Java 开发者怎么用 Spring AI 接 DeepSeek？一个最小 Demo 跑通思路

如果你是 Java / Spring Boot 开发者，想开始做 AI 应用，第一步不一定是去学一整套模型训练。

更实际的起点是：

先把一个大模型调用接进 Spring Boot 项目。

这篇用 Spring AI + DeepSeek 举例，目标很简单：跑通一个最小对话接口。

直接结论

你需要准备：

• JDK 17+
• Spring Boot 项目
• spring-ai-starter-model-deepseek
• DeepSeek API Key
• 一个ChatController

核心配置是：

spring: ai: deepseek: api-key: ${DEEPSEEK_API_KEY} chat: options: model: deepseek-v4-flash temperature: 0.7

核心调用是：

return chatClient.prompt() .user(question) .call() .content();

为什么这个 Demo 值得先跑

很多 Java 开发者看 AI，会先被 RAG、Agent、Tool Calling、MCP 这些词吓住。

但企业里的 AI 应用，第一步通常不是复杂智能体，而是：

让现有 Java 系统具备调用大模型的能力。

只要这个链路跑通，后面的对话记忆、知识库问答、工具调用，都是在这个基础上继续加能力。

最小 Demo 怎么跑

上一篇我们聊了一个问题：为什么 Java 程序员现在要补上 Spring AI 这一课。

只讲“为什么”还不够。

技术这东西，最怕停留在概念上。

你看完一堆趋势分析，收藏一堆教程，最后项目里还是一行代码没跑起来，那 AI 依然离你很远。

所以这篇直接动手。

我们用 Spring Boot 接 DeepSeek，跑一个最小可用的对话接口。

这篇文章不讲大而全的理论，只做一件事：

用 10 分钟跑通一个可以和 DeepSeek 对话的 Spring Boot Demo。

跑通之后，你会发现，Java 程序员做 AI 应用的第一步，其实没有想象中那么远。

一、为什么选 Spring AI + DeepSeek？

对 Java 开发者来说，Spring AI 的最大价值不是“让你少写几行代码”，而是：

用 Spring 熟悉的工程方式，把大模型接进业务系统。

你不用自己封装 HTTP Client，不用手写一堆请求参数，也不用为每个模型供应商维护一套调用逻辑。

Spring AI 把这些能力抽象成统一接口，比如：

• ChatClient：面向应用开发的对话客户端；
• ChatModel：底层模型抽象；
• Prompt：提示词和消息组织；
• Streaming：流式输出；
• Tool Calling、RAG、Chat Memory：后续做企业 AI 应用会用到的能力。

DeepSeek 的优势也很直接：模型效果不错，API 成本友好，而且现在 API 已经支持deepseek-v4-flash和deepseek-v4-pro。

对入门 Demo 来说，建议先用deepseek-v4-flash。

它响应快、成本低，适合先把 Spring AI 调用链路跑通。

如果你要处理更复杂的推理、代码分析或长上下文任务，再切到deepseek-v4-pro。

所以这个组合特别适合入门：

Spring AI 负责工程化，DeepSeek 负责模型能力。

二、准备工作

你需要准备 4 样东西：

• JDK 17 或以上；
• Maven 或 Gradle；
• 一个 Spring Boot 项目；
• 一个 DeepSeek API Key。

DeepSeek API Key 可以在 DeepSeek Platform 创建：

https://platform.deepseek.com/

真实项目里不要把 Key 写死到代码或配置文件里。

更推荐的方式是用环境变量：

export DEEPSEEK_API_KEY="你的 DeepSeek API Key"

