La integración de modelos de inteligencia artificial en aplicaciones Java se ha simlpificado con frameworks como Spring Boot. Este artículo detalla el proceso para conectar con la API de DeepSeek y crear un servicio backend con capacidades de diálogo automático.

Preparación del Entorno

• JDK 17 o superior
• Spring Boot 3.x
• Maven 3.8+
• Clave de API de DeepSeek (disponible en platform.deepseek.com)

Configuración de Dependencias

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-webflux</artifactId>
</dependency>
<dependency>
    <groupId>com.fasterxml.jackson.core</groupId>
    <artifactId>jackson-databind</artifactId>
</dependency>

Archivo de Propiedades

En el archivo application.yml, define los parámetros de conexión:

deepseek:
  secret-key: sk-tu-clave-aqui
  url-base: https://api.deepseek.com
  modelo-id: deepseek-chat
  limite-tokens: 2048

Clase de Configuración

Crea una clase para gestionar la configuración y el cliente HTTP:

@Configuration
@ConfigurationProperties(prefix = "deepseek")
@Data
public class DeepSeekProperties {
    private String secretKey;
    private String urlBase;
    private String modeloId;
    private Integer limiteTokens;

    @Bean
    public WebClient clienteWebDeepSeek() {
        return WebClient.builder()
            .baseUrl(urlBase)
            .defaultHeader("Authorization", "Bearer " + secretKey)
            .defaultHeader("Content-Type", "application/json")
            .build();
    }
}

Entidades de Datos

Define las clases para estructurar solicitudes y respuestas:

@Data
public class SolicitudDialogo {
    private String modelo;
    private List<mensaje> mensajes;
    @JsonProperty("max_tokens")
    private Integer maxTokens;
    private Boolean flujo = false;

    @Data
    @AllArgsConstructor
    public static class Mensaje {
        private String rol;  // system / user / assistant
        private String contenido;
    }
}

@Data
public class RespuestaDialogo {
    private String identificador;
    private List<opcion> opciones;

    @Data
    public static class Opcion {
        private Mensaje mensaje;
    }

    @Data
    public static class Mensaje {
        private String rol;
        private String contenido;
    }
}
</opcion></mensaje>

Implementación del Servicio

Desarrolla la lógica para interactuar con la API:

@Service
@RequiredArgsConstructor
public class ServicioDialogoAI {

    private final WebClient clienteWebDeepSeek;
    private final DeepSeekProperties propiedades;

    public String obtenerRespuesta(String mensajeUsuario) {
        SolicitudDialogo solicitud = new SolicitudDialogo();
        solicitud.setModelo(propiedades.getModeloId());
        solicitud.setMaxTokens(propiedades.getLimiteTokens());
        solicitud.setMensajes(List.of(
            new SolicitudDialogo.Mensaje("system", "Actúa como experto en desarrollo Java"),
            new SolicitudDialogo.Mensaje("user", mensajeUsuario)
        ));

        RespuestaDialogo respuesta = clienteWebDeepSeek
            .post()
            .uri("/v1/chat/completions")
            .bodyValue(solicitud)
            .retrieve()
            .bodyToMono(RespuestaDialogo.class)
            .block();

        return respuesta.getOpciones().get(0).getMensaje().getContenido();
    }
}

Controlador REST

Expón el servicio mediante un endpoint:

@RestController
@RequestMapping("/ia/v1")
@RequiredArgsConstructor
public class ControladorAI {

    private final ServicioDialogoAI servicioDialogo;

    @PostMapping("/dialogo")
    public ResponseEntity<string> dialogar(@RequestBody Map<String, String> payload) {
        String texto = payload.get("texto");
        String resultado = servicioDialogo.obtenerRespuesta(texto);
        return ResponseEntity.ok(resultado);
    }
}
</string>

Prueba del Servicio

Ejecuta una solicitud de ejemplo:

curl -X POST http://localhost:8080/ia/v1/dialogo \
  -H "Content-Type: application/json" \
  -d '{"texto": "Proporciona un ejemplo de paginación en Spring Boot"}'