JeecgBoot框架3.7.1版本AI功能接入DeepSeek问题分析
在JeecgBoot框架3.7.1版本中,开发者尝试将AI功能与DeepSeek大模型服务进行集成时遇到了"Model Not Exist"错误。这个问题主要出现在调用DeepSeek API接口的过程中,导致AI功能无法正常使用。
问题现象
当开发者配置好DeepSeek的API密钥并尝试调用其服务时,系统日志显示以下关键错误信息:
- 请求DeepSeek API接口时返回错误响应:
{"error":{"message":"Model Not Exist","type":"invalid_request_error"}} - 最终抛出异常:
com.unfbx.chatgpt.exception.BaseException: Model Not Exist
问题原因分析
经过深入分析,这个问题主要由以下几个因素导致:
-
模型名称不匹配:DeepSeek API可能要求特定的模型名称,而当前配置中使用的模型名称可能不存在于DeepSeek的服务中。
-
API版本兼容性:JeecgBoot 3.7.1版本中的AI功能模块可能是基于OpenAI的API规范开发的,而DeepSeek虽然提供了类似的API接口,但在某些细节实现上可能存在差异。
-
配置参数问题:在系统配置中,可能没有正确设置DeepSeek所需的模型参数,导致API调用失败。
解决方案
针对这个问题,开发者可以采取以下解决方案:
-
升级框架版本:JeecgBoot团队已经在后续版本中修复了这个问题,建议开发者将框架升级到最新版本。
-
手动配置模型参数:如果暂时无法升级,可以尝试在配置文件中明确指定DeepSeek支持的模型名称。
-
检查API兼容性:确认DeepSeek API的调用方式与当前代码实现是否兼容,必要时调整API调用逻辑。
技术实现细节
在JeecgBoot框架中,AI功能主要通过ChatServiceImpl类实现,该类负责处理与AI模型的交互。当出现"Model Not Exist"错误时,系统会通过OpenAiResponseInterceptor拦截器捕获异常并记录日志。
开发者在使用DeepSeek服务时,需要特别注意以下几点:
- 确保API端点URL正确配置为DeepSeek的服务地址
- 验证API密钥的有效性
- 确认请求参数中包含了DeepSeek支持的模型名称
- 检查HTTP头信息是否符合DeepSeek API的要求
最佳实践建议
为了避免类似问题,建议开发者在集成第三方AI服务时:
- 仔细阅读目标服务的API文档,了解其具体要求
- 在开发环境中充分测试API调用
- 实现完善的错误处理机制
- 保持框架版本的及时更新
通过以上措施,可以确保JeecgBoot框架中的AI功能与DeepSeek等第三方服务的稳定集成,为用户提供流畅的智能交互体验。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00