Spring AI 概述与环境搭建

引言

在人工智能技术飞速发展的今天，将AI能力集成到企业应用中已成为提升产品竞争力的关键手段。Spring AI作为Spring生态系统中的一员新将，为Java开发者提供了一套标准、易用的API，让复杂的AI能力集成变得简单而优雅。

无论您是希望快速构建AI聊天机器人的初学者，还是寻求在现有企业应用中集成AI功能的资深开发者，Spring AI都能为您提供强大的支持。它屏蔽了不同AI模型间的差异，让您专注于业务逻辑的实现，而非底层技术的复杂细节。

本文将引导您从零开始搭建Spring AI开发环境，并构建您的第一个AI应用，为后续深入学习打下坚实基础。

什么是 Spring AI

Spring AI 是 Spring 生态系统中的一个新兴项目，旨在简化 AI 应用程序的开发。它提供了一套标准的 API 和抽象，使得开发者能够以统一的方式与各种大语言模型（LLM）进行交互，而无需关心底层实现细节。

核心概念

  1. Prompt（提示词） - 向 AI 模型发送的输入文本，是与AI沟通的语言
  2. Model（模型） - 大语言模型，如 OpenAI、通义千问等，负责处理Prompt并生成响应
  3. OutputParser（输出解析器） - 将 AI 模型的输出解析为结构化数据，便于程序处理

环境准备

系统要求

  • JDK 17 或更高版本
  • Maven 3.8+ 或 Gradle 7+
  • 支持的 AI 模型 API 访问权限（如OpenAI API Key）

Maven依赖配置

使用Spring Boot 3.x项目，添加以下依赖：

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>

    <!-- Spring AI OpenAI Starter -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    </dependency>
</dependencies>

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>1.0.0-M2</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

<repositories>
    <repository>
        <id>spring-milestones</id>
        <name>Spring Milestones</name>
        <url>https://repo.spring.io/milestone</url>
        <snapshots>
            <enabled>false</enabled>
        </snapshots>
    </repository>
    <repository>
        <id>spring-snapshots</id>
        <name>Spring Snapshots</name>
        <url>https://repo.spring.io/snapshot</url>
        <releases>
            <enabled>false</enabled>
        </releases>
    </repository>
</repositories>

使用最新版本，这里添加了Spring的仓库，如果你配置了其他仓库，请修改mirrorOf配置以排除 Spring 仓库：

<mirror>
    <id>my-mirror</id>
    <mirrorOf>*,!spring-snapshots,!central-portal-snapshots</mirrorOf>
    <url>https://my-company-repository.com/maven</url>
</mirror>

第一个 Spring AI 应用

配置文件设置

在 application.yml 中添加模型配置：这里使用的质谱AI

spring:
  ai:
    openai:
      api-key: ${YOU_API_KEY}
      base-url: https://open.bigmodel.cn/api/paas
      chat:
        options:
          model: glm-4.5
        completions-path: /v4/chat/completions

核心代码实现

创建一个简单的 ChatController：

@RestController
@RequestMapping("/chat")
public class ChatController {

    private final ChatClient chatClient;

    public ChatController(ChatClient.Builder chatClientBuilder) {
        this.chatClient = chatClientBuilder.build();
    }

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

    @PostMapping("/structured")
    public Map<String, Object> structuredChat(@RequestBody Map<String, String> request) {
        String message = request.get("message");
        String response = chatClient.prompt()
                .system("你是一个专业的技术助手，请用简洁明了的语言回答问题")
                .user(message)
                .call()
                .content();

        Map<String, Object> result = new HashMap<>();
        result.put("input", message);
        result.put("response", response);
        result.put("timestamp", System.currentTimeMillis());

        return result;
    }
}

运行测试

启动应用后，通过以下方式测试：

  1. 简单对话测试：
curl 'http://localhost:8080/chat?message=你好，Spring AI！'

## 对中文字符进行 URL 编码
curl 'http://localhost:8080/chat?message=%E4%BD%A0%E5%A5%BD%EF%BC%8CSpring%20AI%EF%BC%81'
  1. 结构化响应测试：
curl -X POST http://localhost:8080/chat/structured \
  -H "Content-Type: application/json" \
  -d '{"message": "Spring AI有什么优势？"}'

