Java AI智能体开发实战指南：从零搭建智能体应用案例

一、什么是Java AI智能体开发？为什么选择Java？

在AI技术快速发展的今天，Java作为一种成熟稳定的企业级编程语言，在智能体开发领域具有不可替代的优势。Java AI智能体开发指的是利用Java技术栈构建能够感知环境、自主决策、执行任务的AI应用。相比于Python在AI算法层的统治地位，Java凭借其高并发处理能力、跨平台特性、丰富的生态框架（如Spring Boot、MyBatis Plus）以及对企业级应用的原生支持，成为智能体后端服务、API集成、多终端适配场景下的语言。

当前，AI智能体的应用场景已经覆盖了智能客服、内容生成、无人共享服务等多个领域。例如，基于Java Spring Boot + UniApp开发的无人共享羽毛球系统，就展示了如何将智能体能力与业务逻辑深度整合；而AI数字人应用则进一步拓展了智能体的表现形式。下面，我将基于一个典型智能体应用案例，完整演示从环境搭建到功能实现的过程。

二、智能体应用的技术架构与开发环境搭建

2.1 技术选型与架构设计

一个典型的Java AI智能体应用采用前后端分离架构：

  • 后端服务：Spring Boot 2.7.x + MyBatis Plus 3.5.x + MySQL 8.0
  • 客户端：UniApp（基于Vue语法，适配小程序、公众号、H5、安卓、iOS）
  • 管理后台：Vue 3 + Element UI Plus
  • AI能力集成：通过HTTP接口调用大模型API（如OpenAI、文心一言、通义千问等）

架构图大致如下：

┌─────────────┐     ┌───────────────┐     ┌─────────────┐
│  用户端     │ ──> │  Spring Boot  │ ──> │   MySQL     │
│ (UniApp)    │     │   后端服务     │     │   数据库     │
└─────────────┘     └───────┬───────┘     └─────────────┘
                            │
                    ┌───────▼───────┐
                    │  AI大模型API   │
                    │ (第三方服务)   │
                    └───────────────┘

2.2 开发环境准备

  1. JDK：推荐使用 JDK 17（LTS版本），支持更好的性能与模块化特性。
  2. IDE：IntelliJ IDEA 2023+ 或 Eclipse 2023-12，安装Lombok插件。
  3. 数据库：MySQL 8.0，创建数据库 ai_agent_db。
  4. 前端工具：HBuilder X 或 VS Code（用于UniApp开发）。
  5. AI服务凭证：注册并获取大模型API的Key（例如阿里云灵积、百度千帆等平台）。

2.3 快速创建Spring Boot项目

使用Spring Initializr（https://start.spring.io/）创建项目，选择以下依赖：

  • Spring Web
  • Spring Data JPA / MyBatis Framework
  • MySQL Driver
  • Lombok
  • Validation
  • Spring Boot Actuator（可选，用于监控）

生成后，修改 pom.xml 添加MyBatis Plus依赖：

<!-- MyBatis Plus 启动器 -->
<dependency>
    <groupId>com.baomidou</groupId>
    <artifactId>mybatis-plus-spring-boot3-starter</artifactId>
    <version>3.5.5</version>
</dependency>
<!-- 数据库连接池 -->
<dependency>
    <groupId>com.zaxxer</groupId>
    <artifactId>HikariCP</artifactId>
</dependency>
<!-- HTTP 客户端（调用AI API） -->
<dependency>
    <groupId>org.apache.httpcomponents</groupId>
    <artifactId>httpclient</artifactId>
    <version>4.5.14</version>
</dependency>

配置 application.yml：

server:
  port: 8080
spring:
  datasource:
    url: jdbc:mysql://localhost:3306/ai_agent_db?useSSL=false&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=true
    username: root
    password: your_password
    driver-class-name: com.mysql.cj.jdbc.Driver
  jackson:
    date-format: yyyy-MM-dd HH:mm:ss
    time-zone: Asia/Shanghai

# AI 大模型配置（示例为通义千问Qwen）
ai:
  api:
    base-url: https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation
    api-key: your-api-key-here
    model: qwen-turbo

三、核心功能实现：从对话到智能调度

3.1 智能对话模块（基础能力）

智能体的核心是对话能力。我们设计一个统一的 AIChatService 来包装不同大模型的调用。

步骤1：创建对话请求与响应实体

// ChatRequest.java
@Data
public class ChatRequest {
    private String sessionId; // 会话ID
    private String message;   // 用户消息
    private String userId;    // 用户标识
}

// ChatResponse.java
@Data
public class ChatResponse {
    private String reply;
    private String sessionId;
    private long timestamp;
}

步骤2：实现AI API调用

@Service
public class AIChatService {

    @Value("${ai.api.base-url}")
    private String apiBaseUrl;

    @Value("${ai.api.api-key}")
    private String apiKey;

