DeepSeek+SpringAI实战AI家庭医生应用|已完结

课程简介

已有 1 人浏览发布 2026-10-07 更新 2026-10-11

这门课程聚焦于解决如何快速将大语言模型能力封装进 Java 生态的问题。很多开发者对 DeepSeek 的 API 调用熟稔，但缺乏将其稳健集成到企业级后端系统的经验。本课以 Spring AI 为骨架，手把手构建一个具备多轮对话、上下文记忆及业务逻辑处理的“AI 家庭医生”应用。它不是简单的 Prompt 拼接，而是涵盖了从模型接入、向量数据库选型、Agent 工作流编排到前端交互的全链路工程实践。适合具备基础 Java 开发能力（熟悉 Spring Boot 核心原理、Maven/Gradle 构建及基本 HTTP 交互）的开发者。若你从未接触过 Spring 框架，建议先补齐微服务基础；若你熟悉 Python AI 开发但想转型 Java 服务端，本课程则是极佳的桥接材料。

工程结构与核心模块拆解

课程的核心价值在于其可复用的工程架构。建议优先研习“模型适配层”与“业务逻辑层”的解耦设计。前几章重点讲解如何通过 Spring AI 的 AbstractTool 接口封装 DeepSeek 的 Function Calling 能力，这是实现智能体（Agent）自主决策的关键。接着深入病历分析模块，这里演示了如何将非结构化的医疗文本通过 Embedding 向量化，存入向量数据库，并在问答时通过语义检索增强生成（RAG）提升回答的准确性。学习时不要只看不做，务必对照源码，理解 Prompt 工程如何与 Java 代码协同工作，特别是如何处理流式输出（SSE）以及异常熔断机制。这部分代码直接决定了生产环境的稳定性，是区别于 Demo 与实战的最大鸿沟。

学习路径与独立实战目标

学完本套件，你应能独立完成一个具备特定领域知识的 LLM 应用。具体而言，你需要能修改现有代码，将“家庭医生”扩展为“法律助手”或“客服机器人”，仅改变 System Prompt 和知识库数据，而无需重写核心逻辑。资料包中包含了完整的项目源码，建议采用“运行-打断点-修改”的练习方式：首先跑通默认病例，然后在 Controller 层注入自定义逻辑，观察 DeepSeek 返回结果的解析过程。重点掌握 Spring AI 的 ChatClient 构建器模式，这是未来集成其他模型（如 GLM、Llama）的通用入口。不要试图一次性记住所有 API，而是建立“输入处理-模型交互-结果后处理”的闭环思维。通过将该项目作为毕业设计或简历项目，你能清晰展示自己具备将前沿 AI 技术落地为高可用后端服务的能力，这正是当前市场对“AI 工程师”而非“算法调包侠”的核心要求。

课程介绍

DeepSeek+SpringAI实战AI家庭医生应用，。随着DeepSeek驱动的Agent开发需求急剧增加，市场上对人才的需求也日益紧迫。掌握DeepSeek AI应用开发的技能，将使您领先一步，抢占AI红利。因此，我们推出了首个DeepSeek与SpringAI课程。该课程将从零基础开始，帮助学员打造一款AI家庭医生，涵盖健康咨询和病历分析等核心模块，实现AI技术与实际应用的结合。此外，学员可以根据自己的创意进行拓展和升级，将项目变为个人毕业设计、面试作品或商业化项目（如AI女友、养老机器人、医疗助手等），从而丰富AI项目的实战经验，成为能够真正将DeepSeek技术落地的开发者！