如果只是临时验证，也尽量养成这个习惯：密钥放在环境变量、配置中心或密钥管理工具里，不要提交到代码仓库。

三、创建 Spring Boot 项目

最快的方式是用 Spring Initializr：

https://start.spring.io/

可以按下面这样选。

我这里选的是 Maven、Java、Spring Boot 3.5.14、YAML、Java 17，然后在依赖里加了 DeepSeek。

生成后的pom.xml大概会长这样：

<properties> <java.version>17</java.version> <spring-ai.version>1.1.7</spring-ai.version> </properties> <dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-starter-model-deepseek</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> <scope>test</scope> </dependency> </dependencies> <dependencyManagement> <dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-bom</artifactId> <version>${spring-ai.version}</version> <type>pom</type> <scope>import</scope> </dependency> </dependencies> </dependencyManagement>

这里有一个小坑：

不建议在单个 starter 上硬写版本号，最好统一交给spring-ai-bom管理。

这样后面你接入 RAG、向量数据库、Chat Memory 时，不容易出现 Spring AI 组件版本不一致的问题。

不过，下面我们要写的是一个 HTTP 接口。

如果你在 Initializr 里只选了 DeepSeek，没有选 Spring Web，需要再补一个 Web 依赖：

<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency>

不然下一步写@RestController时，相关注解会找不到。

四、配置 DeepSeek

打开src/main/resources/application.yml，加上配置：

spring: ai: deepseek: api-key: sk-你的-DeepSeek-API-Key chat: options: model: deepseek-v4-flash temperature: 0.7

几个关键点：

• spring.ai.deepseek.api-key：DeepSeek API Key，Demo 阶段先直接写在 yml 里；
• model: deepseek-v4-flash：速度快、成本友好，适合 Demo 和常规应用；
• temperature：控制输出随机性，越低越稳定，越高越发散。

如果你写成${DEEPSEEK_API_KEY}，但启动时报：

DeepSeek API key must be set

大概率是 IDEA 的运行配置里没有带上这个环境变量。

这个时候先别卡在这里，直接把 Key 写回application.yml，把 Demo 跑通再说。

如果你想要更强的能力，可以把模型改成：

model: deepseek-v4-pro

不过第一步建议先用deepseek-v4-flash。

原因很简单：先把链路跑通，再根据任务复杂度选择模型。

五、写第一个对话接口

新建一个 Controller：

src/main/java/com/example/springaideepseekdemo/ChatController.java

代码如下：

package com.example.springaideepseekdemo.controller; import org.springframework.ai.chat.client.ChatClient; 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; @RestController @RequestMapping("/chat") public class ChatController { private final ChatClient chatClient; public ChatController(ChatClient.Builder chatClientBuilder) { this.chatClient = chatClientBuilder .defaultSystem("你是一个简洁、准确的 Java 技术助手。") .build(); } @GetMapping("/ask") public String ask(@RequestParam String question) { return chatClient.prompt() .user(question) .call() .content(); } }

这段代码的核心只有 3 行：

return chatClient.prompt() .user(question) .call() .content();

含义也很直观：

1. 创建一次提示词请求；
2. 放入用户问题；
3. 调用模型并拿到回答。

这就是 Spring AI 的舒服之处。

你写的是 Spring Boot 代码，但背后已经完成了大模型调用。

六、启动并测试

启动项目之前，先确认环境变量已经设置：

echo $DEEPSEEK_API_KEY

然后运行 Spring Boot 主类。

启动成功后，访问：

http://localhost:8080/chat/ask?question=用一句话介绍 Spring AI

如果一切正常，你会看到类似这样的回答：

Spring AI 是一个为 Spring 应用提供 AI 模型（如大型语言模型）集成抽象的框架，旨在简化 AI 功能开发。

到这里，你的第一个 Spring AI + DeepSeek 项目就跑通了。

七、加一个流式输出接口

普通接口会等模型完整生成后再返回。

如果你想做出类似 ChatGPT 那种“边生成边显示”的效果，可以加一个流式接口。

import org.springframework.http.MediaType; import reactor.core.publisher.Flux; @GetMapping(value = "/stream", produces = MediaType.TEXT_EVENT_STREAM_VALUE) public Flux<String> stream(@RequestParam String question) { return chatClient.prompt() .user(question) .stream() .content(); }