    @Value("${ai.api.model}")
    private String model;

    private final RestTemplate restTemplate;

    public AIChatService() {
        this.restTemplate = new RestTemplate();
    }

    public ChatResponse chat(ChatRequest request) {
        // 组装请求体（这里以通义千问为例）
        String requestBody = String.format(
            "{\"model\":\"%s\",\"input\":{\"messages\":[{\"role\":\"user\",\"content\":\"%s\"}]}}",
            model, request.getMessage()
        );

        HttpHeaders headers = new HttpHeaders();
        headers.setContentType(MediaType.APPLICATION_JSON);
        headers.set("Authorization", "Bearer " + apiKey);
        HttpEntity<String> entity = new HttpEntity<>(requestBody, headers);

        ResponseEntity<QwenResponse> response = restTemplate.postForEntity(
            apiBaseUrl, entity, QwenResponse.class
        );

        // 解析响应并返回
        ChatResponse chatResponse = new ChatResponse();
        chatResponse.setReply(extractReply(response.getBody()));
        chatResponse.setSessionId(request.getSessionId());
        chatResponse.setTimestamp(System.currentTimeMillis());
        return chatResponse;
    }
}

这里需要定义 QwenResponse 类匹配API返回结构。实际开发中也可以使用 Jackson 的 @JsonProperty 灵活映射。

步骤3：会话历史管理

为了让智能体记住上下文，我们要存储对话历史。利用MySQL建一张表：

CREATE TABLE conversation_history (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    session_id VARCHAR(64) NOT NULL,
    role VARCHAR(10) NOT NULL COMMENT 'user 或 assistant',
    content TEXT NOT NULL,
    create_time DATETIME DEFAULT CURRENT_TIMESTAMP,
    INDEX idx_session_id (session_id)
);

在 AIChatService 中添加历史查询逻辑：

@Autowired
private ConversationHistoryMapper historyMapper;

/**
 * 获取近N轮对话作为上下文，拼接给AI
 */
private String buildContext(String sessionId, int maxTurns) {
    List<ConversationHistory> histories = historyMapper.selectList(
        new LambdaQueryWrapper<ConversationHistory>()
            .eq(ConversationHistory::getSessionId, sessionId)
            .orderByDesc(ConversationHistory::getCreateTime, false)
            .last("LIMIT " + (maxTurns * 2))
    );

    StringBuilder context = new StringBuilder();
    for (ConversationHistory h : histories) {
        context.append(h.getRole()).append(": ").append(h.getContent()).append("\n");
    }
    return context.toString();
}

3.2 智能体高级功能：任务调度与内容生成

根据参考方案中的案例，智能体应该具备以下扩展能力：

  1. AI伪原创/改写：对用户输入的文本进行语义保留的改写。
  2. 视频文案提取（OCR）：从视频截图或链接中识别文字。
  3. 多轮对话：支持会议室、提问定位等场景。

以“AI伪原创”为例，我们可以在 AIChatService 中添加一个专用方法：

public ChatResponse rewriteText(String originalText, String style) {
    String systemPrompt = "你是一个专业的文案改写助手，请对用户提供的文本进行同义改写。"
        + "要求保留原意，但改变表达方式，风格：" + (style != null ? style : "简洁");

    ChatRequest request = new ChatRequest();
    request.setMessage(systemPrompt + "\n用户原文：" + originalText);
    request.setSessionId(UUID.randomUUID().toString());
    return chat(request);
}

这种设计让智能体可以像“插件”一样扩展。你可以根据需求增加十几个接口：AI绘图指令、文档导出、多平台消息推送等。

3.3 用户端与管理后台的通讯

在UniApp端，通过HTTP请求调用后端接口。以用户登录和对话为例：

用户端（UniApp）核心代码片段：

// pages/chat/chat.vue
export default {
  data() {
    return {
      sessionId: '',
      messages: []
    }
  },
  methods: {
    async sendMessage(content) {
      const res = await uni.request({
        url: 'http://your-server/api/ai/chat',
        method: 'POST',
        data: {
          sessionId: this.sessionId,
          message: content,
          userId: uni.getStorageSync('userId')
        }
      })
      this.messages.push({ role: 'assistant', content: res.data.reply })
    }
  }
}

后端Controller：

@RestController
@RequestMapping("/api/ai")
public class AIController {

    @Autowired
    private AIChatService chatService;

    @PostMapping("/chat")
    public ResponseEntity<ChatResponse> chat(@RequestBody @Valid ChatRequest request) {
        ChatResponse response = chatService.chat(request);
        return ResponseEntity.ok(response);
    }

    @PostMapping("/rewrite")
    public ResponseEntity<ChatResponse> rewrite(@RequestBody RewriteRequest request) {
        ChatResponse response = chatService.rewriteText(request.getOriginal(), request.getStyle());
        return ResponseEntity.ok(response);
    }
}

