前面我们让 AI 学会了对话、推理，但一直局限于文字。今天我们要解锁一个新维度——。只需要一句描述，AI 就能帮你画出对应的图片。在 Spring AI 中，图像生成和对话聊天使用的是完全不同的模型接口。对话用的是ChatClient，而图像生成用的是ImageModel。好消息是，Spring AI 对图像模型也做了统一抽象，接入 OpenAI DALL-E 和百度千帆的文生图服务，代码结构几乎

上一篇我们掌握了 CO-STAR 框架，让 AI 能按你的期望风格输出。但当你面对复杂任务——比如数学推理、多步骤决策、代码逻辑分析时，光靠格式框架还不够。和，并学习如何用把这些经验沉淀为团队规范。这一篇不需要引入任何新依赖，所有实验都在现有的 Spring Boot 项目上进行。如果你还没有项目，回顾第一篇即可。

前几篇我们教会了 AI 说话、流式输出、结构化返回，甚至记住了上下文。但你是否遇到过这种情况：同样的问题，问 ChatGPT 能给出完美答案，问你自己接的模型却答非所问？。这是 AI 应用开发中最被低估、却又最能拉开差距的技能。一个好的 Prompt，能让同一个模型的表现天差地别。本篇我们先掌握一套立即可用的框架——，再用让 AI “有样学样”。整篇文章不需要引入任何新依赖，你可以在前面任意一个项

前几篇我们教会了 AI 说话、流式输出、结构化返回，甚至记住了上下文。但你是否遇到过这种情况：同样的问题，问 ChatGPT 能给出完美答案，问你自己接的模型却答非所问？。这是 AI 应用开发中最被低估、却又最能拉开差距的技能。一个好的 Prompt，能让同一个模型的表现天差地别。本篇我们先掌握一套立即可用的框架——，再用让 AI “有样学样”。整篇文章不需要引入任何新依赖，你可以在前面任意一个项

Ollama 是一个用于在本地运行大语言模型的工具。它的特点是安装简单（Windows/Mac/Linux 都支持），一条命令就能拉取和运行模型，自动检测并利用 GPU，通过本地 API（默认端口 11434）对外提供服务。你可以把 Ollama 理解为“大模型界的 Docker”——它帮我们屏蔽了模型下载、量化、加载、CUDA 适配等底层琐事，让我们把精力集中在应用开发上。

上一篇文章我们把 Spring AI 空项目跑通了。今天，我们真正让它“开口说话”。别急，我们今天就用 DeepSeek 来完成这件事。，对于我们上手学习来说简直是 perfect。而且你写完这段代码后，下次想换成 ChatGPT 或通义千问，，业务代码完全不动——这个我们下一篇就会验证。好了，话不多说，打开你的 IDEA，我们开始写第一个 AI 对话接口。

上一篇文章我们把 Spring AI 空项目跑通了。今天，我们真正让它“开口说话”。别急，我们今天就用 DeepSeek 来完成这件事。，对于我们上手学习来说简直是 perfect。而且你写完这段代码后，下次想换成 ChatGPT 或通义千问，，业务代码完全不动——这个我们下一篇就会验证。好了，话不多说，打开你的 IDEA，我们开始写第一个 AI 对话接口。

场景一：合规要求公司项目要求所有数据不出境，必须使用国产大模型。但团队对阿里云百炼的 API 格式不熟悉，担心接入成本高、文档不完善。如果用原始 HTTP 调用，要自己处理签名、Token 管理、重试逻辑，费时费力。场景二：生态整合项目已经用了 Spring Cloud Alibaba 全家桶（Nacos、Sentinel、RocketMQ），想在同一个技术栈里接入 AI 能力。如果另起一套 Py

我们以简历解析场景为例，创建一个import com/*** 人员信息实体* 属性使用 @JsonProperty 来明确 JSON 字段名// 无参构造器（反序列化必需） public PersonProfile() {return age;return job;} }/*** 人员信息实体* 属性使用 @JsonProperty 来明确 JSON 字段名// 无参构造器（反序列化必需） pub

前两篇我们完成了从零到接入模型的全过程。你学会了用发一条消息并收到回复。但这条链里到底发生了什么？call()之外还有哪些调用方式？怎么让 AI “扮演”某个角色？今天一口气把这些都搞明白。到目前为止，你使用ChatClient的方式可能还停留在“丢一句话进去，拿一句话出来”。但在真实项目中，这样的能力远远不够。这篇文章会把ChatClient的核心能力逐层拆开，让你从“会用”升级为“用透”。