10. 重磅!Spring AI 1.0 正式发布,Java 开发者的 AI神器!

目录

前言

模型对比

环境准备

一、ChatClient 和 ChatModel

1. 核心定位与功能差异

2. 关键区别详解

2.1 抽象层级不同

2.2 代码复杂度对比

2.3 功能扩展能力

3. 单个模型类型的 ChatClient

4. 多个不同模型类型的 ChatClients

二、Prompts 提示语

1. 提示词（Prompt）

2. 消息 (Message)

3. 角色 (Roles)

4. 提示词模板 (PromptTemplate)

5. 提示词工程 (Prompt Engineering)

三、ChatClient Fluent API

四、结构化响应（Structured Output）

1. 返回 ChatResponse

2. Bean转换器 (Java对象映射)

3. List转换器 (列表输出)

4. Map转换器 (键值对输出)

 5. 流式输出

6. 聚合流式响应

五、多模态

六、Advisor机制

1. Advisor 链执行流程

2. Spring AI 内置 Advisor

七、聊天记忆（Chat Memory）

1. Chat Memory 执行流程

2. Chat Memory 两个核心类对比

3. Chat Memory 存储方案对比

4. Chat Memory - 内存存储

5. Chat Memory - Mysql存储

八、工具调用 (Tool Calling)

1. 工具定义

1.1 @Tool 注解

1.2 @ToolParam 注解

2. 方法作为工具 (Methods as Tools)

2.1 定义工具

2.2 工具使用

2.3 测试

2.4 方法工具限制 (Method Tool Limitations)

3. 函数作为工具 (Functions as Tools)

3.1 定义工具

3.2 工具使用

3.3 测试

3.4 函数工具限制 (Function Tool Limitations)

4. 工具上下文 (Tool Context)

4.1 定义工具

4.2 工具使用

4.3 测试

5. 异常处理 (Exception Handling)

九、向量数据库(Vector Databases)

1. 作用与原理

2. 与传统数据库区别

3. 向量数据库

4. 向量模型

🟢 OpenAI 系列模型

🔵 Google Cloud 系列模型

🟠 Hugging Face 开源模型

🧠  智谱AI (Zhipu AI)

🚀 MiniMax

🇫🇷  Mistral AI

🐘  PostgresML

🏠 Ollama

⚙️ Transformers (ONNX)

☁️ Amazon Bedrock

🌊 百度千帆 (QianFan)

5. Elasticsearch 向量存储 

6. Spring AI整合ES作为向量数据库

十、检索增强生成 (RAG)

1. RAG概念

2. RAG的工作原理

3. Tool、RAG 和 MCP 对比

4. QuestionAnswerAdvisor 和 RetrievalAugmentationAdvisor 对比

十一、模型上下文协议 （MCP）

1. MCP 介绍

2. MCP 的通信机制

3. MCP 客户端

 3.1  stdio(标准输入输出)

3.2   SSE(Server-Sent Events)

4. MCP 服务端

1. 依赖信息

2. 配置属性 (Configuration Properties)

3. 服务器能力 (Server Capabilities)

 4. 自定义 MCP Server

5. McpToolUtils 类

十二、模型评估 (Model Evaluation)

1. 相关性评估器 (Relevancy Evaluator)

2. 事实核查评估器 (FactCheckingEvaluator)

十三、可观测性（Observability）

导入仪表盘

---

前言

2025年5月20日，Spring AI 1.0 正式版的发布，标志着 Java 生态全面拥抱 AI 时代的里程碑，不仅为 Java 开发者提供了企业级 AI 应用开发的全栈解决方案，更在技术架构、生产实践和行业标准上实现了多项突破。

SpringAI 官网：Introduction :: Spring AI Reference

Gitee 代码：