Spring AI简化Java大模型应用开发，通过统一API对接DeepSeek等模型，实现流式响应和监控，助力企业智能化。
原文标题：Spring AI 实战｜Spring AI入门之DeepSeek调用
原文作者：阿里云开发者
冷月清谈：
怜星夜思：
2、文章提到了Spring AI可以兼容OpenAI的API规范，那么如果我想使用一些DeepSeek或者通义千问特有的功能，Spring AI是否支持？如果不支持，有没有什么替代方案？
3、文章最后提到了给AI应用装上监控，那么除了监控API的调用次数和耗时，还有哪些指标是我们在生产环境中需要重点关注的？
原文内容
引言：当Spring遇上AI，会擦出怎样的火花？
作为一名Java开发者，是否曾经眼红Python阵营那些花里胡哨的AI应用？是否在对接各种大模型API时，被五花八门的接口规范搞得头大？好消息是，Spring家族的新成员——Spring AI，正在用Java开发者最熟悉的方式，为我们打开AI应用开发的新世界大门。
一、Spring AI初探 - 你的AI管家
1.1 为什么需要Spring AI？
场景假设
-
你的老板说："我们要做个智能客服，先用OpenAI，下个月换Claude，年底可能用Gemini..."
-
产品经理要求："这个AI回答要能直接转成我们的领域对象"
-
运维大哥抱怨："AI调用太慢了，能不能给个监控看板？"
解决方案
将Spring AI框架集成到应用当中，它是一个专注于AI工程的应用框架；旨在将Spring生态的设计原则（如可移植性、模块化）引入AI领域，简化企业数据或者API服务与大模型的集成，将大模型的调用通过普通Java对象来封装，降低开发复杂度，从而高效构建企业智能应用。
// 不管底层是哪个AI服务，调用方式都一样
String joke = aiClient.generate("讲个程序员笑话");
1.2 核心能力
二、实战DeepSeek - 从手动到自动
2.1 手动执行请求
API-KEY的获取
进入DeepSeek开放平台 https://platform.deepseek.com/usage，完成账号的注册与充值（开发学习时可以少充一点费用），点击 API keys创建个人专属API key 并保存下来。
curl手动执行
填写上正确的Key后执行curl发起Http请求，快速得到响应结果。
curl https://api.deepseek.com/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer <DeepSeek API Key>" \
-d '{
"model": "deepseek-chat",
"messages": [
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "讲一个笑话"}
],
"stream": false
}'
{
"id": "0e8dd4b9-694e-417b-888a-7be54a77633f",
"object": "chat.completion",
"created": 1742744584,
"model": "deepseek-chat",
"choices":
[
{
"index": 0,
"message":
{
"role": "assistant",
"content": "当然！这是一个经典的笑话：\n\n有一天，小明去面试。面试官问他：“你有什么特长吗？”\n\n小明想了想，认真地说：“我会预测未来。”\n\n面试官笑了笑：“那你预测一下，你什么时候能被录用？”\n\n小明淡定地回答：“这个嘛……我预测我不会被录用。”\n\n面试官愣了一下，笑着说：“你被录用了！我们需要你这样的人才！”\n\n😄"
},
"logprobs": null,
"finish_reason": "stop"
}
],
"usage":
{
"prompt_tokens": 12,
"completion_tokens": 74,
"total_tokens": 86,
"prompt_tokens_details":
{
"cached_tokens": 0
},
"prompt_cache_hit_tokens": 0,
"prompt_cache_miss_tokens": 12
},
"system_fingerprint": "fp_3a5770e1b4_prod0225"
}
返回数据以JSON格式，解析格式中的content内容得到为大模型给我们讲的笑话。
2.2 代码自动发起
创建第一个Spring AI工程
访问 https://start.spring.io/按截图所示勾选依赖，生成代码框架。
Spring Boot 3.x
JDK 17+
spring-ai-openai-starter（是的，它能兼容DeepSeek）
将生成的代码导入到IDEA中，启动应用。
很遗憾，竟然没有启动起来，出现一个OpenAI API key must be set. Use the connection property: spring.ai.openai.api-key or spring.ai.openai.chat.api-key property的错误。
很明显是没有配置对应的API key，打开application.properties进入参数配置后发现启动成功。
配置application.properties
spring.application.name=hellospring.ai.openai.api-key=换成个人的DeepSeek API key
spring.ai.openai.base-url=https://api.deepseek.com
spring.ai.openai.chat.options.model=deepseek-chat
编写Controller
@RestController publicclassHelloController {private ChatClient chatClient;
publicHelloController(ChatClient.Builder builder){
