当我们用Ollama运行DeepSeek R1模型，向它提问时，会发现它的回答里是有think标签的

如果我们直接将Ollama的回复用于生产环境，肯定是不行的，对于不同的场景，前面输出的一堆内容，可能并不需要在客户端展示，对于用户体验来说，一个莫名其妙的标签包裹着一大堆文字，看起来也是不那么友好的。

来看一下我们的JBoltAI-SpringBoot版AI开发框架是怎么解决这个问题的。

1. 首先我们加载一下Ollama DeepSeek R1大模型资源（资源加载后可以在项目中被重复调用，我们的框架也支持近20种主流的大模型厂商、平台）

   ResourceCenter.registerOllamaAI("http://192.168.31.14:11434/api/chat", "deepseek-r1:7b");

2. 调用大模型

   JBoltAI.chat(AIModel.OLLAMA).prompt("你觉得AI未来发展方向会是什么")
           .onThinking((e, think, status) -> {
               if (status == ThinkStatus.START) {
                   System.out.println("===== 思考开始 =============");
               } else if (status == ThinkStatus.RUNNING) {
                   System.out.print(think);
               } else if (status == ThinkStatus.COMPLETE) {
                   System.out.print(think);
                   System.out.println("===== 思考结束 =============");
                   System.out.println("===== 开始回答 =============");
               }
           })
           .onSuccess((e, r) -> {
               System.out.print(r.getContent());
           }).onFail((e, error) -> {
               System.out.println("发生异常了，异常信息：" + error.getFullMsg());
           }).publish().await();

使用JBoltAI 调用大模型能力是非常方便的，JBoltAI.chat() 就可以发起一个聊天事件，通过传入大模型类型，就可以自动从资源池中找到可用的资源供事件使用，通过prompt() 方法就可以方便的传入提示词，通过onThinking 回调，就可以自由处理深度思考的内容，通过onSuccess 回调可以自由处理大模型返回 的正式回答内容。

框架对于所有支持的大模型，都提供了统一的调用方式，不需要开发者关心底层逻辑，不需要关系不同大模型的接口差异和参数差异，极大的降低了开发者的开发难度。

1. 看一下执行效果：

欢迎大家尝试使用SpringBoot版JBoltAI框架，它会是你开发AI应用的最强大的助手。