---

一、环境准备

在开始Spring AI开发前，需要确认JDK和Spring Boot版本兼容性。推荐使用Spring AI 1.0.0-M7版本，这是目前最稳定的里程碑版本。

1. 配置Maven仓库

需要添加Spring官方快照仓库来获取最新依赖：

<repositories>
  <repository>
    <id>spring-snapshots</id>
    <url>https://repo.spring.io/snapshot</url>
  </repository>
</repositories>

1. 管理依赖版本

使用dependencyManagement统一管理Spring AI组件版本：

<dependencyManagement>
  <dependencies>
    <dependency>
      <groupId>org.springframework.ai</groupId>
      <artifactId>spring-ai-bom</artifactId>
      <version>1.0.0-M7</version>
      <type>pom</type>
    </dependency>
  </dependencies>
</dependencyManagement>

1. 添加模型依赖

以MiniMax模型为例：

<dependency>
  <groupId>org.springframework.ai</groupId>
  <artifactId>spring-ai-starter-model-minimax</artifactId>
</dependency>

二、基础使用

1. API密钥配置

在MiniMax官网申请API Key后，有两种配置方式：

1. 手动配置

MiniMaxApi api = new MiniMaxApi("your-api-key");
MiniMaxChatModel chatModel = new MiniMaxChatModel(api, 
    MiniMaxChatOptions.builder()
        .model("abab6.5s-chat")
        .build());

1. 自动配置

在application.properties中配置：

spring.ai.minimax.api-key=your-api-key
spring.ai.minimax.chat.options.model=abab6.5s-chat

2. 服务层实现

通过ChatClient.Builder自动注入客户端：

@Service
public class AIService {
    private final ChatClient chatClient;

    public AIService(ChatClient.Builder builder) {
        this.chatClient = builder.build();
    }

    public String chat(String message) {
        return chatClient.prompt()
            .user(message)
            .call()
            .content();
    }
}

3. 控制器示例

@RestController
public class AIController {
    @Autowired
    private AIService aiService;

    @GetMapping("/chat")
    public String chat(@RequestParam String msg) {
        return aiService.chat(msg);
    }
}

三、高级功能

1. 结构化输出

Spring AI支持将响应自动映射为Java对象：

public ActorInfo getActorInfo() {
    return chatClient.prompt()
        .user("生成一位演员信息")
        .call()
        .entity(ActorInfo.class);
}

2. 流式响应

处理大量数据时可以使用流式API：

Flux<String> stream = chatClient.prompt()
    .user("长文本生成")
    .stream()
    .content();

3. 提示词工程

支持系统提示词和用户提示词组合：

chatClient.prompt()
    .system("你是一位专业影评人")
    .user("评价《肖申克的救赎》")
    .call();

四、最佳实践

1. 合理设置temperature参数控制生成随机性
2. 使用maxTokens限制响应长度
3. 对敏感信息配置内容过滤
4. 通过响应元数据监控Token消耗

通过上述步骤，开发者可以快速构建基于Spring AI的智能对话应用，并根据业务需求灵活扩展功能。