四、性能优化与多平台发布

4.1 高并发优化策略

考虑到智能体应用（如无人共享系统、AI写作平台）可能面临高并发请求，必须对关键路径进行优化：

  1. 异步调用：将AI API的请求改成异步，避免阻塞Tomcat线程池。

    @Async
public CompletableFuture<ChatResponse> asyncChat(ChatRequest request) {
    return CompletableFuture.completedFuture(chat(request));
}

    记得在启动类添加 @EnableAsync。

  2. 缓存：针对高频重复问题（如问候语、常见FAQ）使用本地缓存（如Caffeine）或Redis。

    @Cacheable(value = "aiCache", key = "#request.message")
public ChatResponse chat(ChatRequest request) { ... }

  3. 连接池管理：配置 RestTemplate 连接池大小，避免创建大量短连接。

    @Bean
public RestTemplate restTemplate() {
    HttpComponentsClientHttpRequestFactory factory = new HttpComponentsClientHttpRequestFactory();
    factory.setConnectTimeout(5000);
    factory.setReadTimeout(30000);
    factory.setMaxTotal(200);
    factory.setDefaultMaxPerRoute(50);
    return new RestTemplate(factory);
}

4.2 会话与用户权限管理

在智能体应用中，通常需要绑定用户身份。在用户登录后，后端发放JWT令牌，后续请求携带令牌完成鉴权。同时，根据用户角色（普通用户、会员、管理员）分配不同的智能体能力（如会员可使用AI绘图、文档导出，非会员只能基础对话）。

JWT集成示例（使用jjwt库）：

@Service
public class JwtService {

    private static final String SECRET = "your-secret-key";

    public String generateToken(String userId, String role) {
        return Jwts.builder()
            .setSubject(userId)
            .claim("role", role)
            .setIssuedAt(new Date())
            .setExpiration(new Date(System.currentTimeMillis() + 86400000))
            .signWith(SignatureAlgorithm.HS256, SECRET)
            .compact();
    }

    public Claims parseToken(String token) {
        return Jwts.parser().setSigningKey(SECRET).parseClaimsJws(token).getBody();
    }
}

4.3 多平台适配与发布

智能体应用通常需要覆盖多个终端。使用UniApp二次开发的优势在此体现：

  • 小程序：打包后上传开发者工具，审核发布。
  • H5网页：直接部署到Nginx或OSS。
  • 安卓/iOS App：使用HBuilder X的云打包功能生成安装包。
  • 公众号：通过UniApp的H5模式，在公众号菜单配置链接。

后端服务部署建议使用Docker容器化，结合阿里云或腾讯云的Kubernetes集群，保障弹性伸缩。

五、常见问题解答（FAQ）

Q1：Java做AI智能体开发需要掌握哪些技术栈？
A：核心需要Spring Boot、MyBatis Plus、MySQL；前端UniApp和Vue；HTTP客户端调用大模型API；以及JWT鉴权、Redis缓存、Docker部署等工程化能力。对NLP和大模型本身不需要太深研究，重点在于业务集成与性能优化。

Q2：有哪些开源的Java AI智能体项目可以参考？
A：GitHub上有一些成熟项目，如基于Spring AI的示例、LangChain4j（Java版LangChain）、以及国内企业的开源项目（如百度千帆的Java SDK示例）。建议先动手从一个小型问答系统开始。

Q3：如何实现智能体的“记忆”功能？
A：两种主流方案：一是关系型数据库存储对话历史（如上文所述），适合结构化查询；二是Redis存储近N轮消息，适合高并发场景。如果需要长期记忆用户的偏好，推荐结合向量数据库（如Milvus）做知识检索。

Q4：智能体如何支持多轮对话？
A：关键是每次请求携带完整的上文。后端把近N轮（比如5轮）的user+assistant消息拼接起来，作为system prompt的附加内容。需要注意文本长度限制（大模型都有token上限）。

Q5：从零开发一个智能体应用大概需要多长时间？
A：对于有Java Spring Boot基础的开发者，实现基础对话+用户管理+简单业务（如AI改写）大约需要2-3天。加上前端适配和部署，整体周期约1周左右。如果涉及视频文案提取、AI绘图等功能，约需2周。

Q6：开发过程中常见的坑是什么？
A：常见的是大模型API的Token限制和计费问题。建议在开发阶段使用低成本的模型（如qwen-turbo、gpt-3.5-turbo），并在代码中做好超时重试和异常降级（如超时返回预设回复）。另外，UniApp在iOS上的WebSocket长期连接存在稳定性问题，建议使用轮询或替代方案。

通过以上步骤，你已经可以搭建出一个完整的Java AI智能体应用

# java # spring boot
Logo
亚马逊云科技技术品牌专区

更多推荐

cover

别再只聊大模型！AI的下一场革命，藏在“身体”里

avatar 亚马逊云科技技术品牌专区
cover

别再只聊大模型！人工智能的下一场革命，藏在“身体”里

avatar 亚马逊云科技技术品牌专区
cover

别再只聊大模型！AI的下一场革命，藏在“身体”里

avatar 亚马逊云科技技术品牌专区