兄弟們，今天咱來聊聊一個超有意思的技術(shù)組合 ——Spring AI + Ollama 實現(xiàn) deepseek - r1 的 API 服務和調(diào)用。咱都知道，人工智能這幾年那可是火得一塌糊涂，各種大模型你方唱罷我登場。deepseek - r1 就是其中一個挺厲害的模型，那怎么把它用起來，讓它為咱們的項目服務呢？這就輪到 Spring AI 和 Ollama 閃亮登場啦！

一、啥是 Spring AI、Ollama 和 deepseek - r1

（一）Spring AI

Spring AI 呢，它就像是一個超級助手，專門為咱們開發(fā)人工智能應用提供各種便利。它基于咱們熟悉的 Spring 框架，有一套現(xiàn)成的工具和組件，能讓咱快速搭建起人工智能相關(guān)的功能。比如說，它能幫咱們輕松地集成各種大模型，管理模型的調(diào)用，處理輸入輸出啥的，就像給咱們的項目裝上了一個智能引擎，讓開發(fā) AI 應用變得簡單又高效。

（二）Ollama

Ollama 又是什么呢？它是一個運行和管理大語言模型的平臺。它的好處就在于，咱們不用費老大勁去自己部署和管理模型了，Ollama 幫咱們把這些麻煩事都搞定。它支持好多主流的大模型，而且提供了簡單易用的 API，咱們可以通過這些 API 很方便地和模型進行交互，讓模型給咱們干活。

（三）deepseek - r1

deepseek - r1 可是個實力派選手，它是一個功能強大的大模型，在自然語言處理方面表現(xiàn)相當出色。能幫咱們做文本生成、問答系統(tǒng)、智能客服等等好多實用的功能。今天咱就來看看怎么把它和 Spring AI、Ollama 一起搭配，發(fā)揮出最大的威力。

二、準備工作

在開始動手之前，咱得先把環(huán)境搭好。首先，你得確保你的開發(fā)環(huán)境里有 Java。要是沒有的話，趕緊去下載安裝一個，現(xiàn)在 Java 最新版都挺好用的，安裝過程也不難，按照提示一步一步來就行。

然后呢，咱們得安裝 Maven。Maven 是干啥的呢？它就像是一個大管家，幫咱們管理項目里用到的各種依賴。比如說，咱們要用 Spring AI 和 Ollama，就可以通過 Maven 很方便地把它們加到咱們的項目里。安裝 Maven 也很簡單，去 Maven 的官網(wǎng)下載安裝包，解壓之后配置一下環(huán)境變量就搞定啦。

接下來，咱們還得安裝 Ollama。Ollama 的安裝也不復雜，它支持好幾種操作系統(tǒng)。你可以去 Ollama 的官網(wǎng)，按照它給的安裝指南，根據(jù)你自己的操作系統(tǒng)來安裝。安裝好之后，啟動 Ollama，確保它在正常運行。

三、創(chuàng)建 Spring Boot 項目

環(huán)境搭好之后，咱就可以開始創(chuàng)建 Spring Boot 項目啦。打開你喜歡的 IDE，比如說 IntelliJ IDEA 或者 Eclipse。在 IDE 里創(chuàng)建一個新的 Spring Boot 項目，這里選擇 Maven 項目，然后在項目的pom.xml文件里添加 Spring AI 和 Ollama 相關(guān)的依賴。

<dependencies>
    <!-- Spring Boot Starter -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter</artifactId>
    </dependency>
    <!-- Spring AI -->
    <dependency>
        <groupId>io.micronaut.ai</groupId>
        <artifactId>micronaut-ai-openai</artifactId>
        <version>1.0.0</version>
    </dependency>
    <!-- Ollama -->
    <dependency>
        <groupId>com.github.jillesvangurp</groupId>
        <artifactId>ollama-java</artifactId>
        <version>0.1.0</version>
    </dependency>
</dependencies>

這些依賴就是咱們項目的 “彈藥庫”，有了它們，咱們才能在項目里使用 Spring AI 和 Ollama 的各種功能。添加好依賴之后，Maven 會自動幫咱們下載這些依賴包，耐心等一會兒就行。