实际应用案例

智能客服场景

在实际项目中，我们可以构建一个智能客服系统：

@Service
public class CustomerSupportService {
    private final ChatClient chatClient;

    public CustomerSupportService(ChatClient.Builder builder) {
        this.chatClient = builder
                .defaultSystem("你是一个电商平台的客服助手，需要礼貌、专业地回答用户问题")
                .build();
    }

    public String handleInquiry(String customerQuestion) {
        return chatClient.prompt()
                .user(u -> u.text("客户咨询：{question}")
                        .param("question", customerQuestion))
                .call()
                .content();
    }
}

@PostMapping("/customer-support")
public Map<String, Object> customerSupport(@RequestBody Map<String, String> request) {
    String question = request.get("question");
    String response = customerSupportService.handleInquiry(question);

    Map<String, Object> result = new HashMap<>();
    result.put("input", question);
    result.put("response", response);
    result.put("timestamp", System.currentTimeMillis());

    return result;
}

curl -X POST http://localhost:8080/chat/customer-support \
  -H "Content-Type: application/json" \
  -d '{"question": "我要差评"}'

内容生成场景

用于自动生成产品描述：

@Service
public class ContentGenerationService {

    private final ChatClient chatClient;

    public ContentGenerationService(ChatClient.Builder builder) {
        this.chatClient = builder
                .defaultSystem("你是一个电商产品描述专家，擅长撰写吸引人的产品介绍")
                .build();
    }

    public String generateProductDescription(ProductInfo productInfo) {
        return chatClient.prompt()
                .user(u -> u.text("请为以下产品生成一段吸引人的描述：\n产品名称：{name}\n产品特点：{features}\n目标用户：{target}")
                        .param("name", productInfo.getName())
                        .param("features", String.join(",", productInfo.getFeatures()))
                        .param("target", productInfo.getTarget()))
                .call()
                .content();
    }

}

@PostMapping("/product-description")
public Map<String, Object> generateProductDescription(@RequestBody ProductInfo productInfo) {
    String response = contentGenerationService.generateProductDescription(productInfo);

    Map<String, Object> result = new HashMap<>();
    result.put("input", productInfo);
    result.put("response", response);
    result.put("timestamp", System.currentTimeMillis());

    return result;
}

curl -X POST http://localhost:8080/chat/product-description \
  -H "Content-Type: application/json" \
  -d '{"name": "逸安One","features": "采用6.3英寸1.5K柔性直屏，峰值亮度3500nits，搭载逸安龙晶玻璃面板和高强度一体航空铝金属中框。搭载第五代骁龙8至尊版处理器，配备立体环形冷泵散热系统。内置7000mAh硅碳电池，支持100W有线快充和50W无线快充 。影像系统包含5000万像素徕卡三摄，配备四重光学镀膜技术。","target": "青年白领，学生，科技"}'

总结

通过本篇文章，我们了解了 Spring AI 的基本概念，完成了环境搭建，并实现了一个简单的对话应用。这是学习 Spring AI 的第一步，后续我们将深入学习更多高级功能。

Spring AI的价值不仅在于简化了AI集成的复杂性，更在于它将AI能力与Spring生态无缝融合，让Java开发者能够以熟悉的方式构建AI应用。随着AI技术的不断发展，掌握Spring AI将成为Java开发者的重要技能。

后续学习建议

  1. 探索不同AI模型的接入方式（如通义千问、Anthropic Claude等）
  2. 学习Prompt工程技巧，提升AI交互质量
  3. 了解向量数据库集成，实现RAG（检索增强生成）应用
  4. 掌握输出解析器的使用，处理结构化响应
  5. 学习如何构建企业级AI应用，包括监控、日志和性能优化

参考资源

互动问题：
您在搭建Spring AI环境时遇到了哪些问题？欢迎在评论区分享您的经验和解决方案！您希望在后续文章中了解Spring AI的哪个特定功能？

# spring # 人工智能 # java
Logo
北京朝阳AI社区

更多推荐

cover

【收藏必读】大模型革命：企业成功的新范式

avatar 北京朝阳AI社区
cover

新书速览|AI Agent智能体开发实践

avatar 北京朝阳AI社区

大模型能力测试与数据集

能力维度推荐数据集通用知识 & 语言理解MMLU（英）、C-Eval / CMMLU（中）数学推理GSM8K（基础）、MATH（进阶）、AMO-Bench（顶尖）代码能力安全对齐TruthfulQA + AdvBench + HHH人工评估中文综合SuperCLUE 或 AGIEval + CMMLU效率性能自建压力测试 + MLPerf💡最佳实践采用“自动评测 + 人工盲测 + 真实场景灰度”

avatar 北京朝阳AI社区