隨著 DeepSeek R1 模型的發布，其強大的思維鏈能力讓開發者為之興奮。然而，Spring AI 等主流框架對其支持不足，導致很多開發者無法充分發揮模型潛力。本文將為您帶來一個完美的解決方案 - deepseek4j。

一、為什么需要 deepseek4j？

1.1 現有框架的局限性

思維鏈內容丟失：R1 最核心的推理過程完全被忽略

響應模式不兼容：無法處理"思考在前、結論在后"的輸出模式

參數限制：temperature、top_p 等關鍵參數設置失效

流式處理不完善：用戶體驗欠佳

雖然筆者上篇博客介紹了如何使用 WebFlux 直接調用 DeepSeek API，但這種方式存在一些問題：開發成本高：直接調用 API 或改造現有框架需要處理大量細節，包括請求構建、響應解析、錯誤處理等。

一不做二不休，為了徹底解決這些問題，筆者基于 OpenAI4J[1] 項目的優秀架構，打造了一個專門面向 DeepSeek 的開箱即用方案 DeepSeek4J[2]

增強支持 DeepSeek 獨有的思維鏈和賬單特性

增加 Project Reactor 的全面響應式支持

提供集成 Spring Boot Starter，提供自動配置

二、核心特性

完整保留思維鏈能力、賬單

響應式流式處理

簡單優雅的 API 設計

開箱即用的 Spring Boot 集成，同時支持2.x / 3.x

內置調試頁面

詳細的請求響應日志

靈活的代理配置

響應式編程支持

三、快速開始

3.1 添加依賴

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

3.2 配置參數

deepseek:
api-key:your-api-key-here
base-url:https://api.deepseek.com/v1#可選，默認為官方API地址，支持火山、gitee、硅基流動

3.3 基礎使用

@Autowired
privateDeepSeekClientdeepSeekClient;

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

3.4 進階配置

publicFluxchat(Stringprompt){
ChatCompletionRequestrequest=ChatCompletionRequest.builder()
//模型選擇，支持DEEPSEEK_CHAT、DEEPSEEK_REASONER等
.model(ChatCompletionModel.DEEPSEEK_CHAT)
//添加用戶消息
.addUserMessage(prompt)
//添加助手消息，用于多輪對話
.addAssistantMessage("上輪結果")
//添加系統消息，用于設置角色和行為
.addSystemMessage("你是一個專業的助手")
//設置最大生成token數，默認2048
.maxTokens(1000)
//設置響應格式，支持JSON結構化輸出
.responseFormat()
.tools()//functioncalling
.build();

returndeepSeekClient.chatFluxCompletion(request);
}

3.5 開發者專享彩蛋：

內置可視化調試頁面，雙擊 sse.html 即可開啟實時對話監控，完整呈現思維鏈演進過程！頁面提供了完整的前端實現代碼，可作為集成參考。

點擊「閱讀原文」直達項目倉庫，開啟你的智能開發新紀元！

參考資料

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