本文介绍Spring AI 1.0如何让Java开发者无需学习Python，通过添加几个依赖就能在现有项目中快速构建AI智能体。从5分钟快速上手到实现AI记忆功能、工具调用能力，再到企业级应用和实战案例，提供了完整指南，帮助Java开发者轻松进入AI时代，并分享了常见避坑技巧。

自从 Spring AI 1.0 发布后，Java 开发者也能用熟悉的 Spring Boot 生态搭建 AI 智能体了。不用学 Python，不用重写代码，就在你现有的项目里加几个依赖，就能跑起来。

上周我试了一下，从创建项目到跑通第一个能「记忆」的 AI 助手，真的只花了 5 分钟。

今天就把这个实战经验分享给大家。

一、快速开始：3 步跑起来

第一步：创建项目

用 Spring Initializr 创建一个 Spring Boot 项目（Java 17+），加上这几个依赖：

1
2
3
4
5
6
7
8
9
10
11
12
<!-- Spring Web -->


<dependency>


    <groupId>
org.springframework.boot
</groupId>


    <artifactId>
spring-boot-starter-web
</artifactId>


</dependency>


 


<!-- Spring AI OpenAI（国外用）或 Spring AI Alibaba（国内用） -->


<dependency>


    <groupId>
org.springframework.ai
</groupId>


    <artifactId>
spring-ai-openai-spring-boot-starter
</artifactId>


    <version>
1.0.0-M4
</version>


</dependency>

国内开发者推荐用 Spring AI Alibaba：

1
2
3
4
5
<dependency>


    <groupId>
com.alibaba.cloud.ai
</groupId>


    <artifactId>
spring-ai-alibaba-starter
</artifactId>


    <version>
1.0.0-M3.2
</version>


</dependency>

第二步：配置 API Key

1
2
3
4
5
6
7
8
9
10
# application.yml


spring:


  ai:


    openai:


      api-key:
 ${OPENAI_API_KEY}
  # 你的 OpenAI API Key


    # 阿里云版本用这个


    # alibaba:


    #   qwen:


    #     api-key: ${QWEN_API_KEY}


    #     model: qwen-turbo

第三步：写个测试接口

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
@RestController


public
 class
 ChatController
 {


    private
 final
 ChatClient chatClient;




    public
 ChatController
(ChatClient.Builder builder)
 {


        this
.chatClient = builder.build();


    }




    @GetMapping("/chat")


    public
 String
 chat
(@RequestParam String msg)
 {


        return
 chatClient.prompt()


            .user(msg)


            .call()


            .content();


    }


}

启动项目，访问 http://localhost:8080/chat?msg=你好，就能看到 AI 的回复了。

是不是很简单？

3步快速开始

二、给 AI 加上「记忆」

现在的 AI 记性不好，你说第二句话它已经不记得第一句了。

给它加上 ChatMemory，就能记住之前的对话：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
@RestController


public
 class
 ChatController
 {


    private
 final
 ChatClient chatClient;


    private
 final
 ChatMemory
 chatMemory
 =
 new
 InMemoryChatMemory
();




    public
 ChatController
(ChatClient.Builder builder)
 {


        this
.chatClient = builder


            .defaultAdvisors(
new
 MessageChatMemoryAdvisor
(chatMemory))


            .build();


    }




    @GetMapping("/chat")


    public
 String
 chat
(


        @RequestParam
 String msg,


        @RequestParam(defaultValue = "default")
 String sessionId


    ) {


        return
 chatClient.prompt()


            .user(msg)


            .advisors(spec -> spec


                .param(CHAT_MEMORY_CONVERSATION_ID_KEY, sessionId))


            .call()


            .content();


    }


}

关键点：

  • MessageChatMemoryAdvisor - 记忆功能的 Advisor
  • CHAT_MEMORY_CONVERSATION_ID_KEY - 每个用户一个独立的 sessionId

