作为 Java 开发者，想在本地搭建一个能理解代码、支持多轮对话的 AI 机器人？DeepSeek-R1 这款开源大模型绝对值得一试。今天就带大家用 Ollama+Java 实现本地化部署，全程实操，新手也能跟着做！

一、先搞懂：为什么选 DeepSeek-R1？

这款模型有三个核心优势，特别适合开发者：

• 代码理解强：对 Java 语法、框架原理的解析准确率比同类模型高 15%+
• 对话不 "失忆"：支持 50 轮以上多轮对话，上下文连贯性远超基础模型
• 本地能跑：7B 参数版在 16GB 内存的普通电脑上就能流畅运行，不用高配显卡

硬件要求放这里了，对照着看：

• 最低配置：CPU 8 核 +，16GB 内存（纯 CPU 推理能跑，但响应稍慢）
• 推荐配置：NVIDIA 显卡（8GB 显存以上），支持 CUDA 加速，响应速度提升 3 倍

二、环境搭建：3 步搞定 Ollama 和模型

1. 安装 Ollama

官网下载对应系统版本：Download Ollama on macOS
安装完成后打开终端，输入ollama --version，能看到版本号就说明成功了。

2. 拉取 DeepSeek-R1 模型

终端执行命令：

# 推荐先装7B参数版，平衡性能和资源
ollama pull deepseek-r1:7b

拉取过程可能需要几分钟（看网速），耐心等一下。

3. 测试模型是否能用

输入ollama run deepseek-r1:7b进入交互模式，试试问它："用 Java 写个单例模式"，能得到正确回复就没问题了。

三、Java 代码实战：从依赖到接口

1. 项目依赖（pom.xml）

先把必要的依赖加上，都是 Spring 生态常用的：

<dependencies><!-- Spring Web核心 --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><!-- HTTP客户端 --><dependency><groupId>org.apache.httpcomponents.client5</groupId><artifactId>httpclient5</artifactId><version>5.3</version></dependency><!-- JSON处理 --><dependency><groupId>com.fasterxml.jackson.core</groupId><artifactId>jackson-databind</artifactId></dependency><!-- Lombok简化代码 --><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><optional>true</optional></dependency>
</dependencies>

2. 数据模型：4 个类搞定请求响应

这些类是用来封装数据的，直接抄就行：

// 接收用户输入的模型
@Data
public class ChatRequest {private String message; // 用户输入的消息private String sessionId; // 会话ID，多轮对话用
}// 发给Ollama的请求参数
@Data
public class DeepSeekRequest {private String model = "deepseek-r1:7b"; // 模型名private List<Message> messages; // 对话历史private Float temperature = 0.6f; // 0.6适合对话，不生硬private Boolean stream = false; // 非流式响应@Datapublic static class Message {private String role; // "user"或"assistant"private String content; // 消息内容}
}// Ollama返回的响应
@Data
public class DeepSeekResponse {private String model;private List<ResponseMessage> messages;private Boolean done;@Datapublic static class ResponseMessage {private String role;private String content; // 模型回复的内容}
}// 给前端的最终响应
@Data
public class ChatResponse {private String reply; // 回复内容private String sessionId; // 会话IDprivate long timestamp; // 时间戳
}

3. 会话管理：让机器人记住上下文

这个服务用来存对话历史，不然每次对话都是新的：

@Service
public class SessionManager {// 用ConcurrentHashMap存会话，key是sessionIdprivate final Map<String, List<DeepSeekRequest.Message>> sessionHistory = new ConcurrentHashMap<>();// 获取某个会话的历史消息public List<DeepSeekRequest.Message> getHistory(String sessionId) {return sessionHistory.computeIfAbsent(sessionId, k -> new ArrayList<>());}// 添加用户消息到历史public void addUserMessage(String sessionId, String message) {DeepSeekRequest.Message msg = new DeepSeekRequest.Message();msg.setRole("user");msg.setContent(message);getHistory(sessionId).add(msg);}// 添加机器人回复到历史public void addAssistantMessage(String sessionId, String message) {DeepSeekRequest.Message msg = new DeepSeekRequest.Message();msg.setRole("assistant");msg.setContent(message);getHistory(sessionId).add(msg);}// 清理会话（可选）public void clearHistory(String sessionId) {sessionHistory.remove(sessionId);}
}

