepSeekChatOptions.Builder 是一个流畅式选项构建器。

Low-level DeepSeekApi 客户端

DeepSeekApi 是 DeepSeek API 的一个轻量级 Java 客户端。

下面是一个简单的代码片段，展示了如何以编程方式使用该 API：

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_V4_FLASH.getValue(), 0.7, false));

// Streaming request
Flux<ChatCompletionChunk> streamResponse = deepSeekApi.chatCompletionStream(
    new ChatCompletionRequest(List.of(chatCompletionMessage), DeepSeekApi.ChatModel.DEEPSEEK_V4_FLASH.getValue(), 0.7, true));

如需更多信息，请查阅 DeepSeekApi.java 的 JavaDoc。

DeepSeekApi 示例

• DeepSeekApiIT.java 测试提供了一些如何使用该轻量级库的通用示例。