试一下：

1
2
/chat?msg=我叫小明&sessionId=user1


/chat?msg=我叫什么？&sessionId=user1

第二次调用它会回答「你叫小明」，因为它记住了。

ChatMemory 架构图

三、让 AI 会「用工具」

光聊天不够，还要让 AI 能执行操作。比如查询数据库、调用 API。

这就要用到 Tool Calling（以前叫 Function Calling，Spring AI 1.0 改名了）。

定义工具

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
@Component


public
 class
 UserTools
 {




    @Tool(description = "根据用户ID查询用户信息")


    public
 User
 getUserById
(String userId)
 {


        // 实际项目中这里查数据库


        return
 new
 User
(userId,
 "张三"
,
 "zhangsan@example.com"
);


    }




    @Tool(description = "获取当前时间")


    public
 String
 getCurrentTime
()
 {


        return
 LocalDateTime.now().toString();


    }


}




record
 User
(String id, String name, String email)
 {}

注册工具

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
@RestController


public
 class
 AgentController
 {


    private
 final
 ChatClient chatClient;




    public
 AgentController
(ChatClient.Builder builder, UserTools userTools)
 {


        this
.chatClient = builder


            .defaultTools(userTools)
  // 注册工具


            .build();


    }




    @GetMapping("/agent")


    public
 String
 agent
(@RequestParam String msg)
 {


        return
 chatClient.prompt()


            .user(msg)


            .call()


            .content();


    }


}

测试效果

1
2
3
4
5
/agent?msg=查询用户123的信息


// AI 会自动调用 getUserById("123") 返回结果


 


/agent?msg=现在几点了？


// AI 会自动调用 getCurrentTime() 返回结果

神奇吧？AI 会自己判断什么时候该调用什么工具。

四、避坑指南

坑 1：Function Calling 已废弃

老教程还在用 FunctionCallback 和 .functions()，别跟着学。

Spring AI 1.0.0.M6 已经废弃了 Function Calling，改用 Tool Calling：

1
2
3
4
5
// ❌ 旧版（不要用）


.functions(
"myFunction"
)


 


// ✅ 新版（推荐）


.tools(
new
 MyTools
())

坑 2：ChatMemory 不生效

检查这两点：

  1. 是否添加了 MessageChatMemoryAdvisor
  2. 是否设置了 CHAT_MEMORY_CONVERSATION_ID_KEY 参数
1
2
3
// 容易漏掉这两行


.defaultAdvisors(
new
 MessageChatMemoryAdvisor
(chatMemory))


.param(CHAT_MEMORY_CONVERSATION_ID_KEY, sessionId)

坑 3：API Key 管理不当

千万别把 API Key 硬编码。

正确姿势：

  • 使用环境变量
  • 或用配置中心（Nacos、Apollo）
  • 生产环境用密钥管理服务
1
2
3
4
5
6
// ❌ 错误


String
 apiKey
 =
 "sk-xxx"
;


 


// ✅ 正确


@Value("${spring.ai.openai.api-key}")


private
 String apiKey;

坑 4：超时设置不合理

AI 调用可能很慢，默认超时可能不够。

1
2
3
4
5
6
spring:


  ai:


    openai:


      chat:


        options:


          completion-timeout:
 60s
  # 根据实际情况调整

避坑清单

五、企业级应用：集成到现有项目

1. 模块化设计

建议单独建一个 ai-module 模块：

1
2
3
4
5
6
7
your-project/


├── business-module/      # 业务模块


├── ai-module/            # AI 能力模块


│   ├── agent/            # 智能体


│   ├── tools/            # 工具定义


│   └── config/           # AI 配置


└── api-module/           # API 接口

2. 统一异常处理

1
2
3
4
5
6
7
8
9
@ControllerAdvice


public
 class
 AIExceptionHandler
 {


 


    @ExceptionHandler(AIException.class)


    public
 ResponseEntity<String>
 handleAIException
(AIException e)
 {


        // 优雅降级：返回默认响应或提示用户稍后重试


        return
 ResponseEntity.ok(
"AI 服务暂时不可用，请稍后再试"
);


    }


}

3. 监控和日志

1
2
3
4
5
6
7
8
9
// 记录 Token 使用量


@Component


public
 class
 TokenLogger
 {


 


