Spring Boot项目实战：5步搭建一个基于DeepSeek的AI代码生成微服务

Spring Boot项目实战5步搭建基于DeepSeek的AI代码生成微服务在当今快速迭代的软件开发领域AI辅助编程正从概念验证走向工程实践。本文将手把手带你实现一个生产级AI代码生成服务基于Spring Boot 3.x和LangChain4j框架深度整合DeepSeek最新模型能力。不同于简单的API调用演示我们更关注如何构建一个符合微服务架构标准的、可监控、易扩展的工程化解决方案。1. 工程初始化与环境配置1.1 项目骨架搭建使用Spring Initializr创建项目时建议选择以下核心依赖curl https://start.spring.io/starter.zip \ -d typegradle-project \ -d languagejava \ -d bootVersion3.2.0 \ -d packagingjar \ -d javaVersion17 \ -d dependenciesweb,lombok,actuator \ -d artifactIdai-code-service \ -o ai-code-service.zip关键依赖说明Spring Web: 提供RESTful接口支持Lombok: 减少样板代码Actuator: 生产环境监控端点1.2 模型接入配置在build.gradle中添加LangChain4j依赖dependencies { implementation dev.langchain4j:langchain4j-open-ai-spring-boot-starter:1.1.0 implementation dev.langchain4j:langchain4j:1.1.0 }配置application.yml实现多环境隔离spring: profiles: active: dev --- spring: config: activate: on-profile: dev langchain4j: open-ai: chat-model: base-url: https://api.deepseek.com api-key: ${DEEPSEEK_API_KEY} model-name: deepseek-chat temperature: 0.7 max-tokens: 4096 timeout: 60s安全提示API Key应通过环境变量注入禁止硬编码在配置文件中2. 核心服务层设计2.1 领域模型定义采用DDD思想设计代码生成领域模型public record CodeSnippet( Description(编程语言类型) String language, Description(代码片段内容) String content, Description(代码功能说明) String description ) {} public record CodeGenerationRequest( Description(需求描述) String requirement, Description(目标语言) String targetLanguage, Description(代码风格要求) String style ) {}2.2 服务层实现AiCodeService核心逻辑Service RequiredArgsConstructor public class AiCodeService { private final ChatLanguageModel chatModel; public CodeSnippet generateCode(CodeGenerationRequest request) { String systemPrompt 你是一个资深%s开发专家请根据以下要求生成代码 - 代码风格%s - 必须添加详细注释 - 使用最新语言特性; String userPrompt 需求 request.requirement(); String generatedCode chatModel.generate( SystemMessage.of(String.format(systemPrompt, request.targetLanguage(), request.style())), UserMessage.of(userPrompt) ); return new CodeSnippet( request.targetLanguage(), generatedCode, 根据需求生成的代码 ); } }3. RESTful接口设计3.1 控制器实现RestController RequestMapping(/api/v1/code) Tag(name AI代码生成, description 基于DeepSeek的智能代码生成API) public class CodeController { private final AiCodeService codeService; PostMapping Operation(summary 生成代码片段) public ResponseEntityCodeSnippet generateCode( RequestBody Valid CodeGenerationRequest request) { return ResponseEntity.ok(codeService.generateCode(request)); } }3.2 全局异常处理ControllerAdvice public class GlobalExceptionHandler { ExceptionHandler(RateLimitException.class) public ResponseEntityErrorResponse handleRateLimit(RateLimitException ex) { return ResponseEntity.status(429) .body(new ErrorResponse(API调用频率超限)); } record ErrorResponse(String message, Instant timestamp) { ErrorResponse(String message) { this(message, Instant.now()); } } }4. 生产环境优化4.1 性能监控配置在application.yml中添加management: endpoints: web: exposure: include: health,metrics,prometheus metrics: tags: application: ai-code-service4.2 缓存策略实现使用Spring Cache优化高频请求Cacheable(value codeCache, key {#request.requirement, #request.targetLanguage}) public CodeSnippet generateCodeWithCache(CodeGenerationRequest request) { return generateCode(request); }缓存配置示例Configuration EnableCaching public class CacheConfig { Bean public CacheManager cacheManager() { return new CaffeineCacheManager(codeCache); } }5. 部署与测试实践5.1 Docker化部署Dockerfile配置示例FROM eclipse-temurin:17-jdk-jammy WORKDIR /app COPY build/libs/*.jar app.jar ENTRYPOINT [java, -jar, app.jar]构建命令./gradlew build docker build -t ai-code-service .5.2 集成测试方案使用Testcontainers进行端到端测试SpringBootTest Testcontainers class AiCodeServiceIntegrationTest { Container static DeepSeekContainer deepSeek new DeepSeekContainer(); DynamicPropertySource static void configureProperties(DynamicPropertyRegistry registry) { registry.add(langchain4j.open-ai.chat-model.base-url, () - http:// deepSeek.getHost()); } Test void shouldGenerateValidCode() { CodeGenerationRequest request new CodeGenerationRequest( 实现快速排序, Java, Clean Code); CodeSnippet result codeService.generateCode(request); assertThat(result.content()) .contains(class QuickSort) .contains(public static void); } }在实际项目中使用时建议为不同编程语言创建专门的Prompt模板并针对输出结果建立自动化验证机制。例如对生成的Java代码可以集成SpotBugs进行静态检查Python代码则可以用pylint验证规范性。