当前位置： 首页 > article >正文

JAVA接入DeepSeek大模型接口开发---阿里云的百炼模型

article 2025/3/28 20:39:17

前言

随着大模型的越来越盛行，现在很多企业开始接入大模型的接口，今天我从java开发角度来写一个demo的示例，用于接入DeepSeek大模型，国内的大模型有很多的接入渠道，今天主要介绍下阿里云的百炼模型，因为这个模型是免费的，只要注册一个账户，就会免费送百万的token进行学习，今天就从一个简单的可以执行的示例开始进行介绍，希望可以分享给各位正在学习的同学们。

概念原理：

DeepSeek大模型是由深度求索（DeepSeek）公司开发的一种生成式人工智能模型，其核心目标是结合大规模语言模型与深度搜索技术，提供更精准、全面的信息服务和交互体验。以下从技术定位、核心功能及底层原理三个层面展开说明：

1. DeepSeek大模型的定位

DeepSeek旨在成为“搜索增强型大语言模型”，与传统搜索引擎或纯生成式AI（如ChatGPT）不同，它通过以下方式融合两者优势：

  • 搜索增强生成：将网络检索结果作为输入的一部分，辅助模型生成更实时、可信的内容。
  • 多模态交互：支持文本、图像、语音等多模态输入，扩展应用场景。
  • 长文本处理：优化上下文记忆能力，支持复杂任务的多轮对话。

2. 深度搜索（DeepSeek）的核心功能

深度搜索技术主要解决传统搜索的三大痛点：

  • 语义鸿沟：通过深度理解用户意图（而非关键词匹配），精准定位信息。例如，将“如何修复电脑蓝屏”转化为技术文档、论坛讨论和教程视频的关联。
  • 信息过时：实时抓取最新数据（如新闻、学术文献），动态更新知识库。
  • 长尾查询：通过生成能力补全冷门问题的信息缺失，如专业领域的细分问题。

具体技术手段包括：

  • 混合检索架构：结合向量数据库（语义搜索）与图数据库（知识关联），提升召回率。
  • 生成式补全：对检索结果不足的部分，用大模型生成补充内容，并标注来源可信度。
  • 多模态索引：对图像、表格等非文本数据建立嵌入表示（Embedding），实现跨模态检索。

3. 底层技术原理

DeepSeek的技术栈可分为四层架构：

（1）基础模型层
  • Transformer架构：采用解码器-only结构（类似GPT），通过自注意力机制捕捉长距离依赖。
  • 参数规模：推测为百亿级参数（具体未公开），支持复杂推理和生成任务。
  • 优化策略：可能引入混合专家系统（MoE）降低计算成本，或采用量化技术加速推理。
（2）预训练与微调
  • 多任务预训练：
    • 语言建模：掩码语言模型（MLM）学习文本表征。
    • 知识注入：通过检索增强预训练（REALM等范式），将外部知识融入模型。
    • 对话建模：基于指令微调（Instruction Tuning）提升任务完成能力。
  • 持续学习：通过增量预训练吸收新数据，避免知识过时。
（3）搜索融合层
  • 动态检索：在用户输入时实时触发搜索，将结果编码为模型可读的向量。
  • 上下文融合：将检索内容与用户历史对话拼接，作为生成输入的上下文。
  • 可控生成：通过强化学习（RLHF）优化生成方向，确保答案符合搜索目标。
（4）系统优化层
  • 异构硬件适配：针对CPU/GPU/NPU优化推理速度，支持高并发场景。
  • 延迟-质量平衡：根据场景动态调整搜索深度和生成长度，例如简单问题直接检索，复杂问题启动生成。

JAVA实战

第一步：依赖的配置

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <groupId>org.example</groupId>
    <artifactId>spring.ai.text</artifactId>
    <version>1.0-SNAPSHOT</version>
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>3.2.5</version>
        <relativePath/> <!-- lookup parent from repository -->
    </parent>
    <properties>
        <java.version>17</java.version>
        <spring-ai.version>0.8.1</spring-ai.version>
    </properties>
    <repositories>
        <repository>
            <id>spring-milestones</id>
            <name>Spring Milestones</name>
            <url>https://repo.spring.io/milestone</url>
            <snapshots>
                <enabled>false</enabled>
            </snapshots>
        </repository>
    </repositories>
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
            <version>${spring-ai.version}</version>
        </dependency>
        <!-- 使用DashScope SDK -->
        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>dashscope-sdk-java</artifactId>
            <version>2.5.0</version> <!-- 使用最新版本 -->
        </dependency>
    </dependencies>
    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
            </plugin>
        </plugins>
    </build>
</project>

