【2025最新】Spring Boot + Spring AI 玩转智能应用开发

一、前言

• Spring Boot
  • 简化 Spring 应用开发的框架；
  • 通过自动配置、内嵌服务器（如 Tomcat）和约定优于配置的原则，让开发者快速构建独立、生产级的应用。
• Spring AI
  • Spring AI 是 Spring 生态中集成 AI 能力的模块；
  • 旨在简化大语言模型（LLM）、生成式 AI 服务的调用，提供统一的 API 抽象层，支持 OpenAI、Azure AI、Hugging Face 等主流 AI 服务。

---

二、具体实现（Spring Boot + Spring AI的简单应用）

1.环境准备

• JDK 17+
• Maven 3.6+
• OpenAI API Key（在平台.openai.com获取）

2.项目初始化

• 使用 start.spring.io 生成项目，选择依赖：
  • Spring Web
  • Spring AI (选择对应版本)
• 或直接在pom.xml中添加依赖：

<!-- Spring AI OpenAI -->
<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-openai-spring-boot-starter</artifactId><version>0.8.1</version> <!-- 使用最新版本 -->
</dependency><!-- Spring Web -->
<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId>
</dependency>

3.配置OpenAI API Key

• 在application.properties / yml中配置：

# OpenAI配置
spring.ai.openai.api-key=your-api-key-here
spring.ai.openai.chat.options.model=gpt-3.5-turbo

4.创建Controller

import org.springframework.ai.chat.ChatClient;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;@RestController
public class AIController {private final ChatClient chatClient;// 构造器注入public AIController(ChatClient chatClient) {this.chatClient = chatClient;}@GetMapping("/ai/chat")public String chat(@RequestParam String message) {return chatClient.call(message);}
}

5.进阶：自定义Prompt模板【提示词工程】

• 创建更结构化的提示词模板【提示词工程】，方便AI理解和推理

import org.springframework.ai.chat.prompt.PromptTemplate;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestBody;@PostMapping("/ai/translate")
public String translate(@RequestBody TranslationRequest request) {PromptTemplate promptTemplate = new PromptTemplate("""将以下{sourceLang}文本翻译成{targetLang}:{text}""");promptTemplate.add("sourceLang", request.sourceLang());promptTemplate.add("targetLang", request.targetLang());promptTemplate.add("text", request.text());return chatClient.call(promptTemplate.render());
}// DTO:名为 TranslationRequest 的记录类（record），用于存储翻译请求的信息
// 该记录类通常用于封装翻译 API 请求所需的数据
record TranslationRequest(String sourceLang, String targetLang, String text) {}

6.运行应用

• 通过命令行或开发工具启动Spring Boot项目

7.接口测试

（1）/ai/chat 接口

• a.在浏览器或接口测试工具中输入URL：

http://localhost:8080/ai/chat?message=用Java写一个Hello World程序

• b.页面输出的内容：成功响应（HTTP 200 OK）

public class HelloWorld {public static void main(String[] args) {System.out.println("Hello, World!");}
}

（2） /ai/translate 接口

• a.在接口测试工具（如Postman、ApiFox）中输入以下信息：
  • 请求方式：POST
  • 请求地址：http://localhost:8080/ai/translate
  • 请求头：Content-Type: application/json
  • 请求体：

// json
{"sourceLang": "中文","targetLang": "英文","text": "今天天气真好"
}  

• b.接口返回的响应内容：成功响应（HTTP 200 ok）

// text
"Today's weather is really nice."  

8.高级配置

• 在application.properties / yml中添加更多参数：

# 控制生成内容
spring.ai.openai.chat.options.temperature=0.7
spring.ai.openai.chat.options.max-tokens=500

9.异常处理

• 全局异常捕获和处理：

import org.springframework.ai.openai.api.OpenAiApiException;
import org.springframework.http.ResponseEntity;
import org.springframework.web.bind.annotation.ExceptionHandler;
import org.springframework.web.bind.annotation.RestControllerAdvice;@RestControllerAdvice
public class GlobalExceptionHandler {@ExceptionHandler(OpenAiApiException.class)public ResponseEntity<String> handleOpenAiError(OpenAiApiException ex) {return ResponseEntity.status(ex.getStatusCode()).body("AI服务错误: " + ex.getMessage());}
}