this.chatClient = builder.build();
}
@GetMapping(“/hello”)
public String hello(@RequestParam(value = “input”, defaultValue = “讲一个笑话”) String input){return chatClient.prompt(input).call().content();
}
}
打开浏览器访问 http://localhost:8080/hello得到结果。
三、流式响应-打字机效果
3.1 Reactor初体验
通常大模型的响应耗时较长，为了优化用户体验，ChatGPT等厂商纷纷采用流式输出；我们可以通过Reactor框架来实现，它是一个响应式编程库，提供构建异步和非阻塞应用程序的能力。
private ExecutorService executor = new ThreadPoolExecutor(1, 1, 0L, TimeUnit.MICROSECONDS, new LinkedBlockingQueue<>(10));@GetMapping(value = “/mock/stream”, produces = “text/html;charset=UTF-8”)
public Flux<String> mockStream(){Sinks.Many<String> sink = Sinks.many().multicast().onBackpressureBuffer();
executor.submit(() -> {
for (int i = 0; i < 100; i++) {sink.tryEmitNext(i + " ");
try {
Thread.sleep(100);
} catch (InterruptedException e) {
thrownew RuntimeException(e);
}
}
});
return sink.asFlux();
}
Sinks.Many 用于创建多值(Multi-Value)的发布者（Publisher）的一种机制，它允许用户将数据从一个地方发送到多个订阅者，示例中启动异步线程做写入操作，通过asFlux获取Flux对象；启动看效果：
3.2 大模型的流式输出
@GetMapping(value = "/hello/stream", produces = "text/html;charset=UTF-8") public Flux<String> helloStream(@RequestParam(value = "input", defaultValue = "讲一个笑话") String input){return chatClient.prompt(input).stream().content();
}
把前面的call方法修改为stream即可，最终返回一个Flux对象,搞定流式输出~
四、OpenAI的starter兼容DeepSeek？
DeepSeek
观察pom.xml文件发现配置的是spring-ai-openai-starter却配置DeepSeek的URL，是不是觉得有点魔幻？
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-openai-spring-boot-starter</artifactId>
</dependency>
其实这是Spring AI的"障眼法"：
1.OpenAI的API规范已成为事实标准；
2.DeepSeek等国内服务兼容这套规范；
3.Spring AI利用"可移植API"设计，实现一套代码多处使用；
就像JDBC驱动可以连接不同数据库，Spring AI的客户端也能适配不同AI服务。
通义千问
类似的，阿里系通义大模型也同样适用OpenAI这套访问规范。
在https://bailian.console.aliyun.com/?tab=model#/api-key创建个人专属API-KEY（有免费的额度）。
在application.properties修改配置：
spring.ai.openai.api-key=sk-xxxspring.ai.openai.base-url=https://dashscope.aliyuncs.com/compatible-mode
指定模型
spring.ai.openai.chat.options.model=qwen-plus
五、生产环境必备 - 给你的AI装上监控
老板问："AI花了多少钱？效果怎么样？" ，不用慌，可以通过监控来解决。
添加监控依赖
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-actuator</artifactId>
</dependency>
<dependency>
<groupId>io.micrometer</groupId>
<artifactId>micrometer-registry-prometheus</artifactId>
</dependency>
启动监控
management.endpoints.web.exposure.include=health,metrics,prometheus
spring.ai.observability.enabled=true
访问/actuator/prometheus，将看到：(如果配合grafana可视化效果会更加直观)。
结语：未来以来
Spring AI的出现，为Java开发者提供一整套大模型应用研发基础底座，为众多Java生态企业级的应用迈向AI领域开辟一条航向； AI时代已然到来，让我们一起扬帆起航~~~
触手可及，函数计算玩转 AI 大模型
AI的时代下，大模型类型丰富、功能强大，正推动着各行各业的智能化转型和创新突破。企业纷纷寻求部署自己的大模型，以满足特定业务需求，从而在激烈的市场竞争中获得优势。本方案介绍通过阿里云函数计算的按量付费、卓越弹性、快速交付能力，助力企业快速部署 AI 大模型。
点击阅读原文查看详情。