当前位置：首页 > news >正文

Java程序员学AI（一）

news 来源：原创 2025/9/13 21:34:36

一、前言

最近刷技术圈，满眼都是 GPT、DeepSeek、QWen 这些 AI 名词。看着同行们在群里聊 AI 写代码、做数据分析，我这个摸了 Java 老程序员突然慌了 —— 再不出手，怕是真要被时代落下了！

作为一个 Java 死忠粉，学 AI 自然也想找 Java 的打开方式。翻遍全网资料，发现还真有不少 Java+AI 的宝藏玩法！像用 Java 调用 AI 模型、把 AI 功能封装成 Spring Boot 服务，甚至还有 Deeplearning4j 这种专为 Java 打造的深度学习库。原来用熟悉的语言，也能玩转最潮的 AI 技术！

于是决定开个博客，记录下自己从 Java 码农转型 AI 探索者的全过程。这里没有晦涩的理论，只有踩过的坑、总结的经验

二、AI基础概念

在软件领域，统一名词一定是一个非常重要的事儿，只有理解了名词才能更好的学习，下面我整理一下AI相关的名词。

1、LLM

LLM是Large Language Model的简称，翻译过来也就是大语言模型。这里的大指的是参数量很大，例如一些模型名称为 deepseek 32b，意思就是用 32billion（320亿）参数训练出来的模型。（作为应用开发，我们不会涉及如何训练模型，这个对笔者来说有点超纲了）

2、Prompt

提示词，所谓的提示词简单的来说就和大模型交互的指令。一句简单的 “帮我生成一份标题”也可以认为是提示词。提示词质量的高低会直接影响大模型生成的内容。以至于有专门的提示词工程，去编写不同的提示词。

3、Token

这里的Token和我们常说的Web的Token不是一会儿事儿，后者更多的是一种身份凭证，例如登录后获取的凭证用于后续调用接口，而大模型中的Token指的是大模型处理文本时的基本单元，就像 Java 代码里的一个个单词、符号和标点，把句子拆解成计算机能理解的小块。

4、Embedding

直接翻译过来就是嵌入，我们知道大模型可以理解我们的自然语言，靠的就是向量的相似性搜索。简单的来大模型会吧句子A向量化后的结果进行匹配，从而理解含义。这里的向量化就是嵌入，例如 “今天天气不错”这句话，如果想要被理解就需要被向量化，所谓的向量化就是把这句话通过一定的算法转换成一个浮点数数组。例如 [0.1251564,0.25793,0.6465464,…]

三、直接调用API

其实大模型的调用远比你想象的要简单，在刚接触大模型的时候觉得大模型很高深，不知道怎么学。确实大模型本身是比较复杂的，对于我们来说是一个黑盒，但是他的使用是相对接单的，我们只需要把他当成一个服务器即可。这里我们以deepseek为例

1、申请DeepSeek的ApiKey

（1）进入deepseek官网，点击右上角的“API 开放平台”

（2）找到菜单 Api keys，创建并保存key

2、使用Curl或者Postman调用

（3）用Postman或者直接crul即可调用

curl https://api.deepseek.com/chat/completions \-H "Content-Type: application/json" \-H "Authorization: Bearer <换成自己的API key>" \-d '{"model": "deepseek-chat","messages": [{"role": "system", "content": "You are a helpful assistant."},{"role": "user", "content": "Hello!"}],"stream": false}'

或者使用Postman调用

四、集成Springboot

相信每一个Java开发者都熟悉Springboot，Springboot也是我们最常用的框架，Spring官方也为我们提供了对应框架Spring AI （其实也是在Spring的基础上，或者说Springboot的基础上进行二次开发的框架），学习一门技术最好是从官网开始，所以这里我们到官网上查看相关资料。地址如下：

SpringAI 官网

1、完整的pom

<?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 https://maven.apache.org/xsd/maven-4.0.0.xsd"><modelVersion>4.0.0</modelVersion><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>3.4.5</version><relativePath/> <!-- lookup parent from repository --></parent><groupId>com.example</groupId><artifactId>demo</artifactId><version>0.0.1-SNAPSHOT</version><name>demo</name><description>Demo project for Spring Boot</description><url/><licenses><license/></licenses><developers><developer/></developers><scm><connection/><developerConnection/><tag/><url/></scm><properties><java.version>21</java.version><spring-ai.version>1.0.0-RC1</spring-ai.version></properties><dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-deepseek</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency></dependencies><dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>${spring-ai.version}</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins></build></project>

2、编写配置文件

spring:ai:deepseek:api-key: <替换成自己的AK>base-url: https://api.deepseek.com

3、编写示例代码

@RestController
@RequestMapping("/deepseek")
public class DeepSeekController {@Resourceprivate ChatClient client;@GetMapping("/chat")public String chat(String message) {return client.prompt(message).call().content();}
}

4、运行结果

至此我们已经简单的完成了Springboot对接deepseek，是不是比想象中要容易的多？

五、小结

作为学习AI的第一篇文章，我们只是简单的了解了一下AI相关的最基础的名词，同时对接了DeepSeek本文几乎没有任何难度。后续的文章将会深入讲解，首先会在本地部署deepseek，从而减少一直调用线上模型而产生的费用，也会针对高级的用法进行讲解，希望对你有所帮助。