本文主要探讨如何利用langchain4j来整合ollama和deepseek的使用方法。
步骤如下：
首先，在pom.xml文件中添加必要的依赖项：
<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j-spring-boot-starter</artifactId>
<version>${langchain4j-spring.version}</version>
</dependency>
<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j-ollama-spring-boot-starter</artifactId>
<version>${langchain4j-spring.version}</version>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>接着，在application.yaml文件中配置ollama的聊天模型：
langchain4j:
ollama:
chat-model:
base-url: http://localhost:11434
model-name: deepseek-r1:8b然后，创建一个控制器来处理聊天请求：
@RequestMapping("/ollama")
@RestController
public class ChatController {
@Autowired
ChatLanguageModel chatLanguageModel;
<pre class="brush:php;toolbar:false;"><code>/**
* curl -i localhost:8080/ollama/chat?prompt=今天日期是多少
* @param prompt
* @return
*/
@GetMapping("/chat")
public String chat(@RequestParam("prompt") String prompt) {
return chatLanguageModel.generate(prompt);
}}
最后，验证配置是否正确，可以通过访问http://localhost:8080/ollama/chat?prompt=%E4%BD%A0%E6%98%AF%E8%B0%81来测试，结果应为您好！我是由中国的深度求索（DeepSeek）公司开发的智能助手DeepSeek-R1。如您有任何任何问题，我会尽我所能为您提供帮助。
总结来说，langchain4j提供了一个名为langchain4j-ollama-spring-boot-starter的工具，可以方便地通过ollama访问deepseek。
