SpringAI介绍

原创已于 2025-08-01 17:17:52 修改 · 940 阅读

30 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能

于 2025-08-01 17:17:19 首次发布

SpringAI 专栏收录该内容

1 篇文章

订阅专栏

1.1. 什么是Spring AI

Spring AI是面向 Java 和 Spring 生态的原生生成式人工智能框架。它不是简单地将 Python 中的 LangChain 或 LlamaIndex 移植到 Java，而是依据 Spring 的设计理念——如依赖注入、POJO、模块化和可配置——重构生成式 AI 的全流程。通过 Spring Boot 的自动装配机制，开发者可以像调用数据库或 Web API 一样轻松地接入聊天、嵌入、图像生成、语音处理等 AI 能力，并且能够毫不费力地将企业内部数据与 AI 模型关联起来（如同 RAG 检索增强生成中常用的数据注入方式）。

pring AI 倡导“一套接口，多种实现”，开发者无须为不同 AI 提供商逐一适配，而是可以通过统一抽象实现轻松切换，比如 OpenAI、Anthropic、Bedrock、Hugging Face、Vertex AI、Ollama 等服务。

Spring AI 官网地址

https://spring.io/projects/spring-ai

Spring AI 文档地址

Introduction :: Spring AI Reference

Spring AI 中文文档地址

https://spring-ai.spring-doc.cn/docs/1.0.0/index.html

1.2. Spring AI 特点

Spring AI 功能模块丰富，涵盖AI应用开发的各个环节，具备如下特点：

1. 多供应商模型支持

支持主流的AI模型提供商，例如：Anthropic、OpenAI、Microsoft、Amazon、Google、Ollama 等模型服务。通过这些模型可以实现聊天、文本嵌入、文生图、音频转录、文本转语音、内容审核等多种能力。

2. 统一抽象API

提供如 ChatClient, EmbeddingModel, ImageModel 等统一接口，无论切换到哪家 AI 平台，调用方式一致，同时支持同步与流式调用，也能够访问模型特定功能。

3. Spring Boot集成

以 Starter 和自动装配方式支持 AI 模型、向量数据库、ETL 工具等，开发者可通过 Initializr 快速上手。

4. 结构化输出与类型安全

模型的响应可解析并映射到 Java POJO，保证后续处理的类型安全与可维护性。

5. 向量存储与RAG

集成了主流向量数据库（PostgreSQL/pgvector、Pinecone、Qdrant、Redis、Weaviate 等）及其元数据过滤，通过内置的 ETL 文档处理流程，结合检索增强生成（RAG）实现文档问答和聊天检索。

6. Tool/Function Calling

支持模型发起函数调用（类似 OpenAI Function Calling），可以注册 Spring Bean 作为可调用工具，从而访问实时业务系统或执行外部操作。

7. 可观测性与评估

内建对于 AI 调用的监控指标与日志、模型评估工具，可用于检测响应准确性、防止“幻觉”。

1.3. Spring AI 快速上手

1.3.1. 环境要求

Spring AI构建在Spring Boot 3.x之上，Spring Boot 3.x系列最低Java要求版本是JDK17，不支持Java8/11/16等低于17的版本，推荐使用Maven3.6及以上版本。

我们后续使用Spring AI 时，对应环境版本如下：

SpringBoot 3.5.0版本
JDK17版本
Maven3.9.9版本

这里在Windows中下载并安装JDK17。使用如下链接下载JDK 17后进行安装，这里安装在D盘“D:\Program Files\Java\jdk17\jdk”中，不需要配置环境变量，只需要在相应的SpringBoot项目中设置使用的JDK17版本即可。

JDK17下载地址：Java Downloads | Oracle 中国

1.3.2. Deepseek对话案例

下面以Spring AI中通过与Deepseek模型对话为例，演示Spring AI相关配置。

1.3.2. Deepseek对话案例

下面以Spring AI中通过与Deepseek模型对话为例，演示Spring AI相关配置。

1) 创建SpringBoot项目，命名为“SpringAIQuickStart”

) 配置项目pom.xml

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>3.5.0</version>
        <relativePath/> <!-- lookup parent from repository -->
    </parent>
    <groupId>com.example</groupId>
    <artifactId>SpringAIQuickStart</artifactId>
    <version>0.0.1-SNAPSHOT</version>
    <name>SpringAIQuickStart</name>
    <description>SpringAIQuickStart</description>

    <properties>
        <java.version>17</java.version>
    </properties>

    <!-- 导入 Spring AI BOM，用于统一管理 Spring AI 依赖的版本，
    引用每个 Spring AI 模块时不用再写 <version>，只要依赖什么模块 Mavens 自动使用 BOM 推荐的版本 -->
    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.ai</groupId>
                <artifactId>spring-ai-bom</artifactId>
                <version>1.0.0-SNAPSHOT</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>

    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-model-deepseek</artifactId>
        </dependency>
    </dependencies>