四、配置 Ollama 客戶端

接下來，咱們得配置一下 Ollama 客戶端，這樣咱們的 Spring Boot 項目才能和 Ollama 進行通信。在 Spring Boot 項目的src/main/resources目錄下創(chuàng)建一個application.properties文件，然后在里面添加 Ollama 的配置信息。

ollama.url=http://localhost:11434
ollama.url=http://localhost:11434

這里咱們假設 Ollama 運行在本地，端口是 11434，要是你安裝的時候改了端口，記得把這里的端口號也改成你自己的。

五、編寫代碼調(diào)用 deepseek - r1

配置好之后，就到了最關(guān)鍵的部分啦，編寫代碼來調(diào)用 deepseek - r1。咱們先創(chuàng)建一個 Java 類，比如說叫OllamaService，在這個類里編寫調(diào)用 Ollama 和 deepseek - r1 的方法。

import com.github.jillesvangurp.ollama.OllamaClient;
import com.github.jillesvangurp.ollama.api.ChatCompletionRequest;
import com.github.jillesvangurp.ollama.api.ChatCompletionResponse;
import com.github.jillesvangurp.ollama.api.Message;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.stereotype.Service;

import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

@Service
publicclass OllamaService {

    @Value("${ollama.url}")
    privateString ollamaUrl;

    publicString generateText(String prompt) {
        OllamaClient client = new OllamaClient(ollamaUrl);
        List<Message> messages = new ArrayList<>();
        messages.add(new Message("user", prompt));

        ChatCompletionRequest request = new ChatCompletionRequest("deepseek - r1", messages);
        ChatCompletionResponse response = null;
        try {
            response = client.createChatCompletion(request);
        } catch (IOException e) {
            e.printStackTrace();
        }
        assert response != null;
        return response.getChoices().get(0).getMessage().getContent();
    }
}

在這段代碼里，咱們首先創(chuàng)建了一個OllamaClient對象，用來和 Ollama 進行通信。然后創(chuàng)建了一個ChatCompletionRequest對象，這里指定使用deepseek - r1模型，并且把用戶的輸入（也就是prompt）作為一條消息傳進去。接著通過OllamaClient發(fā)送這個請求，得到ChatCompletionResponse，最后從響應里取出模型生成的文本返回。

六、在 Controller 中使用服務

代碼寫好了，怎么讓它跑起來呢？咱們還得創(chuàng)建一個 Controller，在 Controller 里調(diào)用這個OllamaService。創(chuàng)建一個OllamaController類。

import org.springframework.beans.factory.annotation.Autowired;
importorg.springframework.web.bind.annotation.GetMapping;
importorg.springframework.web.bind.annotation.RequestParam;
importorg.springframework.web.bind.annotation.RestController;

@RestController
public class OllamaController {

    @Autowired
    private OllamaService ollamaService;

    @GetMapping("/generate")
    public String generateText(@RequestParam String prompt) {
        returnollamaService.generateText(prompt);
    }
}

在這個 Controller 里，咱們通過@Autowired注解把OllamaService注入進來，然后創(chuàng)建了一個/generate的接口，當用戶訪問這個接口并且傳入一個prompt參數(shù)的時候，就會調(diào)用OllamaService的generateText方法，返回模型生成的文本。

七、測試一下

現(xiàn)在，咱們的項目基本上就大功告成啦！啟動 Spring Boot 項目，等項目啟動成功之后，打開瀏覽器，輸入http://localhost:8080/generate?prompt=你好，給我講一個笑話（這里假設你的 Spring Boot 項目端口是 8080）。然后回車，稍等一會兒，你就能看到瀏覽器里返回了一段由 deepseek - r1 模型生成的笑話。

怎么樣，是不是挺簡單的？通過 Spring AI 和 Ollama，咱們輕輕松松就實現(xiàn)了對 deepseek - r1 模型的 API 服務和調(diào)用。當然啦，這只是一個簡單的示例，在實際項目中，你可以根據(jù)自己的需求對代碼進行擴展和優(yōu)化，比如說增加更多的參數(shù)配置，處理更復雜的輸入輸出等等。

好啦，今天關(guān)于 Spring AI + Ollama 實現(xiàn) deepseek - r1 的 API 服務和調(diào)用就講到這里啦。