JeecgBoot 对接本地化的大模型 DeepSeek-R1

JeecgBoot 是一款基于代码生成器的低代码开发平台，支持前后端分离架构，能够快速生成代码并集成多种技术栈。通过对接本地化的大模型 DeepSeek-R1，JeecgBoot 可以实现 AI 能力的集成，提升应用的智能化水平。以下是详细的对接步骤和方法：

1. 安装与配置 Ollama

Ollama 是一个用于本地运行大模型的工具，类似于 Docker，支持快速安装和管理 AI 模型。

• 步骤 1：下载并安装 Ollama，访问官网 https://ollama.com 获取安装包125。

• 步骤 2：通过命令行安装 DeepSeek-R1 模型。例如，安装 14B 参数版本的命令为：

  bash

  复制

  ollama run deepseek-r1:14b

  安装完成后，可以通过 ollama list 查看已安装的模型135。

2. 修改 JeecgBoot 配置文件

在 JeecgBoot 中，通过修改 yml 配置文件实现与 DeepSeek-R1 的对接。

• 步骤 1：在 application.yml 中添加以下配置：

  yaml

  复制

  jeecg:
    ai-chat:
      enabled: true
      model: deepseek-r1:14b
      apiKey: ollama
      apiHost: http://localhost:11434
      timeout: 60

  其中，apiHost 为 Ollama 的本地服务地址，model 指定使用的 DeepSeek-R1 模型版本135。

• 步骤 2：启动 JeecgBoot 应用，测试 AI 对话功能。如果返回结果中包含 <think> 标签，说明对接成功13。

3. 集成 Spring AI（可选）

如果需要更灵活的 AI 功能集成，可以通过 Spring AI 实现与 DeepSeek-R1 的交互。

• 步骤 1：在 pom.xml 中添加 Spring AI 依赖：

  xml

  复制

  <dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    <version>1.0.0-M1</version>
  </dependency>

  运行 HTML

• 步骤 2：配置 Spring AI 的 ChatClient，并替换 JeecgBoot 中原有的 AI 调用逻辑48。

• 步骤 3：通过 Spring AI 实现 RAG（检索增强生成）功能，结合矢量数据库（如 Redis）提升问答效果48。

4. 测试与优化

• 测试：在 JeecgBoot 的前端页面或 API 中测试 AI 对话功能，确保模型能够正常响应13。

• 优化：根据硬件性能选择合适的 DeepSeek-R1 模型版本（如 1.5B、7B、14B 等），以平衡计算资源与模型性能59。

5. 应用场景

通过对接 DeepSeek-R1，JeecgBoot 可以实现以下功能：

• 智能问答：在系统中集成 AI 助手，提供智能问答服务13。

• 文档检索：结合 RAG 技术，实现基于文档的智能检索与问答48。

• 自动化工作流：将 AI 能力嵌入业务流程，提升效率10。

总结

JeecgBoot 通过 Ollama 和 Spring AI 的集成，能够快速对接本地化的 DeepSeek-R1 大模型，实现智能化的应用开发。开发者可以根据需求选择合适的模型版本和集成方式，进一步提升系统的 AI 能力