课程目录

├── 第1章 DeepSeek+SpringAI实战AI智能家庭医生–课程导学/
│ └── [ 11M] 1-1DeekSeep应用开发–课程导学
├── 第2章 DeepSeek项目介绍/
│ ├── [ 16M] 2-1AI家庭医生项目效果展示
│ ├── [ 19M] 2-2AI家庭医生课程内容介绍
│ ├── [8.9M] 2-3项目架构及技术选型详细讲解
│ └── [ 21M] 2-4项目详细分析及DeepSeek适用场景
├── 第3章 【DeepSeek与ollama】 手把手本地部署DeepSeek/
│ ├── [ 25M] 3-1关于deepseek基本原理介绍
│ ├── [9.2M] 3-2为什么选择ollama大模型服务？
│ ├── [ 26M] 3-3MAC安装Ollama本地部署DeepSeek
│ ├── [ 13M] 3-4Windows11安装Ollama本地部署DeepSeek
│ ├── [ 38M] 3-5Windows配置Ollama与DeepSeek自定义目录环境
│ ├── [ 10M] 3-6Ollama常用命令脚本
│ ├── [ 18M] 3-7PageAssist浏览器可视化UI集成DeepSeek
│ ├── [ 20M] 3-8ChatboxAI本地可视化UI集成DeepSeek
│ ├── [ 30M] 3-9CherryStudio集成硅基流动满血DeepSeekApi
│ └── [ 12M] 3-10DeepSeek离线与线上api区别？
├── 第4章 【构建项目环境】 手把手搭建《AI家庭医生》项目开发环境/
│ ├── [ 20M] 4-1OpenJDK21与maven环境介绍
│ ├── [ 17M] 4-2使用IDEA配置基础项目环境
│ ├── [8.7M] 4-3数据库选型对比抉择
│ ├── [ 12M] 4-4MySQL8数据库与可视化Navicat建库
│ └── [ 14M] 4-5内网互通原则（私有专有网络）
├── 第5章 【搭建单应用服务基础架构】 基于SpringBoot3构建项目基础架构/
│ ├── [ 19M] 5-1SpringBoot3快速入门
│ ├── [ 43M] 5-2使用Maven搭建SpringBoot3基础架构
│ ├── [ 13M] 5-3SpringBoot配置文件yml的妙用
│ └── [ 16M] 5-4SpringBoot多环境配置文件解耦
├── 第6章 【集成DeepSeek编码】SpringAI整合Ollama集成DeepSeek/
│ ├── [ 21M] 6-1使用Restful接口通过Ollama的Api调用大模型
│ ├── [9.3M] 6-2使用Postman掌握对Ollama的Api接口调用
│ ├── [ 24M] 6-3SpringAI在项目中起着怎样的关键性作用
│ ├── [ 35M] 6-4SpringAI集成ollama实现deepseek同步调用
│ ├── [ 44M] 6-5ollama实现deepseek流式stream调用
│ ├── [ 27M] 6-6使用service对控制器与业务功能进行解耦优化
│ ├── [ 46M] 6-7使用AOP切面化统计大模型调用执行时间
│ ├── @www.
│ └── [ 33M] 6-8StopWatch秒表时间的优雅统计
├── 第7章 【服务端推送事件】 如何让家庭医生进行病情分析并提供解决方案？/
│ ├── [ 10M] 7-1SSE服务端推送事件原理机制剖析
│ ├── [ 44M] 7-2手把手构建基于Spring的SSE服务器
│ ├── [ 36M] 7-3结合通义灵码开发基于SSE的H5客户端
│ ├── [ 17M] 7-4创建服务接口并连接SSE服务
│ ├── [ 41M] 7-5连接SSE服务并发送单条消息
│ ├── [ 27M] 7-6解决SSE服务调用的跨域问题
│ ├── [ 18M] 7-7SSE服务推送消息给所有客户端
│ ├── [ 27M] 7-8ADD事件批量消息流式推送与自动重连机制
│ ├── [ 29M] 7-9SSE服务同时在线人数统计
│ ├── [ 62M] 7-10ollama定制deepseek医生角色的提示词引擎
│ ├── [ 40M] 7-11改造ollama流式响应返回家庭医生业务数据
│ └── [ 60M] 7-12家庭医生H5页面代码梳理与联调SSE测试
├── 第8章 家庭医生离线数据及deepseek病情分析数据持久化/
│ ├── [ 24M] 8-1手把手创建医患沟通数据库表设计
│ ├── [ 20M] 8-2为家庭医生数据库配置数据源
│ ├── [ 35M] 8-3SpringBoot3集成MyBatisPlus持久层
│ ├── [ 45M] 8-4AI家庭医生病情分析记录持久化
│ └── [ 21M] 8-5查询并展示AI家庭医生的沟通记录数据
├── 第9章 【家庭医生项目容器化部署】 如何搭建线上算力云架构？/
│ ├── [ 46M] 9-1GPU算力云服务器的采购推荐
│ ├── [ 23M] 9-2安全组配置与SSH工具使用
│ ├── [ 18M] 9-3云端部署并配置deepseek大模型
│ ├── [ 19M] 9-4云服务器配置安装OpenJDK21
│ ├── [ 22M] 9-5云服务器安装Docker容器
│ ├── [ 30M] 9-6Docker安装MySql8与数据表迁移
│ ├── [ 11M] 9-7发布项目-生产环境参数配置
│ ├── [ 35M] 9-8发布项目-SpringBoot3项目打包发布
│ ├── [ 37M] 9-9发布项目-安装配置Nginx
│ └── [ 29M] 9-10发布项目-Nginx发布家庭医生前端项目
└── 第10章 课程回顾与总结/
└── [7.2M] 10-1课程总结
└── 资料代码/