必须完成鉴权配置、依赖引入、服务构建和请求封装四步,否则返回401或403错误;需引入volcengine-ark-java-sdk≥1.2.5版本,配置ARK专用API Key,构建ArkService并正确使用ChatCompletionRequest发送流式或非流式请求。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

要在Java项目中调用火山引擎的AI模型(如DeepSeek、豆包等),必须完成鉴权配置、依赖引入、服务构建和请求封装四步,缺一不可,否则会直接返回401或403错误。
引入SDK依赖
在pom.xml中添加最新版volcengine-ark-java-sdk依赖:
注意:版本号必须≥1.2.5,低版本不支持ChatCompletionRequest结构化请求;若Maven仓库未同步,需手动下载JAR并install到本地仓库。
配置API Key与模型参数
方法一:硬编码方式(仅限开发测试)
声明静态常量:
private static final String API_KEY = "ak-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx";
private static final String MODEL_NAME = "doubao-pro-32k-241215";
【API_KEY必须是火山控制台「ARK」服务下生成的密钥,不是通用AK/SK】。在https://console.volcengine.com/ark/region:ark+cn-beijing/apiKey页面创建,复制时勿带空格或换行。
方法二:环境变量注入(推荐线上使用)
启动JVM时添加:
-Dvolc.ark.api.key=${YOUR_API_KEY}
代码中读取:
String apiKey = System.getProperty("volc.ark.api.key");
if (apiKey == null || apiKey.trim().isEmpty()) { throw new IllegalStateException("API Key not set via -Dvolc.ark.api.key"); }
构建ArkService并发送流式请求
第一步:初始化服务客户端
ArkService service = ArkService.builder().apiKey(API_KEY).build();
第二步:组装系统提示与用户消息
List
messages.add(ChatMessage.builder().role(ChatMessageRole.SYSTEM).content("你是一个英语教学助手").build());
messages.add(ChatMessage.builder().role(ChatMessageRole.USER).content("生成一篇关于环保的短文,200词以内").build());
第三步:构造请求对象并调用
ChatCompletionRequest request = ChatCompletionRequest.builder()
.model(MODEL_NAME)
.messages(messages)
.stream(true) // 开启流式响应
.maxTokens(512)
.temperature(0.7)
.build();
第四步:执行请求并消费响应流
service.createChatCompletion(request).forEach(chunk -> {
System.out.print(chunk.getChoices().get(0).getDelta().getContent());
});
这一步操作起来很简单,直接把request传进去就行。但要注意:如果stream(false),则返回完整JSON响应体,需手动解析choices[0].message.content字段;流式模式下每个chunk只含增量文本,不可直接当完整结果用。
Java免费学习笔记:立即使用
解锁 Java 大师之旅:从入门到精通的终极指南











