Spring AI 入门与实践：快速构建 AI 驱动的 Java 应用

2301_80954266

35人浏览 · 2026-07-04 21:46:47

2301_80954266 · 2026-07-04 21:46:47 发布

1. 什么是 Spring AI？

Spring AI 是 Spring 官方推出的一个项目，旨在将生成式 AI 能力无缝集成到 Spring 生态系统中。它提供了一套统一的 API 和抽象，让 Java 开发者能够轻松地在应用中调用各种大语言模型（如 OpenAI GPT、Anthropic Claude、Google Gemini 等）、嵌入模型和图像生成模型，而无需关心底层供应商的 API 差异。

其核心目标是：简化 AI 集成，提升开发效率。

2. 核心概念与模块

Spring AI 主要围绕以下几个核心模块构建：

Chat Client：用于与大语言模型（LLM）进行对话式交互。
Embedding Client：用于将文本转换为向量（嵌入），是构建 RAG（检索增强生成）应用的基础。
Image Client：用于调用图像生成模型（如 DALL-E、Stable Diffusion）。
Prompt Templates：提供强大的提示词模板功能，支持变量替换和结构化输出。
Output Parsers：将模型的非结构化文本输出解析为 Java 对象（如 JSON、List 等）。
Vector Stores：集成多种向量数据库（如 Pinecone、Redis、PGVector），用于存储和检索嵌入向量。

3. 快速开始：你的第一个 Spring AI 应用

3.1 环境准备

确保你的开发环境满足以下条件：

JDK 17 或更高版本
Maven 3.6+ 或 Gradle 7.x+
一个可用的 AI 模型 API 密钥（例如 OpenAI API Key）

3.2 创建项目

使用 Spring Initializr 快速创建一个 Spring Boot 项目，并添加 spring-ai-openai-spring-boot-starter 依赖。

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    <version>1.0.0-M5</version> <!-- 请使用最新稳定版本 -->
</dependency>

3.3 配置 API 密钥

在 application.properties 或 application.yml 中配置你的 OpenAI API 密钥：

spring.ai.openai.api-key=${OPENAI_API_KEY}

3.4 编写第一个对话服务

创建一个简单的 Service 来调用 ChatGPT：

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.stereotype.Service;

@Service
public class ChatService {

    private final ChatClient chatClient;

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

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

3.5 创建控制器并测试

创建一个 REST 控制器来暴露聊天接口：

import org.springframework.web.bind.annotation.*;

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

    private final ChatService chatService;

    public ChatController(ChatService chatService) {
        this.chatService = chatService;
    }

    @PostMapping("/chat")
    public String chat(@RequestBody String message) {
        return chatService.chat(message);
    }
}

启动应用后，你可以通过 POST 请求 /ai/chat 与 AI 对话。

4. 进阶功能与实践

4.1 使用提示词模板

Spring AI 的提示词模板支持变量和结构化指令，让提示管理更清晰。

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.PromptTemplate;

// 定义模板
String template = """
        你是一位专业的{role}。
        请用{style}风格，回答以下问题：
        {question}
        """;

PromptTemplate promptTemplate = new PromptTemplate(template);
Prompt prompt = promptTemplate.create(Map.of(
        "role", "Java 架构师",
        "style", "简洁明了",
        "question", "如何设计一个高可用的微服务系统？"
));

String response = chatClient.prompt(prompt).call().content();

4.2 构建 RAG 应用

结合 Embedding Client 和 Vector Store，可以轻松构建知识库问答系统。

文档加载与分块：使用 Spring AI 的文档加载器读取 PDF、Word 等文件，并进行文本分块。
生成嵌入并存储：为每个文本块生成向量，并存入向量数据库。
检索与生成：用户提问时，先检索相关文本块，再将其作为上下文提供给 LLM 生成答案。

4.3 流式响应

对于长文本生成，使用流式响应可以提升用户体验。

@GetMapping("/stream")
public Flux<String> streamChat(@RequestParam String message) {
    return chatClient.prompt()
            .user(message)
            .stream()
            .content();
}