deepseek4j已开源——完美解决DeepSeek R1集成难题

随着 DeepSeek R1 模型的发布，其强大的思维链能力让开发者为之兴奋。然而，Spring AI 等主流框架对其支持不足，导致很多开发者无法充分发挥模型潜力。本文将为您带来一个完美的解决方案 - deepseek4j。

• 思维链内容丢失：R1 最核心的推理过程完全被忽略

• 响应模式不兼容：无法处理"思考在前、结论在后"的输出模式

• 参数限制：temperature、top_p 等关键参数设置失效

• 流式处理不完善：用户体验欠佳

，但这种方式存在一些问题：开发成本高：直接调用 API 或改造现有框架需要处理大量细节，包括请求构建、响应解析、错误处理等。

一不做二不休，为了彻底解决这些问题，笔者基于OpenAI4J[1]项目的优秀架构，打造了一个专门面向 DeepSeek 的开箱即用方案DeepSeek4J[2]

• 增强支持 DeepSeek 独有的思维链和账单特性

• 增加 Project Reactor 的全面响应式支持

• 提供集成 Spring Boot Starter，提供自动配置

• ✨ 完整保留思维链能力、账单

• 响应式流式处理

• 简单优雅的 API 设计

• 开箱即用的 Spring Boot 集成，同时支持 2.x / 3.x

• 内置调试页面

• 详细的请求响应日志

• 灵活的代理配置

• ⚡️ 响应式编程支持

     

 io.github.pig-mesh.ai groupId>     

 deepseek-spring-boot-starter artifactId>     

 1.1.0 version> dependency>

deepseek:
  api-key: your-api-key-here
  base-url: https://api.deepseek.com/v1   # 可选，默认为官方 API 地址，支持火山、gitee、硅基流动

@Autowired
private DeepSeekClient deepSeekClient;

 // sse 流式返回 
@GetMapping(value = "/chat", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
public Flux   chat (String prompt)  {
    return deepSeekClient.chatFluxCompletion(prompt);
}

public Flux   chat (String prompt)  {
    ChatCompletionRequest request = ChatCompletionRequest.builder()
             // 模型选择，支持 DEEPSEEK_CHAT、DEEPSEEK_REASONER 等 
            .model(ChatCompletionModel.DEEPSEEK_CHAT)
             // 添加用户消息 
            .addUserMessage(prompt)
             // 添加助手消息，用于多轮对话 
            .addAssistantMessage("上轮结果")
             // 添加系统消息，用于设置角色和行为 
            .addSystemMessage("你是一个专业的助手")
             // 设置最大生成 token 数，默认 2048 
            .maxTokens(1000)
             // 设置响应格式，支持 JSON 结构化输出 
            .responseFormat()
            .tools()  // function calling 
            .build();

    return deepSeekClient.chatFluxCompletion(request);
}

内置可视化调试页面，双击 sse.html 即可开启实时对话监控，完整呈现思维链演进过程！页面提供了完整的前端实现代码，可作为集成参考。

参考资料

DeepSeek4J: https://github.com/pig-mesh/deepseek4j

在线阅读：https://talk.gitee.com/report/china-open-source-2024-annual-report.pdf