DeepSeek接入Spring AI：国产大模型完整实战指南

适读人群：想用国产大模型替代OpenAI的Java工程师
文章价值：DeepSeek接入全流程 + 与OpenAI性能对比 + 成本分析

---

为什么选择DeepSeek？

DeepSeek R1/V3在多个基准测试上已超越GPT-4o，而价格仅为OpenAI的1/20到1/50。对于企业级应用，这意味着相同预算下可以处理50倍的请求量。

DeepSeek vs OpenAI 2026年对比：

维度	DeepSeek V3	GPT-4o	GPT-4o Mini
输入价格	¥1/M tokens	$15/M tokens	$0.15/M
中文能力	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐
代码能力	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐
推理能力(R1)	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐
数据合规	国内服务器	境外服务器	境外服务器

---

接入方式一：OpenAI兼容API（最快方案）

DeepSeek提供OpenAI格式的API，Spring AI可以直接通过OpenAI Starter接入：

# application.yml - DeepSeek通过OpenAI兼容API接入
spring:
  ai:
    openai:
      api-key: ${DEEPSEEK_API_KEY}
      base-url: https://api.deepseek.com
      chat:
        options:
          model: deepseek-chat        # 或 deepseek-reasoner（R1推理模型）
          temperature: 0.7
          max-tokens: 4096

// 无需修改任何业务代码！
@Service
public class DeepSeekService {
    
    private final ChatClient chatClient; // 自动注入DeepSeek
    
    public String analyze(String code) {
        return chatClient.prompt()
            .system("你是一位资深Java代码审查专家")
            .user("请审查以下代码：\n```java\n" + code + "\n```")
            .call()
            .content();
    }
}

---

接入方式二：多模型并存（推荐生产）

生产环境推荐同时接入多个模型，按场景智能路由：

@Configuration
public class MultiModelConfig {
    
    // DeepSeek V3：高性价比通用场景
    @Bean("deepSeekClient")
    public ChatClient deepSeekClient(
        @Value("${deepseek.api-key}") String apiKey
    ) {
        OpenAiApi deepSeekApi = OpenAiApi.builder()
            .baseUrl("https://api.deepseek.com")
            .apiKey(apiKey)
            .build();
        
        OpenAiChatModel deepSeekModel = OpenAiChatModel.builder()
            .openAiApi(deepSeekApi)
            .defaultOptions(OpenAiChatOptions.builder()
                .model("deepseek-chat")
                .temperature(0.7f)
                .build())
            .build();
        
        return ChatClient.builder(deepSeekModel)
            .defaultSystem("你是专业的AI助手")
            .build();
    }
    
    // DeepSeek R1：复杂推理场景
    @Bean("deepSeekReasonerClient")
    public ChatClient deepSeekReasonerClient(
        @Value("${deepseek.api-key}") String apiKey
    ) {
        // 配置同上，model改为 deepseek-reasoner
        ...
        return ChatClient.builder(reasonerModel).build();
    }
    
    // OpenAI：对标最高质量场景（作为兜底）
    @Bean("openAiClient")
    public ChatClient openAiClient(OpenAiChatModel openAiModel) {
        return ChatClient.builder(openAiModel).build();
    }
}

智能路由服务

@Service
@RequiredArgsConstructor
public class SmartRoutingService {
    
    @Qualifier("deepSeekClient") private final ChatClient deepSeekClient;
    @Qualifier("deepSeekReasonerClient") private final ChatClient reasonerClient;
    @Qualifier("openAiClient") private final ChatClient openAiClient;
    
    public String chat(String message, RequestContext context) {
        return switch (context.getScenario()) {
            // 代码、推理类任务：用R1
            case CODE_REVIEW, MATH_REASONING, COMPLEX_ANALYSIS -> 
                reasonerClient.prompt().user(message).call().content();
            
            // 普通对话、RAG：用DeepSeek V3（成本最优）
            case GENERAL_CHAT, RAG_QA, DOCUMENT_SUMMARY ->
                deepSeekClient.prompt().user(message).call().content();
            
            // 高价值用户/VIP：用OpenAI（质量最优）
            case VIP_SERVICE ->
                openAiClient.prompt().user(message).call().content();
            
            default -> deepSeekClient.prompt().user(message).call().content();
        };
    }
}

---

DeepSeek R1的Chain of Thought特性

DeepSeek R1会输出完整的推理过程（<think>...</think>），这是它在复杂任务上表现优异的关键：

@Service
public class R1ReasoningService {
    
    @Qualifier("deepSeekReasonerClient")
    private final ChatClient reasonerClient;
    
    public ReasoningResult solveComplex(String problem) {
        String rawResponse = reasonerClient.prompt()
            .user(problem)
            .call()
            .content();
        
        // 解析思维链和最终答案
        String thinkingProcess = extractBetweenTags(rawResponse, "<think>", "</think>");
        String finalAnswer = rawResponse.replaceAll("<think>[\\s\\S]*?</think>", "").trim();
        
        return ReasoningResult.builder()
            .thinkingProcess(thinkingProcess)  // 推理过程（可选展示给用户）
            .finalAnswer(finalAnswer)
            .build();
    }
    
    private String extractBetweenTags(String text, String start, String end) {
        int s = text.indexOf(start);
        int e = text.indexOf(end);
        if (s == -1 || e == -1) return "";
        return text.substring(s + start.length(), e).trim();
    }
}

---

本地部署：Ollama + DeepSeek

不想将数据发给云端？可以用Ollama本地运行DeepSeek：

# 下载并运行DeepSeek模型（本地部署）
ollama pull deepseek-r1:7b     # 7B版本，需要8GB内存
ollama pull deepseek-r1:14b    # 14B版本，需要16GB内存
ollama serve

# Spring AI接入本地Ollama
spring:
  ai:
    ollama:
      base-url: http://localhost:11434
      chat:
        options:
          model: deepseek-r1:7b
          temperature: 0.7
          num-predict: 2048

---

成本优化实战

一个每日10万次请求的应用，使用不同方案的月成本对比：

方案	月成本估算
全部GPT-4o	~$45,000
全部GPT-4o Mini	~$450
全部DeepSeek V3	~$180
智能路由（本文方案）	~$120
本地Ollama（14B）	GPU成本约$200/月