1. 项目概述与背景
作为一名长期深耕Java生态的技术开发者,我最近一直在探索如何将生成式AI能力无缝集成到企业级应用中。Spring AI框架的出现完美解决了这个问题,它让Java开发者能够以熟悉的Spring方式调用大语言模型。本文将分享我如何通过Spring AI 2.0整合DeepSeek模型搭建智能问答系统的完整过程。
这个项目的核心价值在于:
- 实现了大语言模型的本地化部署(基于Ollama)
- 通过Spring AI标准化接口调用模型
- 构建了同步和流式两种响应方式的问答服务
- 为后续扩展会话记忆等功能打下基础
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 环境准备与模型部署
2.1 Ollama安装与配置
Ollama是我选择的模型运行环境,它让大语言模型的部署变得像安装普通软件一样简单。以下是详细的安装步骤:
2.1.1 Docker方式安装
推荐使用Docker安装,这是最便捷的方式:
bash复制docker pull ollama/ollama:0.5.10
docker run -d --name ollama -p 11434:11434 ollama/ollama:0.5.10
安装后验证运行状态:
bash复制docker ps | grep ollama
应该能看到容器正常运行并映射了11434端口。
注意:如果从默认仓库拉取镜像较慢,可以尝试国内镜像源如阿里云或华为云。例如:
bash复制docker pull registry.cn-hangzhou.aliyuncs.com/ollama/ollama:0.5.10
2.1.2 二进制方式安装(备选方案)
对于无法使用Docker的环境,可以直接下载二进制包:
- 访问Ollama官网下载对应系统的安装包
- 执行安装程序
- 运行
ollama serve启动服务
2.2 DeepSeek模型部署
2.2.1 模型选择策略
在Ollama支持的模型列表中,我选择了deepseek-r1:1.5b版本,主要考虑:
- 我的测试服务器配置有限(2核4G)
- 1.5B参数的模型在小型服务器上尚可运行
- 该版本对中文支持较好
如果硬件条件允许,建议选择更大的模型(
