DeepSeek R1 集成难题完美解决：Deepseek4j 已开源-51CTO.COM

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

<dependency>
    <groupId>io.github.pig-mesh.ai</groupId>
    <artifactId>deepseek-spring-boot-starter</artifactId>
    <version>1.1.0</version>
</dependency>

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
private DeepSeekClient deepSeekClient;

// sse 流式返回
@GetMapping(value = "/chat", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
public Flux<ChatCompletionResponse> chat(String prompt) {
    return deepSeekClient.chatFluxCompletion(prompt);
}

3.4 进阶配置

public Flux<ChatCompletionResponse> chat(String prompt) {
    ChatCompletionRequest request = 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() // function calling
            .build();

    return deepSeekClient.chatFluxCompletion(request);
}