    @EventListener


    public
 void
 handleChatEvent
(ChatCompletionEvent event)
 {


        log.info(
"Token used: {}"
, event.getUsage());


    }


}

六、实战案例：智能客服助手

最后gei一个完整的实战案例 —— 一个能查订单、能改状态的智能客服：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
@RestController


@RequestMapping("/customer-service")


public
 class
 CustomerServiceAgent
 {




    private
 final
 ChatClient chatClient;




    public
 CustomerServiceAgent
(ChatClient.Builder builder, OrderTools orderTools)
 {


        this
.chatClient = builder


            .defaultSystem(
"你是一个智能客服助手，可以帮助用户查询订单、修改状态"
)


            .defaultTools(orderTools)


            .defaultAdvisors(
new
 MessageChatMemoryAdvisor
(
new
 InMemoryChatMemory
()))


            .build();


    }




    @GetMapping("/chat")


    public
 String
 chat
(


        @RequestParam
 String msg,


        @RequestParam
 String userId


    ) {


        return
 chatClient.prompt()


            .user(msg)


            .advisors(spec -> spec


                .param(CHAT_MEMORY_CONVERSATION_ID_KEY, userId))


            .call()


            .content();


    }


}




@Component


class
 OrderTools
 {


    @Tool(description = "查询订单状态")


    public
 String
 getOrderStatus
(String orderId)
 {


        // 查数据库返回订单状态


        return
 "订单"
 + orderId +
 "状态为：已发货"
;


    }




    @Tool(description = "修改订单收货地址")


    public
 String
 updateAddress
(String orderId, String newAddress)
 {


        // 更新数据库


        return
 "订单"
 + orderId +
 "地址已修改为："
 + newAddress;


    }


}

效果：

1
2
3
4
5
/chat?msg=我的订单123到哪了？&userId=user1


// AI 自动调用 getOrderStatus("123") 返回状态


 


/chat?msg=把订单123的地址改成北京市朝阳区&userId=user1


// AI 自动调用 updateAddress("123", "北京市朝阳区")

智能客服流程图

写在最后

Spring AI 让 Java 开发者进入 AI 时代变得超级简单。

不需要重写项目，不需要学 Python，就在你熟悉的 Spring Boot 里加几个依赖，就能跑起来。

我的建议是：

  • 先跑通 Demo - 5 分钟快速体验
  • 再加 Memory - 让 AI 记住对话
  • 最后加 Tools - 让 AI 能干活

记住：

  • Function Calling 已废弃，用 Tool Calling
  • ChatMemory 要设置 Conversation ID
  • API Key 别硬编码

大家有没有在项目中用过 AI 智能体？评论区聊聊你的经验吧。

关联阅读：

深坑慎入！盘点Java开发中最隐蔽的8个内存泄漏场景

Spring Boot项目启动慢怎么办？3招教你优化启动速度（附代码）

if else泛滥的Java：我们为什么越写越乱？

Java 8 用了 5 年才发现：这些「优雅」代码其实很慢

关注我的公众号，看文不迷路👇👇

写在最后

Spring AI 让 Java 开发者进入 AI 时代变得超级简单。

不需要重写项目，不需要学 Python，就在你熟悉的 Spring Boot 里加几个依赖，就能跑起来。

我的建议是：

  • 先跑通 Demo - 5 分钟快速体验
  • 再加 Memory - 让 AI 记住对话
  • 最后加 Tools - 让 AI 能干活

记住：

  • Function Calling 已废弃，用 Tool Calling
  • ChatMemory 要设置 Conversation ID
  • API Key 别硬编码

大模型入门学习教程 （附PDF文档，文末获取）

现在国内外关于大模型入门教程做的比较好的并不多，这其实也是一件好事，有难度和有门槛才能避免烂大街，现在大模型入门教程热度最高的包括李宏毅老师、吴恩达老师、Datawhale开源社区等