访问：

http://localhost:8080/chat/stream?question=写一首关于程序员的打油诗

流式输出的体验会明显更好。

尤其是回答比较长的时候，用户不需要一直等空白页面。

八、加一个系统提示词

真实项目里，AI 不能随便发挥。

你通常要给它一个角色、边界和输出风格。

比如做一个 Java 代码助手：

@GetMapping("/code-helper") public String codeHelper(@RequestParam String question) { return chatClient.prompt() .system(""" 你是一个专业的 Java 代码助手。 你擅长 Spring Boot、Spring AI、微服务和工程化实践。 回答要简洁、准确，优先给可落地的建议。 """) .user(question) .call() .content(); }

访问：

http://localhost:8080/chat/code-helper?question=如何优化 Spring Boot 启动速度？

有了系统提示词，模型回答会更稳定，也更贴近你的业务目标。

九、最容易踩的 5 个坑

1. starter 名称写错

旧文章里经常会出现类似spring-ai-deepseek-spring-boot-starter的写法。

现在更推荐使用：

<artifactId>spring-ai-starter-model-deepseek</artifactId>

再配合spring-ai-bom管理版本。

2. API Key 写死

Demo 可以快，但不要把坏习惯带进生产。

推荐这样配置：

spring: ai: deepseek: api-key: ${DEEPSEEK_API_KEY}

3. 模型名填错

DeepSeek 当前 API 常用模型可以先记两个：

• deepseek-v4-flash：更快、更便宜，适合 Demo、普通问答和轻量业务场景；
• deepseek-v4-pro：能力更强，适合复杂推理、代码分析和长上下文任务。

刚入门先用deepseek-v4-flash，排查问题更简单。

4. temperature 调得太高

如果你做的是代码助手、运维助手、知识库问答，建议把temperature调低一些。

比如：

temperature: 0.3

这类场景要的是稳定和准确，不是文采飞扬。

5. 直接拿 Demo 上生产

跑通 Demo 不等于可以上线。

真正上线前，你至少还要补上：

• 超时和重试；
• 日志和调用链追踪；
• Token 成本控制；
• 敏感数据脱敏；
• 异常兜底；
• 权限控制；
• 提示词版本管理。

AI 接口不是普通第三方接口。

它既会花钱，也会产生不可控输出，所以更需要工程治理。

十、下一步可以做什么？

这篇先不展开 RAG、Tool Calling 那些大主题。

上一篇已经讲过它们能做什么。

如果你今天只是刚跑通这个 Demo，我更建议你先把它打磨成一个“像样的小项目”。

可以从这几件事开始：

• 把GET接口改成POST，用 JSON 传参；
• 加一个简单的前端页面，不要每次都在浏览器地址栏里改问题；
• 把temperature、model做成配置项，方便切换deepseek-v4-flash和deepseek-v4-pro；
• 给接口加上超时、异常提示和调用日志；
• 记录每次提问和回答，方便你观察模型效果。

这些东西听起来不如“智能体”“知识库”酷，但很有用。

因为它们会让你从“我会调一个模型接口”，往“我能做一个可用的 AI 功能”迈一步。

等这个小项目顺手了，再去加 RAG、记忆、多轮对话、Tool Calling。

那时候你不是在追概念，而是在给一个已经跑起来的东西加能力。

最后说两句

Spring AI + DeepSeek 的入门门槛不高。

真正难的不是跑通第一个接口，而是把它变成一个可靠、可控、可维护的企业 AI 应用。

但第一步必须先迈出去。

如果你是 Java 后端，建议别只停留在“看看 AI 新闻”的阶段。

今天就建一个 Spring Boot 项目，接上 DeepSeek，跑一次真实调用。

代码在自己电脑上跑起来的那一刻，你对 AI 应用开发的理解会完全不一样。