实验一：AI故事生成平台 调用deepseek大模型

实验一：AI故事生成平台

实验名称： AI故事生成平台 - 核心数据模型与文本生成

核心任务： 构建平台的后端核心，实现基于关键词的自动故事生成。

任务要求：

设计并实现 Story 数据模型，至少包含标题、故事梗概、正文、创建时间等字段。

集成百度文心一言或其他大语言模型API，开发一个后端服务。该服务接收用户提供的故事关键词（如“宇航员、小狗、月球”），调用AI生成一个完整的儿童故事，并保存至数据库。

API平台：DeepSeek 开放平台

注意要充值！不过并不贵。

spring:datasource:driver-class-name: com.mysql.jdbc.Driverurl: jdbc:mysql://localhost:3306username: password: ai:openai:api-key: base-url: https://api.deepseek.comchat:options:model: deepseek-chat

导入依赖:

pom.xml

     <properties><java.version>17</java.version><spring-ai.version>1.0.1</spring-ai.version></properties><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-openai</artifactId></dependency><dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>${spring-ai.version}</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement>

配置一下AI

AiConfig

package com.example.config;import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
import org.springframework.ai.chat.client.advisor.SimpleLoggerAdvisor;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.ai.chat.memory.ChatMemoryRepository;
import org.springframework.ai.chat.memory.InMemoryChatMemoryRepository;
import org.springframework.ai.chat.memory.MessageWindowChatMemory;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;@Configuration
public class AiConfig {@Beanpublic ChatMemoryRepository chatMemoryRepository() {//聊天记忆库实现，来替换为Redisreturn new InMemoryChatMemoryRepository();}@Beanpublic ChatMemory chatMemory(ChatMemoryRepository chatMemoryRepository) {//注册 聊天上下文机制return MessageWindowChatMemory.builder().chatMemoryRepository(chatMemoryRepository).maxMessages(20) //聊天记忆条数.build();}//角色预设 - 儿童故事生成助手@Beanpublic ChatClient chatClient(ChatClient.Builder chatClientBuilder,ChatMemory chatMemory) {return chatClientBuilder.defaultSystem("你是一个专业的儿童故事生成专家。请根据用户提供的关键词，创作一个温馨、有趣、富有教育意义的儿童故事。故事应该简短易懂，语言生动活泼，适合5-10岁的儿童阅读。故事中应包含积极的价值观，如友谊、勇气、好奇心等。").defaultAdvisors(new SimpleLoggerAdvisor(),// 添加会话记忆MessageChatMemoryAdvisor.builder(chatMemory).build()) //配置日志Advisor.build();}
}

输出内容的形式包括非流式和流式输出。流式输出简单来说就想我们和ai对话时一样，它不是一下输出全部回答，而是逐字输出。

StoryController

package com.example.controller;import com.example.service.StoryService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.*;
import reactor.core.publisher.Flux;/*** 故事控制器*/
@RestController
@RequestMapping("/api/story")
public class StoryController {@Autowiredprivate StoryService storyService;/*** 流式生成故事*/@GetMapping(value = "/generate/stream", produces = "text/plain;charset=UTF-8")public Flux<String> generateStoryStream(@RequestParam String keywords, @RequestParam String chatId) {if (keywords == null || keywords.trim().isEmpty()) {return Flux.just("错误：关键词不能为空");}return storyService.generateStoryStream(keywords, chatId);}
}

StoryService

package com.example.service;import reactor.core.publisher.Flux;/*** 故事服务接口*/
public interface StoryService {/*** 流式生成故事* @param keywords 故事关键词* @param chatId 会话ID* @return 故事内容的流式输出*/Flux<String> generateStoryStream(String keywords, String chatId);
}

