DeepSeek4J开源:高效解决DeepSeek R1集成挑战

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。

一、为什么需要 deepseek4j？

1.1 现有框架的局限性

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

虽然笔者上篇博客介绍了如何使用 WebFlux 直接调用 DeepSeek API，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

二、核心特性

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

三、快速开始

3.1 添加依赖

io.github.pig-mesh.ai
deepseek-spring-boot-starter
1.1.0

3.2 配置参数

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

3.3 基础使用

@Autowired
privateDeepSeekClientdeepSeekClient;

//sse流式返回
@GetMapping(value="/chat",produces=MediaType.TEXT_EVENT_STREAM_VALUE)
publicFluxchat(Stringprompt){
returndeepSeekClient.chatFluxCompletion(prompt);
}

3.4 进阶配置

publicFluxchat(Stringprompt){
ChatCompletionRequestrequest=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()//functioncalling
.build();

returndeepSeekClient.chatFluxCompletion(request);
}

3.5 开发者专享彩蛋：

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。

点击「阅读原文」直达项目仓库，开启你的智能开发新纪元！

参考资料

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