第二步：接口的开发

package org.example;
import com.alibaba.dashscope.base.HalfDuplexServiceParam;
import com.alibaba.dashscope.aigc.generation.Generation;
import com.alibaba.dashscope.aigc.generation.GenerationParam;
import com.alibaba.dashscope.aigc.generation.GenerationResult;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import io.reactivex.Flowable;
import java.lang.System;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;
@RestController
public class QwenController {
    private static StringBuilder reasoningContent = new StringBuilder();
    private static StringBuilder finalContent = new StringBuilder();
    private static boolean isFirstPrint = true;
    @GetMapping("/qwen")
    public String askQuestion(String question) throws NoApiKeyException, InputRequiredException {
        Generation gen = new Generation();
        HalfDuplexServiceParam generationParam = buildGenerationParam(question);
        Flowable<GenerationResult> result = gen.streamCall(generationParam);
        result.blockingForEach(message -> handleGenerationResult(message));
        return reasoningContent.toString();
    }
    @GetMapping("/deepseek")
    public String askDeepSeekQuestion(String question) throws NoApiKeyException, InputRequiredException {
        Generation gen = new Generation();
        HalfDuplexServiceParam generationParam = buildDeepSeekGenerationParam(question);
        Flowable<GenerationResult> result = gen.streamCall(generationParam);
        result.blockingForEach(message -> handleGenerationResult(message));
        return reasoningContent.toString();
    }
    private static HalfDuplexServiceParam buildDeepSeekGenerationParam(String Msg) {
        return GenerationParam.builder()
                // 若没有配置环境变量，请用百炼API Key将下行替换为：.apiKey("sk-xxx")
                .apiKey("")
                // 此处以 qwq-32b 为例，可按需更换模型名称
                .model("deepseek-r1")
                .prompt(Msg)
                .build();
    }
    private static HalfDuplexServiceParam buildGenerationParam(String Msg) {
        return GenerationParam.builder()
                // 若没有配置环境变量，请用百炼API Key将下行替换为：.apiKey("sk-xxx")
                .apiKey("")
                // 此处以 qwq-32b 为例，可按需更换模型名称
                .model("qwq-32b")
                .prompt(Msg)
                .build();
    }
    private static void handleGenerationResult(GenerationResult message) {
        String reasoning = message.getOutput().getChoices().get(0).getMessage().getContent();
        String content = message.getOutput().getChoices().get(0).getMessage().getContent();
        if (!reasoning.isEmpty()) {
            reasoningContent.append(reasoning);
            if (isFirstPrint) {
                System.out.println("====================思考过程====================");
                isFirstPrint = false;
            }
            System.out.print(reasoning);
        }
        if (!content.isEmpty()) {
            finalContent.append(content);
            if (!isFirstPrint) {
                System.out.println("\n====================完整回复====================");
                isFirstPrint = true;
            }
            System.out.print(content);
        }
    }
}

代码中的模型选择，可以选择目前百炼支持的模型，比如说阿里云的模型，比如说deepseek的模型，一般有deepseek-v1、deepseek-v2、deepseek-v3以及deepseek-r1等，每种不同的模型具备不同的推理能力不一样。具体的会在接口调用的时候进行介绍。

第三步：运行效果

3.1deepseek-r1的调用情况

image

3.2qwq-32b的调用情况

image

总结：

从运行的效果来看，整个的思考过程以及生成的结果来看，两个模型的思考几乎是差不多的，现在随着国内的大模型逐步开源，并且相互之间进行模型之间的学习以及蒸馏，这样的话，整个国内的AI大模型就会达到良性的发展，随着使用的人数越来越多，也能反向的促进人工智能的发展与进步。


http://www.kler.cn/a/593891.html

相关文章：

  • wpa_supplicant驱动初始化源码分析
  • 当Anaconda的安装路径与我想创建的conda虚拟环境路径不一致时，应该怎么操作？
  • Docker Compose部署MantisBT
  • java学习笔记5
  • 智能AI流式输出的前端展现过程
  • 实现一个函数，将驼峰命名法的字符串转换为下划线命名法。
  • 剑指 Offer II 112. 最长递增路径
  • Java的表达式自动类型提升
  • Java操作RabbitMQ
  • 基于ArcGIS和ETOPO-2022 DEM数据分层绘制全球海陆分布
  • VLLM专题（三十一）—架构概述
  • 蓝桥杯十四届C++B组真题题解
  • 计算机网络基础：网络配置与管理
  • springboot实现文件上传到服务器上，并通过url访问
  • 批量将 PPT 转换为PDF/XPS/JPG图片等其它格式
  • 谈谈 CSS 中z - index属性的作用及在什么情况下会失效。
  • LVGL和其他图形库区别于联系
  • 1.环境搭建VUE+Spring boot
  • 「清华大学、北京大学」DeepSeek 课件PPT专栏
  • 小型状态机实现