Spring AI：Java开发者的AI应用开发利器

一、什么是Spring AI

Spring AI是一个专为AI工程应用设计的AI应用程序框架，它将AI模型的能力集成到Spring生态系统之中。作为Spring家族的新成员，Spring AI秉承了Spring的设计理念，为Java开发者提供了简单、强大且灵活的AI应用开发能力。

二、核心特性

1. 跨AI服务提供商支持

Spring AI支持多个主流的AI服务提供商，包括：

• OpenAI
• Azure OpenAI
• Hugging Face
• Bedrock (Amazon)
• Vertex AI (Google)
• 本地模型（如Ollama）

2. 统一的API接口

提供了一致的API接口，使得开发者可以轻松切换不同的AI服务提供商而无需重写代码。

3. Prompt模板管理

内置强大的Prompt模板功能，支持动态参数替换和条件渲染。

4. RAG（检索增强生成）支持

提供了完整的RAG实现，包括文档加载、分割、向量化和检索等功能。

三、快速开始

环境准备

<!-- pom.xml -->
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    <version>1.0.0-M4</version>
</dependency>

配置文件

# application.yml
spring:
  ai:
    openai:
      api-key: ${OPENAI_API_KEY}
      chat:
        options:
          model: gpt-4
          temperature: 0.7

基础使用示例

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

    private final ChatClient chatClient;

    public ChatController(ChatClient.Builder chatClientBuilder) {
        this.chatClient = chatClientBuilder.build();
    }

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

四、核心功能详解

1. 聊天对话

@Service
public class ChatService {
    
    @Autowired
    private ChatModel chatModel;
    
    public String simpleChat(String prompt) {
        return chatModel.call(prompt);
    }
    
    public String streamingChat(String prompt) {
        StringBuilder response = new StringBuilder();
        chatModel.stream(prompt).forEach(chunk -> {
            response.append(chunk.getContent());
        });
        return response.toString();
    }
}

2. Prompt模板

@Service
public class PromptTemplateService {
    
    @Autowired
    private ChatClient chatClient;
    
    public String generateCode(String language, String description) {
        String template = """
            请为以下需求编写{language}代码：
            需求描述：{description}
            
            请提供完整的代码实现和必要的注释。
            """;
            
        return chatClient.prompt()
                .user(u -> u.text(template)
                    .param("language", language)
                    .param("description", description))
                .call()
                .content();
    }
}

3. 函数调用

@Service
public class WeatherService {
    
    @Autowired
    private ChatClient chatClient;
    
    public String getWeatherInfo(String location) {
        return chatClient.prompt()
                .user("请告诉我" + location + "的天气情况")
                .functions("getCurrentWeather", "getWeatherForecast")
                .call()
                .content();
    }
    
    @FunctionInfo(name = "getCurrentWeather", description = "获取当前天气信息")
    public String getCurrentWeather(
        @ParamInfo(description = "城市名称") String city) {
        // 实际调用天气API
        return city + "今天天气晴朗，温度25°C";
    }
}

4. RAG文档检索

@Configuration
public class RAGConfig {
    
    @Bean
    public VectorStore vectorStore(EmbeddingModel embeddingModel) {
        return new SimpleVectorStore(embeddingModel);
    }
}

@Service
public class RAGService {
    
    @Autowired
    private ChatClient chatClient;
    
    @Autowired
    private VectorStore vectorStore;
    
    public void addDocument(String content) {
        Document document = new Document(content);
        vectorStore.add(List.of(document));
    }
    
    public String ragQuery(String question) {
        List<Document> similarDocs = vectorStore.similaritySearch(question, 4);
        String context = similarDocs.stream()
            .map(Document::getContent)
            .collect(Collectors.joining("\n\n"));
            
        return chatClient.prompt()
                .user(u -> u.text("""
                    基于以下上下文信息回答问题：
                    
                    上下文：
                    {context}
                    
                    问题：{question}
                    """)
                    .param("context", context)
                    .param("question", question))
                .call()
                .content();
    }
}

5. 图像生成

@Service
public class ImageService {
    
    @Autowired
    private OpenAiImageModel imageModel;
    
    public byte[] generateImage(String description) {
        ImagePrompt imagePrompt = new ImagePrompt(description);
        ImageResponse response = imageModel.call(imagePrompt);
        return response.getResult().getOutput().getB64Json();
    }
}

五、实际应用场景

1. 智能客服系统

利用Spring AI构建智能客服，结合RAG技术实现基于企业知识库的问答。

2. 代码助手

开发代码生成、代码审查、代码优化等辅助工具。

3. 内容创作

自动生成文章摘要、产品描述、营销文案等内容。

4. 数据分析

结合自然语言处理能力，实现智能数据分析和报告生成。

5. 图像处理

构建图像识别、图像生成等视觉应用。

六、最佳实践

1. 配置管理

@Configuration
public class AIConfig {
    
    @Bean
    @ConditionalOnProperty(name = "ai.provider", havingValue = "openai")
    public ChatModel openAiChatModel(OpenAiApi openAiApi) {
        return new OpenAiChatModel(openAiApi);
    }
    
    @Bean
    @ConditionalOnProperty(name = "ai.provider", havingValue = "azure")
    public ChatModel azureChatModel(AzureOpenAiChatModel model) {
        return model;
    }
}

2. 错误处理

@Service
public class RobustChatService {
    
    @Autowired
    private ChatModel chatModel;
    
    public String safeChat(String prompt) {
        try {
            ChatResponse response = chatModel.call(new ChatRequest(prompt));
            if (response != null && response.getResult() != null) {
                return response.getResult().getOutput().getContent();
            }
            return "抱歉，无法生成回复";
        } catch (RateLimitException e) {
            return "请求过于频繁，请稍后再试";
        } catch (InvalidApiKeyException e) {
            return "API密钥配置错误";
        } catch (Exception e) {
            return "服务暂时不可用";
        }
    }
}

3. 性能优化

• 使用流式响应提升用户体验
• 实现请求缓存减少API调用
• 合理设置超时时间
• 使用异步处理提高吞吐量

七、总结

Spring AI为Java开发者提供了一个强大而易用的AI应用开发框架，它不仅继承了Spring生态系统的优良传统，还为AI应用开发提供了专门的解决方案。

主要优势：

• 学习曲线平缓，Spring开发者可以快速上手
• 功能完善，覆盖主流AI应用场景
• 架构清晰，易于扩展和定制
• 社区活跃，持续更新和完善

随着AI技术的不断发展，Spring AI将继续为Java开发者提供更好的AI应用开发体验，成为构建企业级AI应用的重要工具。

八、参考资料

• Spring AI官方文档
• Spring AI GitHub仓库
• Spring官方网站

---

作者注：本文基于Spring AI 1.0.0-M4版本编写，随着项目发展，部分API可能会有所调整，建议关注官方文档获取最新信息。