SpringAI学习deepseek模型

原创 已于 2026-03-04 22:48:14 修改 · 134 阅读 · 0 GEO检测
标签
#学习
于 2026-03-04 22:47:56 首次发布

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ，讲透 AI 如何接管脏活累活

一键订阅

一、windows本地部署deepseek模型

1、安装 Ollama 驱动模型

Ollama 中文文档：文档 -- Ollama 中文文档|Ollama官方文档

模型下载官网：Download Ollama on macOS

选择下载 驱动模型下载即可。 目前最新版本为：v0.6.2

由于Ollama安装包在国外，很容易被墙。这里我通过魔法下载好了的exe安装包。使用中国移动不限速网盘下载。

可以自取：链接:https://caiyun.139.com/m/i?2jQXoNqM5Xos4 提取码:xg4f
复制内容打开移动云盘PC客户端，操作更方便哦

由于Ollama 驱动模型依赖C盘，只能直接安装

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ，讲透 AI 如何接管脏活累活

一键订阅
了解本专栏 订阅专栏 解锁全文 超级会员免费看
SpringAI+DeepSeek大模型应用开发实战视频教程.zip
06-11
目录： 01.课程介绍.mp4 02.认识AI和大模型.mp4 03.大模型应用开发-模型部署方案对比.mp4 04.大模型应用开发-模型部署-云服务.mp4 05.大模型应用开发-模型部署-本地部署.mp4 06.大模型应用开发-调用大模型.mp4 07.大模型应用开发-什么是大模型应用.mp4 08.大模型应用开发-大模型应用开发技术方案.mp4 09.SpringAI-课程安排.mp4 10.SpringAI-对话机器人-快速入门.mp4 11.SpringAI-对话机器人-会话日志.mp4 12.SpringAI-对话机器人-对接前端.mp4 13.SpringAI-对话机器人-会话记忆功能.mp4 14.SpringAI-对话机器人-会话历史功能.mp4 15.SpringAI-哄哄模拟器-提示词工程.mp4 16.SpringAI-哄哄模拟器-代码实现.mp4 17.SpringAI-智能客服-需求和思路分析.mp4 18.SpringAI-智能客服-编写Tools.mp4 19.SpringAI-智能客服-FunctionCalling.mp4 20.SpringAI-智能客服-解决百炼平台兼容性问题.mp4 21.SpringAI-ChatPDF-向量模型.mp4 22.SpringAI-ChatPDF-向量数据库和PDF处理.mp4 23.SpringAI-ChatGPT-读取PDF和向量搜索.mp4 24.SpringAI-ChatGPT-实现ChatGPT应用.mp4 25.SpringAI-多模态会话.mp4 26.完结.mp4 网盘文件永久链接
大模型之Spring AI实战系列（三十二）：Spring Boot + DeepSeek 实战指南：工具函数（Function Call）实战应用
寻道AI，探索AI无限可能！
06-24 3872
随着人工智能技术的飞速发展，大模型在各个领域的应用日益广泛，为开发者带来了前所未有的机遇和挑战。在众多的框架和平台中，Spring Boot以其简洁、高效的特点，成为了构建企业级应用的首选之一。而DeepSeek作为一款强大的人工智能平台，提供了丰富的API接口和功能，能够满足各种复杂的应用需求。本文将深入探讨如何将Spring Boot与DeepSeek相结合，通过工具函数（Function Call）的实战应用，帮助读者快速掌握这一前沿技术，实现高效、智能的应用开发。
【全网最详细！十万字解析】SpringAI+Deepseek大模型应用开发实战笔记-下半（进阶+详细+完整代码）
2201_75669520的博客
06-29 2万+
黑马SpringAI+Deepseek大模型应用开发实战笔记，超详细附带大量进阶知识和代码
Spring AI 封神之路(一)｜会话记忆多存储 + 提示词工程（黑马 SpringAI+Deepseek大模型应用开发实战笔记）
小安同学的博客
02-15 1428
本文介绍了基于Ollama本地部署的AI调用方案及SpringAI集成开发实践。主要内容包括：1）Ollama本地部署方法，包含下载安装和项目初始化；2）SpringAI版本选择建议（1.x稳定版与2.x预览版对比）；3）两种模型调用方式（本地Ollama和官方API）；4）会话记忆功能实现方案（内存、数据库和Redis存储）；5）提示词工程应用实例（哄女友游戏场景）；6）完整项目结构说明，包含pom.xml配置、数据库表设计、核心配置类和控制器实现。文章详细阐述了如何通过SpringAI框架集成大模型能力
