搜索到
3
篇与
的结果
-
Spring 官宣接入 DeepSeek，太香了！ Spring AI已经支持DeepSeek。今天和大家聊聊如何在Spring Boot项目制使用DeepSeek，还是非常方便的！Spring AI介绍Spring AI是一个用于AI工程的应用程序框架，将Spring生态系统设计原则应用于AI领域。其核心是通过抽象化和模块化设计，简化AI功能的接入步骤，同时保持与Spring生态的无缝兼容。以下是其主要特点与功能：统一的抽象API：支持主流AI服务，如 OpenAI、DeepSeek、Google、和Ollama等，提供了提供标准化的接口。核心功能模块：模型交互、向量处理、检索增强生成（RAG）、函数调用。低代码集成：通过Spring Boot Starter依赖快速接入，在配置文件中配置好AI服务即可使用。结构化输出：将模型响应直接映射为Java对象，简化数据处理。流式响应：支持Flux流式输出，适用于实时聊天等场景。Spring AI集成DeepSeek申请Api Key首先我们需要去DeepSeek官网申请Api Key，地址： https://platform.deepseek.com/api_keys Spring Boot中集成DeepSeek首先在SpringBoot项目中添加Spring AI对应的依赖；<dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-openai-spring-boot-starter</artifactId> <version>1.0.0-M6</version> </dependency>然后在项目的application.yml配置文件中添加调用AI服务相关的配置；spring: ai: openai: # 调用AI接口时表明身份的API KEY api-key: <YOUR_API_KEY> # 调用AI接口时的基础路径，配置的是阿里云百炼的基础路径 base-url: https://api.deepseek.com chat: options: # 调用的模型，DeepSeek的话可以选择deepseek-r1或deepseek-v3 model: deepseek-chat # 用来控制文本生成的随机性（创造力），值越小越严谨 temperature: 0.8创建一个控制器类，用于处理与 DeepSeek 的交互，import org.springframework.beans.factory.annotation.Autowired; import org.springframework.web.bind.annotation.*; @RestController @RequestMapping("/api/chat") public class ChatController { @Autowired private DeepSeekClient deepSeekClient; @PostMapping public String chat(@RequestBody String message) { return deepSeekClient.chatCompletion(message).getOutput().getContent(); } @GetMapping(value = "/stream", produces = "text/event-stream") public Flux<String> chatStream(@RequestParam String message) { return deepSeekClient.chatFluxCompletion(message) .map(response -> response.getOutput().getContent()); } } -
使用Page Assist实现本地部署DeepSeek对话及数据投喂 在 ollama本地部署 DeepSeek详细教程：小白也能轻松搞定！ 中我们实现了deepseek的本地部署及使用chatbox可视化界面搭建，但是chatbox无法进行本地模型的训练，界面也不是很美观，这里我们介绍另外一个浏览器插件Page Assist实现模型对话与训练。安装Page Assist插件我是用的Edge浏览器，Chrome浏览器也是类似的。打开扩展界面，搜索Page Assist第一个就是，点击获取进行安装安装完成后，点击这个小图标（真的好小）如果本地ollama正在运行，会出现下面的页面我们点击右上角的设置按钮，进行设置先修改一下语言，改成简体中文设置完成后，返回首页，在左上角选择我们的模型，就可以进行对话了本地模型训练为了让模型更加了解我们的需求，我们可以给模型投喂数据，这里我们需要用一个量化的工具，把各种格式的数据量化给人工智能，让它能看得懂。也就是RAG。这里我们使用ollama提供的nomic-embed-text可以打开[](https://ollama.com/library/nomic-embed-text)这个页面查看拉取命令将命令ollama pull nomic-embed-text复制到终端里面执行即可安装完成后，我们进入Page Assist的设置界面在RAG设置标签页，选择nomic-embed-text:last然后切换到管理知识页，点击添加新知识，就可以对我们的模型进行投喂了添加完成后，可以查看处理状态及历史数据
-
ollama本地部署 DeepSeek详细教程：小白也能轻松搞定！ 2025蛇年伊始，DeepSeek如平地惊雷般引发空前讨论，不知腾讯等大厂的产品积极拥抱DeepSeek，就连我们普通人就在使用DeepSeek解决一些问题，俨然进入了全民AI时代。DeepSeek-R1 已发布并开源，性能对标 OpenAI o1 正式版。DeepSeek 不同版本模型硬件要求不同版本对应参数量不同，参数量越大，使用效果越好，当然对应电脑配置要求越高。以下是 DeepSeek 不同版本模型的硬件要求，小伙伴们可以结合自己电脑配置选择版本模型版本参数量显存需求（FP16）推荐 GPU（单卡）多卡支持量化支持适用场景DeepSeek-R1-1.5B15亿3GBGTX 1650（4GB显存）无需支持低资源设备部署（树莓派、旧款笔记本）、实时文本生成、嵌入式系统DeepSeek-R1-7B70亿14GBRTX 3070/4060（8GB显存）可选支持中等复杂度任务（文本摘要、翻译）、轻量级多轮对话系统DeepSeek-R1-8B80亿16GBRTX 4070（12GB显存）可选支持需更高精度的轻量级任务（代码生成、逻辑推理）DeepSeek-R1-14B140亿32GBRTX 4090/A5000（16GB显存）推荐支持企业级复杂任务（合同分析、报告生成）、长文本理解与生成DeepSeek-R1-32B320亿64GBA100 40GB（24GB显存）推荐支持高精度专业领域任务（医疗/法律咨询）、多模态任务预处理DeepSeek-R1-70B700亿140GB2x A100 80GB/4x RTX 4090（多卡并行）必需支持科研机构/大型企业（金融预测、大规模数据分析）、高复杂度生成任务DeepSeek-671B6710亿512GB+（单卡显存需求极高，通常需要多节点分布式训练）8x A100/H100（服务器集群）必需支持国家级/超大规模 AI 研究（气候建模、基因组分析）、通用人工智能（AGI）探索DeepSeek本地安装目前ollama已经支持DeepSeek，我们这里也使用ollama进行安装。下载并安装Ollama访问Ollama官网 下载选择自己电脑对应的操作系统版本进行下载安装即可。也可以直接使用下面的链接下载对应系统版本Windows MacOS Linux可以直接使用curl命令安装，命令如下curl -fsSL https://ollama.com/install.sh | sh本文以Windows为例进行介绍验证Ollama是否安装成功下载后，会得到OllamaSetup.exe文件，直接双击安装，完成后，打开终端，输入ollama -v，如果输出对应的版本号代表安装成功。通过Ollama部署DeepSeek 模型之前部署过1.5B的，感觉效果差强人意，这次尝试一下7B的，也可以选择其他版本详细部署版本可以查看 https://ollama.com/library/deepseek-r1 命令行输入：ollama run deepseek-r1:7b 拉取DeepSeek模型7B模型大概4.7G,根据电脑网速，下载时间有所不同下载完成后，就可以进行对话了每次进行对话时，可以在命令行输入：ollama run deepseek-r1:7b部署可视化前端界面目前虽然已经可以在终端进行对话，但是界面比较简陋，我们可以使用Chatbox这个可视化图文交互界面来提升使用体验。进入 Chatbox官网 下载对应版本的安装包。安装完成后，打开，选择使用自己本地模型在弹出的界面，选择ollama api在弹出界面中，模型选择本地模型，因为我部署的是deepseek-r1:7b，所以选择deepseek-r1:7b即可然后就可以进行对话了
