# 《实战AI大模型》DeepSeek API实战-第03节：基于SpringAI实现智能问答系统
作者：冰河
星球：http://m6z.cn/6aeFbs (opens new window)
博客：https://binghe.gitcode.host (opens new window)
文章汇总：https://binghe.gitcode.host/md/all/all.html (opens new window)
源码获取地址：https://t.zsxq.com/0dhvFs5oR (opens new window)
大家好，我是冰河~~
在人工智能技术迅猛发展的今天，大语言模型正在深刻改变着人机交互的方式。然而对于广大Java开发者而言，如何将先进的AI能力快速、高效地集成到现有的Spring生态系统中，仍然面临着不小的挑战。今天，带着大家使用Spring AI构建一个功能完备的简单智能问答系统。
Spring AI作为Spring官方推出的AI集成框架，为开发者提供了统一、简洁的抽象层，极大地简化了AI能力的集成复杂度。无论是为现有业务系统添加智能客服功能，还是构建全新的AI驱动型应用，都可以使用SpringAI实现。
# 一、环境准备
# 1.1 项目依赖
首先，创建一个Spring Boot项目，并添加必要的依赖
<repositories>
<repository>
<id>spring-milestones</id>
<name>Spring Milestones</name>
<url>https://repo.spring.io/milestone</url>
<snapshots>
<enabled>false</enabled>
</snapshots>
</repository>
<repository>
<id>spring-snapshots</id>
<name>Spring Snapshots</name>
<url>https://repo.spring.io/snapshot</url>
<releases>
<enabled>false</enabled>
</releases>
</repository>
<repository>
<name>Central Portal Snapshots</name>
<id>central-portal-snapshots</id>
<url>https://central.sonatype.com/repository/maven-snapshots/</url>
<releases>
<enabled>false</enabled>
</releases>
<snapshots>
<enabled>true</enabled>
</snapshots>
</repository>
</repositories>
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-core</artifactId>
<version>1.0.0-M6</version>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-openai-spring-boot-starter</artifactId>
<version>1.0.0-M6</version>
</dependency>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<version>1.18.30</version>
</dependency>
<dependency>
<groupId>cn.hutool</groupId>
<artifactId>hutool-all</artifactId>
<version>5.8.25</version>
</dependency>
</dependencies>
<build>
<plugins>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>
<version>3.8.1</version>
<configuration>
<source>${java.version}</source>
<target>${java.version}</target>
<encoding>utf-8</encoding>
</configuration>
</plugin>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
<version>3.2.0</version>
<executions>
<execution>
<goals>
<goal>repackage</goal>
</goals>
</execution>
</executions>
</plugin>
</plugins>
</build>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
# 1.2 配置API密钥
在application.yml中配置API密钥
server:
port: 5555
spring:
ai:
openai:
api-key: sk-xxxxx # 替换成自己的硅基流动API密钥
base-url: https://api.siliconflow.cn/
embedding:
options:
model: BAAI/bge-m3
chat:
options:
model: deepseek-ai/DeepSeek-V3
1
2
3
4
5
6
7
8
9
10
11
12
13
14
2
3
4
5
6
7
8
9
10
11
12
13
14
注意：为了安全起见，建议通过环境变量注入API密钥，而不是直接硬编码在配置文件中。
# 二、核心代码实现
# 2.1 主应用类
创建Spring Boot应用的入口类
源码详见：deepseek-case-qa-01工程下的io.binghe.framework.deepseek.qa.QaApplication。
@SpringBootApplication
public class QaApplication {
public static void main(String[] args) {
SpringApplication.run(QaApplication.class, args);
}
@Bean
public ChatClient chatClient(OpenAiChatModel model){
return ChatClient
.builder(model)
.build();
}
@Bean
public VectorStore vectorStore(EmbeddingModel embeddingModel) {
VectorStore vectorStore = SimpleVectorStore.builder(embeddingModel).build();
// 构建测试数据
List<Document> documents =
List.of(new Document("Hello Spring AI"),
new Document("Hello Spring Boot"));
// 添加到向量数据库
vectorStore.add(documents);
return vectorStore;
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
# 2.2 请求模型
创建一个简单的模型类来封装问题请求。
源码详见：deepseek-case-qa-01工程下的io.binghe.framework.deepseek.qa.request.QuestionRequest。
@Data
public class QuestionRequest {
private String question;
private String sessionId;
}
1
2
3
4
5
2
3
4
5
# 2.3 问答服务
实现问答核心服务。
源码详见：deepseek-case-qa-01工程下的io.binghe.framework.deepseek.qa.service.QaService。
@Service
public class QaService {
private final ChatClient chatClient;
private final PromptTemplate promptTemplate;
@Autowired
public QaService(ChatClient chatClient) {
this.chatClient = chatClient;
// 创建一个提示模板，指导AI如何回答问题
this.promptTemplate = new PromptTemplate("""
你是一个智能问答助手，请简洁、准确地回答用户的问题。
如果你不知道答案，请直接说不知道，不要编造信息。
用户问题: {question}
回答:
""");
}
public String getAnswer(String question) {
// 准备模板参数
Map<String, Object> parameters = new HashMap<>();
parameters.put("question", question);
// 创建提示
Prompt prompt = promptTemplate.create(parameters);
// 调用AI获取回答
return chatClient.prompt(prompt).call().content();
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
# 2.4 添加对话历史
支持多轮对话。
源码详见：deepseek-case-qa-01工程下的io.binghe.framework.deepseek.qa.service.ConversationService。
@Service
public class ConversationService {
private final ChatClient chatClient;
private final Map<String, List<Message>> conversations = new ConcurrentHashMap<>();
@Autowired
public ConversationService(ChatClient chatClient) {
this.chatClient = chatClient;
}
public String chat(String sessionId, String userMessage) {
// 获取或创建会话历史
List<Message> messages = conversations.computeIfAbsent(sessionId, k -> new ArrayList<>());
// 添加用户消息
messages.add(new UserMessage(userMessage));
// 创建带有历史上下文的提示
Prompt prompt = new Prompt(messages);
// 调用AI
String response = chatClient.prompt(prompt).call().content();
// 保存AI回复
messages.add(new AssistantMessage(response));
// 管理会话长度，避免超出Token限制
if (messages.size() > 10) {
messages = messages.subList(messages.size() - 10, messages.size());
conversations.put(sessionId, messages);
}
return response;
}
public void clearConversation(String sessionId) {
conversations.remove(sessionId);
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
# 2.5 添加知识库集成
使用向量存储和检索增强生成(RAG)。
源码详见：deepseek-case-qa-01工程下的io.binghe.framework.deepseek.qa.service.KnowledgeBaseQaService。
# 查看完整文章
加入冰河技术 (opens new window)知识星球，解锁完整技术文章、小册、视频与完整代码