4. 核心服务：调用 Ollama 接口

这部分是关键，负责把用户消息发给模型，再把回复拿回来：

@Service
public class DeepSeekService {// Ollama的API地址，本地部署固定这个private static final String OLLAMA_API_URL = "http://localhost:11434/api/chat";private final CloseableHttpClient httpClient;private final ObjectMapper objectMapper;private final SessionManager sessionManager;// 构造函数注入依赖public DeepSeekService(SessionManager sessionManager) {this.httpClient = HttpClients.createDefault();this.objectMapper = new ObjectMapper();this.sessionManager = sessionManager;}// 处理用户消息，返回回复public ChatResponse processMessage(ChatRequest request) {// 生成或复用sessionIdString sessionId = request.getSessionId();if (sessionId == null || sessionId.isEmpty()) {sessionId = UUID.randomUUID().toString();}// 构建发给模型的请求DeepSeekRequest deepSeekRequest = new DeepSeekRequest();sessionManager.addUserMessage(sessionId, request.getMessage());deepSeekRequest.setMessages(sessionManager.getHistory(sessionId));try {// 发送POST请求到OllamaHttpPost httpPost = new HttpPost(OLLAMA_API_URL);httpPost.setHeader("Content-Type", "application/json;charset=UTF-8");httpPost.setEntity(new StringEntity(objectMapper.writeValueAsString(deepSeekRequest)));// 执行请求并解析响应try (CloseableHttpResponse response = httpClient.execute(httpPost)) {HttpEntity entity = response.getEntity();if (entity != null) {String responseBody = EntityUtils.toString(entity);DeepSeekResponse deepSeekResponse = objectMapper.readValue(responseBody, DeepSeekResponse.class);// 提取回复内容String reply = deepSeekResponse.getMessages().get(0).getContent();sessionManager.addAssistantMessage(sessionId, reply);// 构建返回结果ChatResponse chatResponse = new ChatResponse();chatResponse.setReply(reply);chatResponse.setSessionId(sessionId);chatResponse.setTimestamp(System.currentTimeMillis());return chatResponse;}}} catch (Exception e) {throw new RuntimeException("调用模型出错：" + e.getMessage());}return null;}
}

5. 控制器：提供 HTTP 接口

最后写个控制器，前端就能通过接口调用了：

@RestController
@RequestMapping("/chatbot")
public class ChatController {private final DeepSeekService deepSeekService;public ChatController(DeepSeekService deepSeekService) {this.deepSeekService = deepSeekService;}// 接收消息的接口@PostMapping("/message")public ResponseEntity<ChatResponse> sendMessage(@RequestBody ChatRequest request) {try {ChatResponse response = deepSeekService.processMessage(request);return ResponseEntity.ok(response);} catch (Exception e) {return ResponseEntity.status(500).body(null);}}// 清理会话的接口（可选）@PostMapping("/clear/{sessionId}")public ResponseEntity<Void> clearSession(@PathVariable String sessionId) {sessionManager.clearHistory(sessionId);return ResponseEntity.ok().build();}
}

四、测试运行：用 curl 或 Postman 调用

1. 先启动 Ollama 服务：ollama serve（后台运行）
2. 启动 Spring Boot 应用
3. 用 curl 测试（也可以用 Postman）：

# 第一次请求（没有sessionId，会自动生成）
curl -X POST http://localhost:8080/chatbot/message \-H "Content-Type: application/json" \-d '{"message":"什么是Spring Boot？"}'# 多轮对话（用第一次返回的sessionId）
curl -X POST http://localhost:8080/chatbot/message \-H "Content-Type: application/json" \-d '{"message":"它和Spring MVC有啥区别？", "sessionId":"第一次返回的ID"}'

返回的 JSON 里有reply字段，就是机器人的回复啦。

五、踩坑指南：这些问题要注意

1. 模型响应慢？

• 检查显卡是否被用上：nvidia-smi看看有没有 Ollama 进程
• 换小模型：用 7B 代替 33B 版本
• 限制内存使用：export OLLAMA_MAX_MEMORY=12GB（根据自己内存调整）

2. 多轮对话记不住上下文？

• 一定传对 sessionId，每次对话都要用同一个
• 服务重启后，旧的 sessionId 会失效，需要重新获取

3. 中文乱码？

• 请求头加上charset=UTF-8（代码里已经加了，注意别删）
• 配置 Jackson：

  objectMapper.getFactory().configure(JsonGenerator.Feature.ESCAPE_NON_ASCII, true);
  

4. 内存溢出（OOM）？

• 给 Java 加内存：启动参数加-Xmx4g
• 清理不活跃的会话：加个定时任务，删除几小时没动静的 session

动手试试吧，有问题可以在评论区交流～