手把手教你 Spring Boot 集成 Ollama 調用 DeepSeek
在當今數字化時代，AI 技術的飛速發展正不斷改變著我們的生活和工作方式。其中，智能搜索作為一項關鍵技術，正逐漸成為企業和開發者關注的焦點。而 Spring Boot 作為一種流行的 Java 開發框架，其簡潔、高效的特點深受廣大開發者的喜愛。本文將詳細介紹如何在 Spring Boot 中集成 Ollama 并調用 DeepSeek，開啟 AI 智能搜索的新紀元。
一、環境準備
1. 安裝 Ollama
訪問 Ollama 官網，下載與你操作系統匹配的版本（支持 Windows、macOS 和 Linux）。
https://ollama.com/download/mac
下載完成后，運行安裝程序并按照提示完成安裝。對于 Linux 系統用戶，可以通過以下命令進行安裝：
curl -fsSL https://ollama.com/install.sh | sh驗證 Ollama 安裝是否成功，打開終端或命令提示符，輸入以下命令：
ollama --version如果成功安裝，終端會返回 Ollama 的版本號。
2. 下載 DeepSeek-R1
確認 Ollama 安裝無誤后，開始下載 DeepSeek-R1。在終端中運行以下命令：
ollama run deepseek-r1根據你的網絡速度，這個過程可能需要一些時間，請耐心等待，直到下載完成。
二、Spring Boot 項目構建
1. 創建 Spring Boot 項目
使用 Spring Initializr 創建一個 Spring Boot 項目，并添加 Spring AI 依賴。確保在 pom.xml 中包含以下依賴項：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
</dependency>2. 配置 Ollama
在 Spring Boot 的 application.properties 文件中，配置 Ollama 的服務地址和要調用的模型：
spring.ai.ollama.base-url=http://localhost:11434
spring.ai.ollama.chat.model=deepseek-r1:1.5b三、編寫代碼調用 DeepSeek-R1 模型
1. 創建服務類
在 Spring Boot 項目中，創建一個服務類，用于調用 DeepSeek-R1 模型。以下是一個簡單的示例：
import org.springframework.ai.ollama.OllamaChatModel;
import org.springframework.stereotype.Service;
@Service
public class DeepSeekService {
private final OllamaChatModel ollamaChatModel;
public DeepSeekService(OllamaChatModel ollamaChatModel) {
this.ollamaChatModel = ollamaChatModel;
}
public String search(String prompt) {
return ollamaChatModel.call(prompt);
}
}在上述代碼中，我們通過 @Service 注解將該類標記為一個服務類，并通過構造函數注入的方式獲取 OllamaChatModel 實例。search 方法接收一個 prompt 參數，將其傳遞給 ollamaChatModel.call 方法，從而調用 DeepSeek-R1 模型進行搜索。
2. 創建控制器類
創建一個控制器類，用于接收客戶端的請求并調用服務類中的方法。以下是一個示例：
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestBody;
import org.springframework.web.bind.annotation.RestController;
@RestController
public class DeepSeekController {
private final DeepSeekService deepSeekService;
public DeepSeekController(DeepSeekService deepSeekService) {
this.deepSeekService = deepSeekService;
}
@PostMapping("/search")
public String search(@RequestBody String prompt) {
return deepSeekService.search(prompt);
}
}在上述代碼中，我們通過 @RestController 注解將該類標記為一個控制器類，并通過構造函數注入的方式獲取 DeepSeekService 實例。search 方法接收一個 @RequestBody 注解的 prompt 參數，將其傳遞給 deepSeekService.search 方法，從而實現對 DeepSeek-R1 模型的調用。
四、測試與運行
1. 啟動項目
啟動 Spring Boot 項目，確保項目能夠正常運行。
2. 測試接口
使用 Postman 或其他工具，向 /search 接口發送 POST 請求，并在請求體中傳遞搜索關鍵詞。例如，發送以下請求：
{
"prompt": "人工智能的發展歷程"
}服務器將返回 DeepSeek-R1 模型的搜索結果，例如：
{
"response": "人工智能的發展歷程可以追溯到 20 世紀 50 年代......"
}五、總結
通過上述步驟，我們成功地在 Spring Boot 中集成了 Ollama 并調用了 DeepSeek-R1 模型，實現了 AI 智能搜索功能。這一過程不僅展示了 Spring Boot 與 Ollama 的強大結合，也為我們開啟了一扇通往 AI 智能搜索新紀元的大門。在未來的發展中，我們可以進一步探索和優化這一技術，為用戶提供更加智能、高效的搜索體驗。
