"都2026年了，Java程序员再不学AI就要被淘汰了？" —— 很多人在问，但真正动手的少。这篇是给想入门AI的Java老兵写的，用你熟悉的方式打开Spring AI。

---

一、为什么是Spring AI？

作为Java老兵，你肯定熟悉Spring Boot那一套：依赖注入、AOP、自动配置。Spring AI就是Spring生态里的AI集成框架，让你用Spring的思维方式接入大模型。

好处显而易见：

•✅ 你会Spring Boot，就能快速上手

•✅ 支持OpenAI、Azure、Ollama、HuggingFace等多种模型

•✅ 对接RAG、向量数据库这些AI热门技术

•✅ 测试友好，写单元测试不头疼

---

二、快速开始：5分钟跑通第一个例子

2.1 依赖引入

<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>

</dependency>

2.2 配置application.yml

spring:

  application:

    name: spring-ai-demo

  ai:

    openai:

      api-key: ${OPENAI_API_KEY}

      model: gpt-4o

2.3 写个最简单的对话

@RestController

@RequestMapping("/ai")

public class AiController {



    private final ChatClient chatClient;



    public AiController(ChatClient.Builder builder) {

        this.chatClient = builder.build();

    }



    @GetMapping("/chat")

    public String chat(@RequestParam String message) {

        return chatClient.prompt()

                .user(message)

                .call()

                .content();

    }

}

访问 http://localhost:8080/ai/chat?message=你好，看看返回什么？

---

三、主流用法：Prompt模板

实际项目中，Prompt往往很复杂，这时候用PromptTemplate更灵活：

@GetMapping("/review")

public String codeReview(@RequestParam String code) {

    PromptTemplate template = new PromptTemplate("""

        你是一个资深代码审查员。请审查以下Java代码，指出问题：

        

        ```java

        {code}

        ```

        

        请从以下维度评审：

        1. 代码性能

        2. 潜在bug

        3. 代码规范

        4. 安全性

        """);



    Prompt prompt = template.create(Map.of("code", code));



    return chatClient.prompt(prompt)

            .call()

            .content();

}

---

四、结构化输出：让AI返回JSON

很多场景需要AI返回结构化数据，Spring AI提供了实体映射：

定义返回对象

public class CodeReviewResult {

    private String performance;

    private String bugs;

    private String specification;

    private String security;

    private int score; // 1-10



    // getters and setters

}

使用OpenAI的结构化输出

@GetMapping("/review-json")

public CodeReviewResult codeReviewJson(@RequestParam String code) {

    return chatClient.prompt()

            .system("你是一个资深代码审查员。返回JSON格式。")

            .user(code)

            .call()

            .entity(CodeReviewResult.class);

}

返回示例：

{

  "performance": "建议使用StringBuilder替代字符串拼接",

  "bugs": "存在空指针风险，建议增加判空",

  "specification": "方法命名不符合驼峰规范",

  "security": "未做SQL注入防护",

  "score": 6

}

---

五、Embedding + 向量检索：实现RAG

RAG（检索增强生成）是现在最火的AI应用模式，Spring AI也支持：

5.1 配置向量存储

spring:

  ai:

    postgres:

      vector-store:

        distance-type: COSINE_DISTANCE

        dimension: 1536

5.2 文档切分入库

@Service

public class DocumentService {



    private final VectorStore vectorStore;

    private final ChatClient chatClient;



    // 文档入库

    public void loadDocuments(String content) {

        TextSplitter splitter = new TextSplitter(500, 100);

        List<Document> docs = splitter.split(content);

        vectorStore.add(docs);

    }



    // 检索相关文档

    public String retrieve(String query) {

        List<Document> results = vectorStore.similaritySearch(query);

        return results.stream()

                .map(Document::getContent)

                .collect(Collectors.joining("\n"));

    }

}

5.3 RAG完整示例

@GetMapping("/rag-chat")

public String ragChat(@RequestParam String question) {

    // 1. 检索相关文档

    String context = documentService.retrieve(question);



    // 2. 构建带上下文的Prompt

    PromptTemplate template = new PromptTemplate("""

        基于以下资料回答问题。如果资料不够，说"我没有足够信息"。



        资料：

        {context}



        问题：{question}

        """);



    Prompt prompt = template.create(Map.of(

        "context", context,

        "question", question

    ));



    // 3. 调用AI

    return chatClient.prompt(prompt).call().content();

}

---

六、Function Calling：让AI调用Java方法

这是Spring AI的杀手级功能——AI可以调用你写好的Java方法！

6.1 定义一个Function

@Component

public class WeatherService {



    @Bean

    public ChatClient.ToolContext weatherTool() {

        return ChatClient.Builder.getObjectMapper(); // 简化示例

    }



    @Tool(name = "get_weather", description = "获取城市天气")

    public String getWeather(@P("city") String city) {

        // 实际项目中这里调天气API

        return city + "今天晴天，25度，适宜跑步🏃";

    }

}

6.2 Controller中使用

@GetMapping("/weather-chat")

public String weatherChat(@RequestParam String city) {

    return chatClient.prompt()

            .system("你是一个天气助手。可以调用工具获取实时天气。")

            .user(city + "今天天气怎么样？适合跑步吗？")

            .tools(new WeatherService().weatherTool())

            .call()

            .content();

}

AI会自动判断什么时候该调用get_weather方法！

---

七、实战项目结构推荐

spring-ai-demo/
├── src/main/java/com/example/ai/
│   ├── controller/
│   │   └── AiController.java
│   ├── service/
│   │   ├── ChatService.java
│   │   └── DocumentService.java
│   ├── tools/
│   │   └── WeatherService.java
│   ├── model/
│   │   └── CodeReviewResult.java
│   └── config/
│       └── AiConfig.java
├── src/main/resources/
│   ├── application.yml
│   └── prompts/
│       └── code-review.st
└── pom.xml

---

八、避坑指南

坑	解决方案
API Key泄露	用环境变量 ${OPENAI_API_KEY}，别写死在代码里
Token超限	限制输入长度，用TextSplitter切分长文本
响应慢	加超时配置，开启流式响应(stream())
中文乱码	确保Prompt和解析编码一致
费用暴增	限制max_tokens，加调用次数限制

---

九、学习路线建议

第一周：跑通官方示例，理解ChatClient基本用法 
第二周：Prompt模板、结构化输出 
第三周：Embedding + 向量数据库 
第四周：Function Calling + RAG实战

---

十、总结

Spring AI让Java程序员用熟悉的姿势进入AI时代：

•✅ 会Spring Boot → 就会Spring AI

•✅ 从简单对话到RAG到Function Calling，都能覆盖

•✅ 生态成熟，社区活跃，文档完善

关键是动手做。看完这篇文章，你的第一步应该是：建个项目，跑通第二章的第一个例子。

---

📚 参考资料

•Spring AI官方文档

•Spring AI GitHub

•OpenAI API文档

---

有问题欢迎留言探讨！我是Java老兵，也是AI小学生，一起进步 🚀