在当今数字化时代，AI 技术的飞速发展正不断改变着我们的生活和工作方式。其中，智能搜索作为一项关键技术，正逐渐成为企业和开发者关注的焦点。而 Spring Boot 作为一种流行的 Java 开发框架，其简洁、高效的特点深受广大开发者的喜爱。本文将详细介绍如何在 Spring Boot 中集成 Ollama 并调用 DeepSeek，开启 AI 智能搜索的新纪元。
一、环境准备
1. 安装 Ollama
访问 Ollama 官网，下载与你操作系统匹配的版本（支持 Windows、macOS 和 Linux）。
https://ollama.com/download/mac
下载完成后，运行安装程序并按照提示完成安装。对于 Linux 系统用户，可以通过以下命令进行安装：
curl -fsSL https://ollama.com/install.sh | sh验证 Ollama 安装是否成功，打开终端或命令提示符，输入以下命令：
ollama --version如果成功安装，终端会返回 Ollama 的版本号。
2. 下载 DeepSeek-R1
确认 Ollama 安装无误后，开始下载 DeepSeek-R1。在终端中运行以下命令：
ollama run deepseek-r1根据你的网络速度，这个过程可能需要一些时间，请耐心等待，直到下载完成。
二、Spring Boot 项目构建
1. 创建 Spring Boot 项目
使用 Spring Initializr 创建一个 Spring Boot 项目，并添加 Spring AI 依赖。确保在 pom.xml 中包含以下依赖项：
<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 的服务地址和要调用的模型：
spring.ai.ollama.base-url=http://localhost:11434
spring.ai.ollama.chat.model=deepseek-r1:1.5b三、编写代码调用 DeepSeek-R1 模型
1. 创建服务类
在 Spring Boot 项目中，创建一个服务类，用于调用 DeepSeek-R1 模型。以下是一个简单的示例：
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);
}
}在上述代码中，我们通过 @Service 注解将该类标记为一个服务类，并通过构造函数注入的方式获取 OllamaChatModel 实例。search 方法接收一个 prompt 参数，将其传递给 ollamaChatModel.call 方法，从而调用 DeepSeek-R1 模型进行搜索。
2. 创建控制器类
创建一个控制器类，用于接收客户端的请求并调用服务类中的方法。以下是一个示例：
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);
}
}在上述代码中，我们通过 @RestController 注解将该类标记为一个控制器类，并通过构造函数注入的方式获取 DeepSeekService 实例。search 方法接收一个 @RequestBody 注解的 prompt 参数，将其传递给 deepSeekService.search 方法，从而实现对 DeepSeek-R1 模型的调用。
四、测试与运行
1. 启动项目
启动 Spring Boot 项目，确保项目能够正常运行。
2. 测试接口
使用 Postman 或其他工具，向 /search 接口发送 POST 请求，并在请求体中传递搜索关键词。例如，发送以下请求：
{
"prompt": "人工智能的发展历程"
}服务器将返回 DeepSeek-R1 模型的搜索结果，例如：
{
"response": "人工智能的发展历程可以追溯到 20 世纪 50 年代......"
}五、总结
通过上述步骤，我们成功地在 Spring Boot 中集成了 Ollama 并调用了 DeepSeek-R1 模型，实现了 AI 智能搜索功能。这一过程不仅展示了 Spring Boot 与 Ollama 的强大结合，也为我们开启了一扇通往 AI 智能搜索新纪元的大门。在未来的发展中，我们可以进一步探索和优化这一技术，为用户提供更加智能、高效的搜索体验。