StoryServiceImpl

package com.example.service.impl;import com.example.entity.Story;
import com.example.mapper.StoryMapper;
import com.example.service.StoryService;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import reactor.core.publisher.Flux;
import reactor.core.scheduler.Schedulers;
import java.time.LocalDateTime;
import java.util.concurrent.atomic.AtomicReference;
import java.util.regex.Matcher;
import java.util.regex.Pattern;import static org.springframework.ai.chat.memory.ChatMemory.CONVERSATION_ID;/*** 故事服务实现类*/
@Service
public class StoryServiceImpl implements StoryService {@Autowiredprivate StoryMapper storyMapper;@Autowiredprivate ChatClient chatClient;@Overridepublic Flux<String> generateStoryStream(String keywords, String chatId) {// 创建提示词，指导AI生成儿童故事String prompt = String.format("请创作一个适合儿童的短故事，包含以下关键词：%s。\n" +"请按照以下格式返回：\n" +"【标题】故事的标题\n" +"【梗概】故事的简要内容概述（100字以内）\n" +"【正文】完整的故事内容（500-1000字）\n" +"故事应该积极向上，富有想象力，适合儿童阅读。", keywords);try {// 使用AtomicReference收集完整的故事内容AtomicReference<StringBuilder> fullContent = new AtomicReference<>(new StringBuilder());// 使用ChatClient进行流式调用return chatClient.prompt().user(prompt).advisors(a -> a.param(CONVERSATION_ID, chatId)).stream().content()// 收集内容并在完成时保存到数据库.doOnNext(chunk -> {fullContent.get().append(chunk);}).doFinally(type -> {// 在流结束后异步保存到数据库String completeStory = fullContent.get().toString();saveStoryToDatabase(completeStory, keywords);});} catch (Exception e) {// 错误处理，返回简单的故事内容String fallbackStory = "【标题】关键词的故事\n" +"【梗概】这是一个关于关键词的有趣故事。\n" +"【正文】很久很久以前，在一个神奇的王国里，关键词们快乐地生活着...";// 保存错误情况下的故事到数据库saveStoryToDatabase(fallbackStory, keywords);return Flux.just(fallbackStory);}}/*** 将故事保存到数据库*/private void saveStoryToDatabase(String storyContent, String keywords) {// 在独立线程中异步保存，不阻塞流式响应Schedulers.boundedElastic().schedule(() -> {try {// 解析AI返回的结果Story story = parseStoryResponse(storyContent, keywords);// 设置创建时间story.setCreateTime(LocalDateTime.now());story.setUpdateTime(LocalDateTime.now());// 保存到数据库storyMapper.insert(story);} catch (Exception e) {// 记录保存失败的错误，不影响用户体验e.printStackTrace();}});}/*** 解析AI返回的故事内容*/private Story parseStoryResponse(String response, String keywords) {Story story = new Story();story.setKeywords(keywords);// 使用正则表达式提取标题、梗概和正文// 标题提取Pattern titlePattern = Pattern.compile("【标题】(.*?)(?=【梗概】|$)", Pattern.DOTALL);Matcher titleMatcher = titlePattern.matcher(response);if (titleMatcher.find()) {story.setTitle(titleMatcher.group(1).trim());} else {story.setTitle("AI生成的故事：" + keywords);}// 梗概提取Pattern summaryPattern = Pattern.compile("【梗概】(.*?)(?=【正文】|$)", Pattern.DOTALL);Matcher summaryMatcher = summaryPattern.matcher(response);if (summaryMatcher.find()) {story.setSummary(summaryMatcher.group(1).trim());} else {story.setSummary("一个关于" + keywords + "的故事。");}// 正文提取Pattern contentPattern = Pattern.compile("【正文】(.*)", Pattern.DOTALL);Matcher contentMatcher = contentPattern.matcher(response);if (contentMatcher.find()) {story.setContent(contentMatcher.group(1).trim());} else {// 如果没有按照格式返回，就使用整个响应作为正文story.setContent(response.trim());}return story;}
}

实现效果：

本文参考：黑马程序员SpringAI+DeepSeek大模型应用开发实战视频教程，传统Java项目AI化转型必学课程_哔哩哔哩_bilibili