在當今數(shù)字化時代，AI 技術(shù)的飛速發(fā)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(guān)鍵技術(shù)，正逐漸成為企業(yè)和開發(fā)者關(guān)注的焦點。而 Spring Boot 作為一種流行的 Java 開發(fā)框架，其簡潔、高效的特點深受廣大開發(fā)者的喜愛。本文將詳細介紹如何在 Spring Boot 中集成 Ollama 并調(diào)用 DeepSeek，開啟 AI 智能搜索的新紀元。

一、環(huán)境準備

1. 安裝 Ollama

訪問 Ollama 官網(wǎng)，下載與你操作系統(tǒng)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(tǒng)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(jù)你的網(wǎng)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(gòu)建

1. 創(chuàng)建 Spring Boot 項目

使用 Spring Initializr 創(chuàng)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(diào)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(diào)用 DeepSeek-R1 模型

1. 創(chuàng)建服務類

在 Spring Boot 項目中，創(chuàng)建一個服務類，用于調(diào)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(gòu)造函數(shù)注入的方式獲取 OllamaChatModel 實例。search 方法接收一個 prompt 參數(shù)，將其傳遞給 ollamaChatModel.call 方法，從而調(diào)用 DeepSeek-R1 模型進行搜索。

2. 創(chuàng)建控制器類

創(chuàng)建一個控制器類，用于接收客戶端的請求并調(diào)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(gòu)造函數(shù)注入的方式獲取 DeepSeekService 實例。search 方法接收一個 @RequestBody 注解的 prompt 參數(shù)，將其傳遞給 deepSeekService.search 方法，從而實現(xiàn)對 DeepSeek-R1 模型的調(diào)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(fā)送 POST 請求，并在請求體中傳遞搜索關(guān)鍵詞。例如，發(fā)送以下請求：

{
         "prompt": "人工智能的發(fā)展歷程"
     }

服務器將返回 DeepSeek-R1 模型的搜索結(jié)果，例如：

{
         "response": "人工智能的發(fā)展歷程可以追溯到 20 世紀 50 年代......"
     }

五、總結(jié)

通過上述步驟，我們成功地在 Spring Boot 中集成了 Ollama 并調(diào)用了 DeepSeek-R1 模型，實現(xiàn)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(jié)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(fā)展中，我們可以進一步探索和優(yōu)化這一技術(shù)，為用戶提供更加智能、高效的搜索體驗。