javaAI-01-AI入门
树叶子的博客
06-19 1436
大模型基本概念入门科普
从零开始：使用DeepSeek+Spring AI搭建RAG知识库，从青铜到王者之路
2401_84204413的博客
02-14 2173
一、RAG 知识库：解锁精准问答的新姿势在人工智能飞速发展的当下，大语言模型（LLMs）已广泛应用于各种自然语言处理任务。但它们也存在一些局限性，如 “幻觉” 问题，即生成的内容可能与事实不符或缺乏足够的准确性。为了解决这些问题，检索增强生成（Retrieval-Augmented Generation，RAG）技术应运而生。RAG 技术的核心在于将检索与生成相结合。传统的生成模型依赖大量的训练数据来生成回答，当面对新问题或新兴领域知识时，可能会产生不准确或不合逻辑的回答。
融合DeepSeek与SpringAI技术，打造智能家庭医生应用新范式
2501_90713682的博客
03-31 1110
│ 6-4 SpringAI集成ollama实现deepseek同步调用_dec_ev.mp4。│ 9-8 发布项目 - SpringBoot3 项目打包发布_dec_ev.mp4。│ 3-3 MAC安装Ollama本地部署DeepSeek_dec_ev.mp4。│ 9-10 发布项目 - Nginx发布家庭医生前端项目_dec_ev.mp4。
【全网最详细！十万字解析】SpringAI+Deepseek大模型应用开发实战笔记-上半（进阶+详细+完整代码）
热门推荐
2201_75669520的博客
06-22 3万+
黑马程序员SpringAI+DeepSeek大模型应用开发实战学习笔记，10万字全网最全解析！！！
SpringAI+Ollama+DeepSeek本地大模型调用
墨家巨子@俏如来
03-10 2176
大型语言模型（LLM）在自然语言处理领域取得了突破性进展，但其庞大的计算资源需求和高昂的调用成本，使得许多开发者望而却步。如何高效、便捷地调用大模型，并将其应用于实际场景，成为了亟待解决的问题。本文将介绍一种创新的解决方案：SpringAI + Ollama + DeepSeek，通过将三者结合，实现本地化部署和调用大模型，为开发者提供更灵活、更经济的LLM应用开发体验。SpringAI 作为Java生态中强大的AI框架，为开发者提供了便捷的API和丰富的工具集，简化了AI模型的集成和应用开发流程。
基于土地管理问题：博弈论与系统动力学的综合学习与应用-第一章 系统动力学的基本思想：系统、反馈与动态演化
Ichliebedich2020的博客
06-17 360
本文系统阐述了从博弈论到系统动力学的学习路径，聚焦土地流转问题。博弈论用于分析农户、经营主体等微观主体的策略选择，而系统动力学则研究这些选择累积形成的宏观系统演化。文章详细解析了系统动力学的三大核心概念：系统（多要素相互联系的整体）、反馈（变量间的循环影响）和动态演化（随时间变化的过程），并以土地流转为例，具体分析了规模收益（正反馈）与租金成本（负反馈）等机制如何共同决定系统的长期发展趋势（持续增长、停滞或波动）。系统动力学通过揭示要素间的反馈结构，为理解土地管理等复杂社会问题提供了有力工具。
2026最新大模型驱动下的排盘工具配套专业学习与数据定制趋势研究
最新发布
Vito_Wiki的博客
06-21 280
作为命理软件行业的资深从业者，我们剥离所有的市场营销话术，纯粹从数据模型、UI交互与技术架构的演进角度，来拆解现代排盘工具配套的学习内容更新机制与数据管理定制逻辑。本文从行业技术演进的视角，探讨排盘工具配套学习内容的动态更新机制以及客户数据管理（CRM）的定制化逻辑，并分析其对行业专业形象交付的深远影响。在垂直领域的数字化进程中，无论是实体空间的规划，还是专业工具的逻辑构建，核心都在于​**如何将复杂的原材料（如标准板材、古代文献）高效转化为符合现代人实际需求的高效解决方案（如空间利用、实战应用）**​。
AzerothCore学习笔记·模组02：Hook 系统（上）——ScriptMgr 与脚本加载机制
文韬博宇的博客
06-20 377
ScriptMgr 维护 48 种脚本类型的独立注册表，每表两层结构：ScriptPointerList（所有实例）+ EnabledHooks（按 Hook ID 分组）。后者跳过未重写的虚函数提升性能。加载分两阶段：代码脚本在模块入口注册，数据库绑定脚本等 DB 加载后注册。Hook 分三类：通知型、拦截型、参数修改型。
pwn自主学习
QCzblack的博客
06-15 275
先nc链接一下，发现什么命令都没有用，下载附件放到kali里面file查看一下再checksec一下看看是否有保护然后放到IDA中查看，发现了栈溢出，定义了16，读取了0x64ull=100发现bin/sh，查看一下找到溢出，后门编写exp运行后得到flag。
