目录

部署

ollama下载

模型版本选择 

​编辑 对照表

控制台执行

调用

---

部署

大模型部署我使用的是Ollama，点击跳转

接下来我将在本地使用ollama就行模型部署的演示

ollama下载

模型版本选择 

 对照表

大家可以根据自己的显卡配置选择对应的模型版本

控制台执行

执行部署 DeepSeek-R1 模型的命令后开始下载对应的模型

        到这里本地大模型就部署成功了，大家可以看到已经能够实现deepseek对话，但我们的目的是调用api对大模型进行使用

调用

import okhttp3.*;
import org.json.JSONObject;
import java.io.IOException;public class DeepSeekR1ApiClient {private static final String API_URL = "https://api.deepseek.com/v1/chat/completions";private static final String API_KEY = "your_api_key_here";private static final MediaType JSON = MediaType.get("application/json; charset=utf-8");public static void main(String[] args) {OkHttpClient client = new OkHttpClient();// 构建请求体JSONObject requestBody = new JSONObject();requestBody.put("model", "deepseek-r1");  // 指定R1模型JSONObject message = new JSONObject();message.put("role", "user");message.put("content", "你好，DeepSeek R1！");requestBody.put("messages", new JSONObject[] {message});// 可选参数requestBody.put("temperature", 0.7);      // 控制随机性requestBody.put("max_tokens", 1024);      // 最大输出token数Request request = new Request.Builder().url(API_URL).addHeader("Authorization", "Bearer " + API_KEY).post(RequestBody.create(requestBody.toString(), JSON)).build();try (Response response = client.newCall(request).execute()) {if (!response.isSuccessful()) {throw new IOException("请求失败: " + response.code() + " - " + response.message());}String responseBody = response.body().string();System.out.println("API响应: " + responseBody);// 解析响应JSONObject jsonResponse = new JSONObject(responseBody);String assistantReply = jsonResponse.getJSONArray("choices").getJSONObject(0).getJSONObject("message").getString("content");System.out.println("\nAI回复: " + assistantReply);} catch (IOException e) {System.err.println("请求发生错误: " + e.getMessage());e.printStackTrace();}}
}

当然除了上面的调用方式，还要多种不同的其他方式：