在GiteeAI上免费体验满血版本的DeepSeek结合NL2Sql效果如何？

原创

HELLO程序员

修改于 2025-10-14 21:33:45

7600

代码可运行

文章被收录于专栏：大模型应用开发大模型应用开发

运行总次数：0

代码可运行

之前我们开源了SuperSQL，我们经过最多的测试的大模型版本是Azure 的GPT-4o版本。当DeepSeek大火后，我们也尝试了利用本地部署的方式利用deepseek作为SuperSQL的基座，来构建RAG生成SQL。但是效果其实很不理想。因为我们的资源有限，本地部署的方式只能跑7B，14B以及32B。然而nl2sql对于大模型的能力和embedding有一定的要求的。所以如果生成sql的效果不理想不妨试着换个模型试试！

今天我们来看看，通过Gitee AI来免费体验一下DeepSeek的满血版本。再来结合我们的SuperSQL看看效果如何。

开干！！！！

准备大模型

登录Gitee AI：https://ai.gitee.com/serverless-api

选择DeepSeek满血版

点击详情，我们看到目前GiteeAI上可以每天白嫖一百次，那来吧，咔咔一顿梭哈

生成API KEY

新建访问令牌，复制保存好key，我们就可以调用啦！！

好啦，万事俱备只欠东风，上代码！！！！

下载代码

git clone https://gitee.com/guocjsh/supersql-open.git
git clone https://github.com/guocjsh/SuperSQL

进入super-sql-console工程进行配置

配置deepseek大模型基座

目前市面上的大模型都遵循open ai的规则，所以集成deepseek我们只需要选择spring ai下的open ai的包就可以了。

<dependency>
  <groupId>org.springframework.ai</groupId>
  <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
</dependency>

配置配置文件

spring:
  ai:
    openai:
      base-url: https://ai.gitee.com
      api-key: #填在Gitee AI上生成的API KEY
      chat:
        options:
          model: DeepSeek-R1
      embedding:
        enabled: false

向量数据库配置，我们还是选择最简单的chromadb

启动本地chroma

docker run -it --rm --name chroma -p 8000:8000 ghcr.io/chroma-core/chroma:1.0.0

spring:
  ai:      
    ollama:
          base-url: http://localhost:11434
          chat:
            enabled: false
          embedding:
            enabled: true
            options:
              model: bge-m3
          init:
            pull-model-strategy: never
            embedding:
              additional-models:
                - bge-m3

开始写业务代码！！

@Slf4j
@RestController
@RequestMapping("super")
@AllArgsConstructor
public class SuperChatController {

    private final OpenAiChatModel chatModel;

    private final SpringSqlEngine sqlEngine;


    @PostMapping("/chat")
    public ResponseBodyEmitter chat(@RequestBody ChatBO chatBO, HttpServletResponse servletResponse) {
        ResponseBodyEmitter emitter = new ResponseBodyEmitter();
        servletResponse.setContentType(MediaType.TEXT_EVENT_STREAM_VALUE);
        String sql = sqlEngine.setChatModel(chatModel).generateSql(chatBO.getQuestion());
        Object object = sqlEngine.executeSql(sql);
        Flux<ChatResponse> stream = sqlEngine.generateSummary(chatBO.getQuestion(), object.toString());
        stream.publishOn(Schedulers.boundedElastic())
                .doOnError(emitter::completeWithError)
                .doOnComplete(emitter::complete)
                .subscribe(data -> {
                    String text = data.getResult().getOutput().getText();
                    try {
                        if(StrUtil.isNotEmpty(text)){
                            emitter.send(text );
                        }
                    } catch (Exception e) {
                        emitter.completeWithError(e);
                    }
                });
        return emitter;
    }
 }

配置文件配置初始化灌库