Java数据库连接池学习
u011237796的博客
06-18 211
表示并发情况下最大可从连接池中获取的连接数。连接池基本的思想是在系统初始化的时候，将数据库连接作为对象存储在内存中，当用户需要访问数据库时，并非建立一个新的连接，而是从连接池中取出一个已建立的空闲连接对象。maxIdle对应的连接，实际上是连接池保持的长连接，这也是连接池发挥优势的部分，理论上讲保持较多的长连接，在应用请求时可以更快的响应，但是过多的连接保持，反而会消耗数据库大量的资源，因此maxIdle也并不是越大越好，同上例我们建议将 maxIdle设置成50-100中靠近50的数字，例如55。
Docker 学习之路-从入门到放弃-Jenkins：4-1
qq_28183291的博客
06-17 337
首先总结一下，Jenkins 运行jar 服务，配置主要包括两部分：jdk 和 maven 以及gitlab或云存储平台（阿里云效）。jdk 如果可以选择自带的jdk版本。这里讲解的是没法选择自带java版本。如果没有找到，说明你这里没有给Jenkins账户配权限，可以切换成root账户查询。如果你的jar 不需要docker 、docker-compose ，则跳过。maven 配置自动安装一个版本即可。这个拉取代码时，需要验证。根据提示的路径，配置全局的配置即可。这里是对Jenkins配置的补充。
读书笔记--傅里叶变换学习与感悟
hhue2007的专栏
06-21 187
以通俗易懂的方式介绍了傅里叶变换的核心概念与应用。作者将傅里叶变换比作成分拆解机，通过果汁配方、三棱镜分光等生活化比喻，形象解释了时域与频域的转换原理。文章分析了傅里叶变换的三大作用：频谱分析、系统特性研究和运算简化，并列举了其在语音处理、图像压缩、医学成像等领域的典型应用。重点阐释了时域与频域的对偶关系，包括数学表达上的对称性、运算规则的对应性，以及离散傅里叶变换(DFT)与快速傅里叶变换(FFT)的转换原理。全文生动展现了傅里叶变换作为信号处理基础工具的重要价值。
智能体设计模式：学习与适应 Learning & Adaptation
闵浮龙的博客
06-17 176
学习与适应，是 Agent 从“工具调用器”升级成“长期系统”的关键一步。它的核心不是让模型自由发挥，而是建立反馈闭环。能记录。能评估。能诊断。能更新。能验证。能回滚。做到这些，Agent 才能越用越稳，越跑越准。智能体设计模式：学习与适应 Learning & Adaptation：功能变化与行业影响解析_热闻岛。
【Linux驱动学习PCIE篇】PCIE学习--MSI-X中断的注册
qq_54050349的博客
06-20 167
文章摘要 MSI-X是PCIe规范中的增强型消息信号中断机制，相比传统INTx和MSI具有显著优势： 无需物理引脚，通过PCIe TLP报文发送中断 支持最多2048个独立中断向量，每个向量拥有独立地址和数据域 中断表位于设备BAR空间，支持灵活配置 适用于现代高性能设备如NVMe、网卡和GPU 硬件实现上，MSI-X通过PCIe配置空间的Capability结构管理，包含Message Control、Table Offset和PBA等信息。内核驱动通过特定API完成MSI-X的初始化、中断注册和处理，主
AI时代，我们该怎么学习？
qq_33525062的博客
06-17 277
AI时代的学习革命：从记忆知识到培养判断力 在AI时代，学习方式正经历根本性转变。传统强调记忆和熟练的学习模式被颠覆，因为AI已成为最强大的信息存储和执行工具。学习重点应转向：1）提问能力而非记忆答案；2）跨界连接而非单科深耕；3）批判性思维而非被动接受。AI擅长执行层任务（信息整合、基础分析等），而人类优势在于判断层（价值评估、情感理解等）。建议采取：AI辅助学习、建立知识框架、即时实践应用、保持人性化特质等策略。最终，快速学习能力和将知识转化为行动的能力，才是AI时代最核心的竞争力。
从硬件中断到信号机制：打通操作系统异步底层的完整学习笔记
2402_89711598的博客
06-17 384
这篇文章系统梳理了操作系统底层异步机制的学习历程，形成完整知识闭环。主要内容包括： 硬件中断机制 中断是操作系统夺回CPU控制权的根基 时钟中断作为系统"心跳"驱动调度 特权级与地址空间实现安全隔离 信号机制 用户态"软中断"完整复刻硬件中断流程 信号处理自动屏蔽防止递归 sigaction精细控制信号行为 异步编程约束 可重入函数是信号处理的硬性要求 volatile保证内存可见性 典型应用如SIGCHLD回收子进程 整个体系从硬件中断到用户态信号形成完美对应，所有
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值