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

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么？
  • 大模型是怎样获得「智能」的？
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例：向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示（Embeddings）
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2：手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身：基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例：如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

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 # spring # 人工智能 # 大数据 # 开发语言 # 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

cover

Java SpringBoot+Vue3+MyBatis 乡村养老服务管理系统系统源码｜前后端分离+MySQL数据库

avatar AtomGit开源社区
cover

基于SpringBoot+Vue的箱包存储系统管理系统设计与实现【Java+MySQL+MyBatis完整源码】

avatar AtomGit开源社区
cover

Java Web 销售项目流程化管理系统系统源码-SpringBoot2+Vue3+MyBatis-Plus+MySQL8.0【含文档】

avatar AtomGit开源社区