    <!-- 声明仓库， 用于获取 Spring AI 以及相关预发布版本-->
    <repositories>
        <repository>
            <id>spring-snapshots</id>
            <name>Spring Snapshots</name>
            <url>https://repo.spring.io/snapshot</url>
            <releases>
                <enabled>false</enabled>
            </releases>
        </repository>
        <repository>
            <name>Central Portal Snapshots</name>
            <id>central-portal-snapshots</id>
            <url>https://central.sonatype.com/repository/maven-snapshots/</url>
            <releases>
                <enabled>false</enabled>
            </releases>
            <snapshots>
                <enabled>true</enabled>
            </snapshots>
        </repository>
    </repositories>

</project>

3) 配置resources/application.properties

spring.application.name=SpringAIQuickStart

server.port=8080

#配置 Deepseek的基础URL、密钥和使用模型
spring.ai.deepseek.base-url=https://api.deepseek.com
spring.ai.deepseek.api-key=sk-81xxxxx62c6a821
spring.ai.deepseek.chat.options.model=deepseek-chat

# 介于0和2之间，0表示随机性最小，2表示随机性最大。
spring.ai.deepseek.chat.options.temperature=0.8

4) 创建controller包，并创建ChatController.java文件

import org.springframework.ai.deepseek.DeepSeekChatModel;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
@RequestMapping("/ai")
public class ChatController {
    @Autowired
    private DeepSeekChatModel chatModel;

    @GetMapping("/generate")
    public String generate(@RequestParam(value = "message", defaultValue = "给我讲个笑话") String message) {
        System.out.println("收到消息："+message);
        String result = chatModel.call(message);
        //模型返回的内容
        System.out.println(result);
        return result;
    }

}

5) 启动项目并测试

启动项目后，浏览器输入“http://localhost:8080/ai/generate?message=你是谁”，可以看到输出内容如下：

我是DeepSeek Chat，由深度求索公司（DeepSeek）开发的智能AI助手！✨ 我可以帮你解答问题、提供建议、陪你聊天，还能处理各种文本、文档等内容。无论是学习、工作，还是日常生活中的疑问，都可以来问我哦！😊 有什么我可以帮你的吗？

为了更好的可视化与Deepseek模型聊天，我们还可以在项目的“resources/static”目录下创建“index.html”实现聊天可视化，index.html内容如下

<!-- src/main/resources/static/index.html --> 
<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>AI 聊天</title>
    <script src="https://cdn.jsdelivr.net/npm/marked/marked.min.js"></script>
    <style> body {
        font-family: Arial, sans-serif;
        padding: 20px;
        max-width: 800px;
        margin: 0 auto;
    }

    h1 {
        text-align: center;
        color: #333;
    }

    textarea {
        width: 100%;
        padding: 10px;
        font-size: 16px;
        border: 1px solid #ccc;
        border-radius: 4px;
        margin-bottom: 10px;
        box-sizing: border-box;
    }

    button {
        width: 100%;
        padding: 10px;
        font-size: 16px;
        background-color: #007bff;
        color: white;
        border: none;
        border-radius: 4px;
        cursor: pointer;
    }

    button:hover {
        background-color: #0056b3;
    }

    #response {
        margin-top: 20px;
        padding: 10px;
        border: 1px solid #ccc;
        border-radius: 4px;
        background-color: #f9f9f9;
    }

    /* Loading Spinner */
    #loading {
        display: none;
        margin: 20px auto;
        border: 4px solid #f3f3f3;
        border-top: 4px solid #3498db;
        border-radius: 50%;
        width: 50px;
        height: 50px;
        animation: spin 2s linear infinite;
    }

    @keyframes spin {
        0% {
            transform: rotate(0deg);
        }
        100% {
            transform: rotate(360deg);
        }
    } </style>
</head>
<body><h1>与 AI 聊天</h1> <textarea id="userMessage" rows="4" placeholder="请输入您的问题..."></textarea><br><br>
<button onclick="sendMessage()">发送</button>
<div id="loading"></div>
<div id="response"></div>
<script> function sendMessage() {
    const message = document.getElementById('userMessage').value;
    if (!message) {
        alert('请输入消息');
        return;
    }
    // 显示加载动画
    document.getElementById('loading').style.display = 'block';
    fetch(`/ai/generate?message=${encodeURIComponent(message)}`)
        .then(response => response.text())
        .then(data => {
            // 隐藏加载动画
            document.getElementById('loading').style.display = 'none';
            document.getElementById('response').innerHTML = marked.parse(data);
        })
        .catch(error => {
            console.error('请求失败:', error);
            alert('请求失败，请稍后再试');
            // 隐藏加载动画
            document.getElementById('loading').style.display = 'none';
        });
}
</script>
</body>
</html>

重启Springboot项目后，直接访问“http://localhost:8080”可以直接访问到resource/static/index.html进行可视化与模型对话