Spring AI 简介与快速入门

1. 什么是 Spring AI？

Spring AI 是 Spring 官方推出的开源框架，旨在将人工智能（AI）功能无缝集成到 Java 应用程序中。它借鉴了 LangChain 和 LlamaIndex 的设计理念，提供统一的抽象和模块化接口，简化了 AI 模型的接入和管理，降低了开发复杂度。

Spring AI 的核心特性

• 集成性强：深度集成 Spring Boot 和 Spring Cloud，提供一致的编程模型
• 多模型支持：支持 OpenAI、Anthropic Claude、Google Vertex AI、DeepSeek 等主流模型
• 向量数据库支持：内置支持 Pinecone、Qdrant、Redis、Milvus 等，便于实现 RAG
• 功能丰富：涵盖聊天模型、嵌入模型、图像生成、语音处理等多种 AI 功能

---

2. 环境准备

• JDK 17 或更高版本，提供一个JDK17的下载地址: https://www.injdk.cn
• Spring Boot 3.2.x / 3.3.x / 3.4.x（与 Spring AI 版本对应）
• 一个 AI 模型的 API Key（如 DeepSeek、OpenAI）

版本提示：Spring AI 当前最新稳定版为 1.0.0-M7，对应 Spring Boot 3.3.x。若使用 Spring Boot 3.4.x，需使用 1.0.0-SNAPSHOT 或等待正式版发布。

---

3. 创建第一个 Spring AI 项目

3.1 使用 Spring Initializr 创建项目

访问 start.spring.io，选择：

• Spring Boot 版本：3.3.4（推荐，对应 Spring AI M7）
• 依赖：Spring Web、Spring AI OpenAI Starter

或者手动添加依赖（以 DeepSeek 为例）：

<parent>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-parent</artifactId>
    <version>3.3.4</version>
</parent>

<properties>
    <spring-ai.version>1.0.0-M7</spring-ai.version>
</properties>

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
        <version>${spring-ai.version}</version>
    </dependency>
</dependencies>

<repositories>
    <repository>
        <id>spring-milestones</id>
        <name>Spring Milestones</name>
        <url>https://repo.spring.io/milestone</url>
    </repository>
</repositories>

---

3.2 配置 DeepSeek API

在 application.yml 中配置（推荐 YAML 格式）：

spring:
  ai:
    openai:
      api-key: ${DEEPSEEK_API_KEY}  # 建议从环境变量读取
      base-url: https://api.deepseek.com/v1
      chat:
        options:
          model: deepseek-chat
          temperature: 0.7
      # DeepSeek 暂不支持嵌入模型，显式禁用避免启动异常
      embedding:
        enabled: false

或使用 application.properties：

spring.ai.openai.api-key=${DEEPSEEK_API_KEY}
spring.ai.openai.base-url=https://api.deepseek.com/v1
spring.ai.openai.chat.options.model=deepseek-chat
spring.ai.openai.chat.options.temperature=0.7
spring.ai.openai.embedding.enabled=false

Temperature控制模型响应的随机性或“创造性”。
较低值（0.0-0.3）：响应更确定、更集中。更适合事实类问题、分类问题或一致
性至关重要的任务。
中等值（0.4-0.7）：在确定性和创造性之间取得平衡。适用于一般用例。
值越高 (0.8-1.0)：回复更具创意、多样性，且可能带来惊喜。更适合创意写作、
头脑风暴或生成多样化选项

---

3.3 编写 Controller

import org.springframework.ai.chat.model.ChatResponse;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.openai.OpenAiChatModel;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;

import java.util.Map;

@RestController
public class ChatController {

    private final OpenAiChatModel chatModel;

    public ChatController(OpenAiChatModel chatModel) {
        this.chatModel = chatModel;
    }

    /**
     * 同步调用：一次性返回完整响应
     */
    @GetMapping(value = "/chat/{message}")
    public Map<String, String> generate(
            @PathVariable("message") String message) {
        return Map.of("generation", chatModel.call(message));
    }

    /**
     * 流式调用：SSE 实时推送，逐字返回
     */
    @GetMapping("/chat/stream/{message}")
    public Flux<String> generateStream(
            @PathVariable("message") String message) {
        Prompt prompt = new Prompt(new UserMessage(message));
        return chatModel.stream(prompt)
                .map(response -> response.getResult().getOutput().getContent());
    }
}

---

3.4 测试效果

启动应用后访问：

• 同步接口：http://localhost:8080/chat/你好
• 流式接口：http://localhost:8080/chat/stream/你好

---

4. Spring AI 自动配置的核心 Bean

Bean 名称	类型	作用
openAiChatModel	OpenAiChatModel	用于与模型交互的底层客户端
chatClientBuilder	ChatClient.Builder	用于构建 ChatClient 实例的构造器

通过 ChatClient 可以更优雅地构建提示和处理响应（推荐用法）：

package com.example.ai.controller;

import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.web.bind.annotation.*;
import reactor.core.publisher.Flux;

@RestController
@CrossOrigin(origins = "*")
@Slf4j
public class ChatController {

    private final ChatClient chatClient;

    public ChatController(ChatClient.Builder builder) {
        this.chatClient = builder.defaultSystem("你是一个AI智能应用").build();
    }

    @GetMapping(value = "/chat/{message}")
    public String chat(@PathVariable("message") String message) {
        return chatClient.prompt()
                .user(message)
                .call()
                .content();
    }

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

}

---

5. 配置文件方式

下面通过配置文件方式创建ChatClient

package com.example.ai.config;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.openai.OpenAiChatModel;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class ChatConfig {
    @Bean
    public ChatClient chatClient(ChatClient.Builder builder) {
        return builder.defaultSystem("你是一个AI聊天助手")
                .build();
    }
}

然后业务层：

@Autowired
private  ChatClient chatClient;

---

参考资源

• Spring AI 官方文档
• Spring AI GitHub 仓库
• DeepSeek API 文档