Springboot项目集成Ai模型(阿里云百炼-DeepSeek)

目录

一、创建好Springboot项目

(一)、创建简单的springboot项目

(二)创建一个简单的接口

(三)使用postman调用该接口进行测试

二、注册“阿里云百炼”平台

(一)没有账户的先在阿里云百炼注册

(二)创建api-key

(三)获取api-key

(四)获取模型名称

(三)项目集成Ai模型

(一)pom文件加入依赖

(二)controller代码更改

(三)启动类加入ChatMemory   Bean

(四)yml添加配置apiKey和模型名称


一、创建好Springboot项目

(一)、创建简单的springboot项目

要使用springboot的3.4.2版本,jdk使用17

我的项目名为testAi

pom文件内容如下

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>org.example</groupId>
    <artifactId>testAi</artifactId>
    <version>1.0-SNAPSHOT</version>

    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>3.4.2</version>
        <relativePath/>
    </parent>
    <properties>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
        <project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding>
        <jdk>17</jdk>
    </properties>
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter</artifactId>

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

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
            <version>1.18.20</version>
        </dependency>
    </dependencies>
    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-jar-plugin</artifactId>
                <version>2.4</version>
                <configuration>
                    <excludes>
                        <exclude>*</exclude>
                    </excludes>
                </configuration>
            </plugin>
        </plugins>
        <resources>
            <resource>
                <directory>src/main/resources</directory>
            </resource>
        </resources>
    </build>
</project>

(二)创建一个简单的接口

(三)使用postman调用该接口进行测试

二、注册“阿里云百炼”平台

(一)没有账户的先在阿里云百炼注册

地址:百炼控制台

(二)创建api-key

按下列四步创建出一个api-key

(三)获取api-key

点击查看,然后可获取apiKey

(四)获取模型名称

点击模型广场,然后选择DeepSeek,最后在筛选结果点击“查看详情”

然后选择“deepseek-r1”

(三)项目集成Ai模型

(一)pom文件加入依赖

        <dependency>
            <groupId>com.alibaba.cloud.ai</groupId>
            <artifactId>spring-ai-alibaba-starter</artifactId>
            <version>1.0.0-M3.3</version>
        </dependency>


------------------------------------------------------


     <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.ai</groupId>
                <artifactId>spring-ai-bom</artifactId>
                <version>1.0.0-M3</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>

    <repositories>
        <repository>
            <id>spring-milestone-repo</id>
            <url>https://repo.spring.io/milestone</url>
        </repository>
    </repositories>

(二)controller代码更改

package org.example.controller;

import org.example.api.req.CallAiReq;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.AbstractChatMemoryAdvisor;
import org.springframework.ai.chat.client.advisor.PromptChatMemoryAdvisor;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.web.bind.annotation.RequestBody;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;

@RestController
public class CallAiController {

    ChatClient chatClient;

    public CallAiController(ChatClient.Builder chatClientBuilder, ChatMemory chatMemory){
        this.chatClient = chatClientBuilder
                .defaultAdvisors(new PromptChatMemoryAdvisor(chatMemory))
                .build();
    }

    @RequestMapping("/callAi")
    public Flux<String> callAi(@RequestBody CallAiReq req){
        System.out.println("入参=" + req.getMessage());
        Flux<String> content = chatClient
                .prompt()
                .user(req.getMessage())
                .advisors(a -> a.param(AbstractChatMemoryAdvisor.CHAT_MEMORY_RETRIEVE_SIZE_KEY, 100))
                .stream()
                .content();
        return content;
    }

}

(三)启动类加入ChatMemory   Bean

package org.example;

import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.ai.chat.memory.InMemoryChatMemory;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.context.annotation.Bean;

@SpringBootApplication
public class TestAiApplication {
    public static void main(String[] args) {

        SpringApplication.run(TestAiApplication.class, args);
    }


    @Bean
    public ChatMemory chatMemory(){
        return new InMemoryChatMemory();
    }
}

(四)yml添加配置apiKey和模型名称

根据第二步中的(三)和(四)获取的apiKey和模型名称加入配置文件中

server:
  port: 8100

spring:
  ai:
    dashscope:
      api-key: sk-**************************38(替换自己的)
      chat:
        options:
          model: deepseek-r1

这块代码是有前面对话的记忆

结束!

### 集成大型AI模型Spring Boot项目的最佳实践 #### 选择合适的依赖库 为了简化开发过程并提高效率,在构建基于Spring Boot的应用程序时,可以利用Spring Boot Starter来管理依赖关系。通过引入特定的Starter POM文件,能够自动配置许多常见的框架和技术栈[^1]。 对于集成大型AI模型而言,通常会涉及到机器学习库的选择。例如TensorFlow、PyTorch等流行的人工智能平台都提供了Java API接口或者是RESTful服务形式的支持。因此可以根据实际需求挑选适合的技术方案,并将其作为外部模块加入到项目当中。 #### 设计合理的架构模式 考虑到性能优化以及可维护性的因素,在设计应用程序结构方面建议采用微服务架构风格。将复杂的业务逻辑拆分成多个独立的服务单元,每个部分专注于处理单一职责的功能点。这样不仅有助于降低系统的耦合度,同时也便于后续扩展升级操作。 针对AI模型部署场景来说,可以把训练好的模型封装成为单独的服务组件,对外暴露预测方法供其他子系统调用。借助于Kubernetes这样的容器编排工具还可以实现自动化运维管理和弹性伸缩能力[^2]。 #### 实现高效的通信机制 当把不同类型的异构资源组合在一起工作时,确保它们之间高效稳定的交互至关重要。在Spring Boot环境中推荐使用HTTP REST API或者gRPC协议来进行远程过程调用(RPC),这两种方式都能够很好地满足跨语言互操作的需求。 如果选用的是Python编写的大规模预训练模型,则可以通过Flask/Django搭建Web服务器提供在线推理功能;而Java端则负责发起请求获取返回结果完成最终展示渲染任务。此外也可以考虑直接加载本地序列化的权重参数文件至内存中执行离线计算流程。 ```java // Java代码片段:发送POST请求给ML Server import org.springframework.web.client.RestTemplate; public class AiService { private final RestTemplate restTemplate; public String predict(String input){ Map<String, Object> params = new HashMap<>(); params.put("input", input); ResponseEntity<String> responseEntity = this.restTemplate.postForEntity( "http://localhost:8080/predict", new HttpEntity<>(params), String.class); return Objects.requireNonNull(responseEntity.getBody()); } } ```
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值