​
模型概述

强烈推荐使用 QwQ 替代 R1 模型，QwQ 不仅具有更快的响应速度，同时提供更高的推理准确性和更稳定的性能表现

QwQ-32B 是阿里巴巴 Qwen 团队基于 Qwen2.5 架构研发的高性能大语言模型，专为企业级推理任务设计。该模型在保持高质量输出的同时，显著提升了推理速度和资源利用效率。

​
核心优势

  • 高性能推理：针对生产环境优化，显著降低延迟
  • 强大的理解能力：继承 Qwen2.5 架构的优秀语义理解能力
  • 多场景适配：适用于对话、内容生成、代码辅助等多种应用场景

​
硅基流动平台配置

​
1. 获取访问凭证

  1. 访问硅基流动控制台：https://cloud.siliconflow.cn/account/ak
  2. 登录账户并创建新的 API 密钥
  3. 妥善保存生成的密钥，后续将无法再次查看

​
deepseek4j SDK 集成

​
1. 配置文件设置

在应用的 application.yml 或 application.properties 中添加以下配置：

注意：模型名称必须严格遵循 Qwen/QwQ-32B 格式，包括大小写

deepseek:
  base-url: https://api.siliconflow.com/v1
  model: Qwen/QwQ-32B
  api-key: sk-xxx  # 替换为你的实际 API 密钥

​
2. 代码实现示例

​
基础对话接口

@Autowired
private DeepSeekClient deepSeekClient;

@GetMapping(value = "/chat", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
public Flux<ChatCompletionResponse> chat(String prompt) {
    return deepSeekClient.chatFluxCompletion(prompt);
}

​
高级参数配置

@GetMapping(value = "/chat-advanced", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
public Flux<ChatCompletionResponse> chatAdvanced(String prompt) {
    ChatCompletionRequest request = ChatCompletionRequest.builder()
        .model("Qwen/QwQ-32B")
        .messages(Collections.singletonList(
            Message.builder().role(Role.USER).content(prompt).build()
        ))
        .temperature(0.7)
        .maxTokens(2048)
        .build();
    
    return deepSeekClient.chatCompletionFlux(request);
}

​
应用场景与最佳实践

  • 智能客服：利用模型出色的对话能力构建自然流畅的客户服务系统
  • 内容生成：自动化内容创作，辅助营销文案、产品描述等撰写
  • 代码辅助：提供代码补全、调试和优化建议，提升开发效率

PIG AI应用开发平台 | 企业级AI中台解决方案

为Java开发者提供全栈式AI工程化解决方案，强类型/高可维护性架构，内置30+主流大模型支持。

  • 🔍 知识引擎体系：RAG 知识引擎全自动化多模态解决方案
  • 📝 AI-OCR 中枢：复杂非标场景高精度识别
  • ⚙️ 业务智能融合：函数编排 + Chat2SQL，无缝对接现有业务系统
  • 🛡️ N维风控体系：敏感词/IP/Token/User 规则控制引擎

文档改进

发现文档问题？点击此处直接在 GitHub 上编辑并提交 PR，帮助我们持续改进！