选择合适的入门学习教程，能少走弯路，抓住核心内容，快速达到前沿的水平，甚至是发表大模型相关的论文都是可以的

这一期主要是给大家推荐李宏毅老师的最新课程：大模型入门学习教程

这个教程的主要内容如下（总共11讲）：

第1讲：总体介绍

这一讲主要介绍现在大模型作为生成式人工智能，其发展的历史过程，以及大模型落地的主要应用方向，了解大模型主要学习什么内容，难度不大，简单看一下就行

第2讲：提示词和AI代理人

首先介绍什么是提示词工程，提示词就是人类和大模型交互的语言，对于大模型的引导需要通过提示词来完成，然后介绍如何引导模型进行思考，比如COT是什么，在模型训练过程中提供额外信息

图片

第3讲：生成策略

同一个问题，多次询问大模型，大模型会给出不同的回答，如何提高回复的准确率以及稳定性，是一个重要的大模型生成策略。了解大模型的生成概率与什么有关，比如top_p, top_k，temperature等

图片

第4讲：深度学习和Transformer

这一部分先介绍一些深度学习基础内容，大模型的模型都是深度学习模型，了解深度学习中基础内容是有必要的，比如损失函数，反向传播，梯度下降等，然后介绍大模型的基础框架transformer，transformer模型结构一定要非常熟悉，很重要

图片

第5讲：大模型评估和道德问题

这一部分先介绍大模型的评估标准，现在有很多benchmark从各个方面来评测大模型的不同能力，评估指标很多，开源的模型往往会选择有利于自己的指标进行展示，然后介绍大模型中存在的道德问题，因为大模型不能随意生成一些不符合道德社会文明的内容

图片

第6讲：AI的可解释性

给大模型一个输入，只能得到一个输出，但是我们并不清楚大模型的思考过程是怎么样的，这个问题，大模型是怎么思考的，提升大模型的可解释性有助于后续研究如何提升大模型的推理性能，像COT就是显式展示大模型的思考过程，然后还可以让语言模型来解释语言模型

图片

第7讲：视觉大模型

常说的大模型，都指的是文本大模型，输入是文本，输出也是文本，而现实世界中，可能我们的输入既有文本，又有图片和视频，输出也可能是多样化的，视觉大模型就是能解决文本和视觉两种模态的大模型

图片

第8讲：GPT-4o

前面都是关于大 模型的理论，这一部分是拆解一个完整的大模型是怎么样的，以GPT-4o为例进行说明，GPT**-4o是首个端到端多模态通用模型**，是迈向AGI的一步，能够实现文本，音频和图片的多模态交互

图片

上面就是大模型的入门教程的所有内容，学完这些可以去看看关于大模型微调，大模型训练，大模型推理加速，RAG和Agent等相关的内容，后面最好整一两个项目来实践一下

上述资料获取：

1. 关注公众号【大模型应用开发LLM】领取即可获取

2. 这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

# java # 人工智能 # spring # 产品经理 # 深度学习 # 学习 # 后端
Logo
AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

spec-kit 是什么

Spec-Kit 的本质，是为 AI 辅助的软件开发建立了一套“ISO 质量管理体系”。它通过工具强制推行一种先思考、后行动，先定义、后实现的理性开发文化。对于个人开发者，它是提升代码质量和项目可控性的利器；对于团队，它是确保 AI 协作规范化、产出标准化的基础设施。在 AI 编程能力爆炸式增长的今天，Spec-Kit 代表的“规范驱动”思想，正成为驾驭 AI 潜力、防止项目陷入混乱的关键范式。正

avatar AtomGit开源社区

Linux系统介绍

Linux是一款开源免费、多用户、多任务、支持多线程与多CPU架构的类UNIX操作系统，由芬兰开发者Linus Torvalds在1991年首次发布，后续依托全球开源社区持续迭代完善。它并非小众系统，如今广泛应用于云服务器、超级计算机、嵌入式设备、安卓手机底层等场景，服务器市场占有率常年稳居第一，是工业界与学术界公认的高效稳定系统。Linux学习没有捷径，从基础命令到系统原理，从简单代码到并发实战

avatar AtomGit开源社区
cover

基于FPGA的FOC电流环手动编写Verilog实现：高效、可读性强的源码与Simulink模...

avatar AtomGit开源社区