10.完整项目结构

src/main/java
└── com.example
└── aiapp
├── AIController.java
├── GlobalExceptionHandler.java
└── AiAppApplication.java (主类)

11.关键点说明

• 依赖管理：Spring AI的starter包简化了与AI服务的集成
• 自动配置：ChatClient会自动注入配置好的OpenAI客户端
• 模板引擎：PromptTemplate支持动态提示词生成
• 可扩展性：可轻松切换不同AI提供商（如Azure OpenAI）

---

三、拓展

1.错误场景示例

• API Key 无效时的响应：

// json
{"status": 401,"error": "Unauthorized","message": "AI服务错误: Invalid API Key"
}

• 字段缺失：若请求体缺少 sourceLang 或 text 字段，会返回 400 Bad Request 错误。
• 语言不支持：若指定语言（如 targetLang: 火星文）模型不支持，返回‘无法完成翻译’提示。

2.实际输出可能不同

• 翻译结果会因模型版本（如 gpt-3.5-turbo 或 gpt-4）和参数（如 temperature）略有差异。
• 示例是典型结果，但可能返回类似 “The weather is very nice today.” 的变体。

3.流式响应（高级功能）

• 如果需要实时逐字输出（类似 ChatGPT），交互更友好，可以改用 StreamingChatClient：

@GetMapping("/ai/chat-stream")
public Flux<String> chatStream(@RequestParam String message) {return streamingChatClient.stream(message);
}

4.超长文本处理

• 文本过长（超过模型 token 限制）时响应会被截断；
• 需在 application.properties 中调整 max-tokens 参数：

spring.ai.openai.chat.options.max-tokens=2000

5.内容返回格式

• 默认返回纯文本（text/plain），若希望返回 JSON 格式，可在 Controller 中修改响应类型：

@PostMapping(value = "/ai/translate", produces = "application/json")  
public Map<String, String> translate(...) {  return Map.of("result", translatedText);  
}  

• 响应示例：

// json
{ "result": "Today's weather is really nice." }  

6.附加测试建议

• 接口开发完成后，建议多使用几个请求进行测试：
  （1）提供其他需求：http://localhost:8080/ai/chat?message=用Python写一个斐波那契数列函数

def fibonacci(n):a, b = 0, 1for _ in range(n):print(a)a, b = b, a + b

（2）翻译不同语种：修改请求体中的sourceLang和targetLang

// json
{  "sourceLang": "英文",  "targetLang": "法语",  "text": "Hello, how are you?"  
}  

• 预期响应输出：

"Bonjour, comment allez-vous ?"  

---

四、总结和趋势

• Spring Boot 是构建现代 Java 应用的基石，而Spring AI 是其生态中专注于 AI 集成的利器。
• 两者结合可快速实现“传统业务 + AI 增强”的架构，例如智能客服、文档分析、代码生成等场景。
• Spring AI 将更注重开放性（多模型支持）、性能（低延迟流式响应）和企业级能力（安全、监控），成为 Java 生态中 AI 应用开发的首选框架。

未来趋势：

（1）技术方向

• 多模态支持：从文本生成扩展到图像、语音、视频等多模态 AI 能力。
• 本地模型集成：优化对本地运行的大模型（如 Llama.cpp，Ollama）的支持，降低云端依赖。
• 流式响应优化：提升实时交互场景下的性能（如 StreamingChatClient）。

（2）生态扩展

• 更多 AI 服务商：兼容新兴模型（如 Google Gemini、Anthropic Claude）。
• 企业级工具链：与 Spring Security、Spring Cloud 深度集成，提供企业级 AI 应用的鉴权、限流、熔断能力。
• 低代码整合：结合 Spring Boot 的快速开发特性，提供可视化 AI 编排工具。

（3）行业应用

• 垂直领域解决方案：针对金融、医疗、教育等行业定制 Prompt 模板和评估工具。
• AI Agent 框架：支持构建自主决策的 AI Agent 系统（如任务分解、工具调用）。