零基础学AI大模型之SpringAI

大家好，我是工藤学编程 🦉	一个正在努力学习的小博主，期待你的关注
实战代码系列最新文章😉	C++实现图书管理系统（Qt C++ GUI界面版）
SpringBoot实战系列🐷	【SpringBoot实战系列】SpringBoot3.X 整合 MinIO 存储原生方案
分库分表	分库分表之实战-sharding-JDBC分库分表执行流程原理剖析
消息队列	深入浅出 RabbitMQ-RabbitMQ消息确认机制（ACK）
AI大模型	零基础学AI大模型之从0到1调用大模型API

---

前情摘要：
1、零基础学AI大模型之读懂AI大模型
2、零基础学AI大模型之从0到1调用大模型API

---

零基础学AI大模型之SpringAI

引言

随着大语言模型（LLM）技术的爆发，AI应用从实验室走向企业生产环境已成为趋势。但对Java开发者而言，长期面临两大痛点：一是不同AI模型（如OpenAI、通义千问、Gemini）接口不统一，集成时需重复适配；二是企业级应用需兼顾模块化、可扩展性与现有Spring生态（Spring Boot、Spring Cloud）的兼容性，传统AI开发框架（如LangChain）难以满足。

SpringAI 的出现恰好填补了这一空白——作为Spring生态下的企业级AI应用开发框架，它将Spring的设计哲学延伸至AI领域，让Java工程师无需深入AI底层技术，即可快速集成大模型能力。同时，LLM的“多模态”技术正成为突破单模态局限的关键，而SpringAI也已原生支持多模态能力，为开发者提供从文本到图像、语音的全场景解决方案。

本文将从SpringAI的核心特性、与主流AI框架的对比、LLM多模态技术解析，到完整的SpringAI项目实战，带您全面掌握Java生态下的AI应用开发。

一、深度解析SpringAI

1.1 什么是SpringAI？

SpringAI是Spring官方推出的企业级AI应用开发框架，核心定位是“连接大模型与企业系统的桥梁”。它并非替代LLM，而是通过标准化接口、工程化工具链，解决AI模型与企业数据、现有API的连接难题，让Java开发者能以“Spring原生方式”开发AI应用。

其官方定义可概括为：

将Spring的可移植性、模块化、依赖注入等核心原则应用于AI领域，支持聊天、嵌入、向量存储、RAG等完整AI开发栈，兼容20+主流大模型，降低企业级AI应用的开发门槛。

官网与源码地址：

• 官方文档：https://spring.io/projects/spring-ai#learn
• GitHub仓库：https://github.com/spring-projects/spring-ai

1.2 主流AI开发框架对比：为什么选SpringAI？

当前AI应用开发框架众多，不同框架侧重不同场景。对Java开发者或企业级项目而言，SpringAI的优势尤为明显：

框架/平台	核心优势	适用场景	对Java友好度	企业级支持
SpringAI	Spring生态无缝集成、标准化API、工程化工具链	Java企业级AI应用、现有Spring项目升级	★★★★★	★★★★★
LangChain	灵活的链（Chain）设计、丰富的工具集成	多步骤AI任务（如问答+总结）	★★★☆☆	★★★☆☆
LangChain4j	适配Java生态、轻量级	简单Java AI应用	★★★★☆	★★★☆☆
Dify/Coze	低代码平台、可视化配置	非技术人员快速搭建AI应用	★★☆☆☆	★★★★☆
CrewAI	多智能体协作、任务拆分	复杂多角色AI任务（如团队协作）	★★★☆☆	★★★☆☆

核心差异：SpringAI并非“从零搭建AI能力”，而是聚焦“企业级集成”——它能直接复用Spring Boot的自动配置、Spring Cloud的分布式能力，让已有Spring项目（如电商后台、CRM系统）快速接入AI功能，无需重构技术栈。

1.3 SpringAI的四大核心特性

SpringAI的设计围绕“简化企业级AI开发”展开，核心特性可概括为四点：

1. 提供商无关：统一API兼容20+主流模型

SpringAI通过抽象接口屏蔽了不同AI提供商的差异，开发者只需一套代码，即可切换不同模型。目前已支持：

• 国外模型：OpenAI（GPT-3.5/4）、Google Gemini、Anthropic Claude、Meta Llama 3
• 国内模型：阿里云通义千问、百度文心一言、字节跳动火山大模型、华为盘古大模型
• 场景化模型：图像生成（DALL·E、Stable Diffusion）、语音处理（Whisper）、向量生成（OpenAI Embeddings）

示例：切换“OpenAI”与“通义千问”时，仅需修改配置文件的model参数，无需改动业务代码。

2. 胶水层能力：连接大模型与企业系统

SpringAI承担“中间件”角色，解决大模型与企业数据、现有系统的连接问题：

• 对接企业数据库：支持从MySQL、Elasticsearch等数据库中提取数据，结合RAG（检索增强生成）生成精准回答；
• 集成企业API：可调用ERP、CRM等系统的API，让AI能获取实时业务数据（如“查询近30天的订单退款率并总结原因”）；
• 工具链扩展：支持集成第三方工具（如计算器、翻译API、邮件发送工具），拓展AI的能力边界。

3. 工程化工具链：覆盖AI开发全流程

SpringAI提供从“模型调用”到“应用落地”的全流程工具，避免开发者重复造轮子：

• 模型调用层：封装模型请求/响应逻辑，支持同步调用、流式调用（如实时聊天）；
• 数据处理层：提供文本分割器（TextSplitter）、文档加载器（DocumentLoader），适配PDF、Word、Markdown等格式；
• 向量存储层：统一向量数据库接口，支持Redis、Milvus、Pinecone等，为RAG提供底层支持；
• RAG全流程：内置检索器（Retriever）、提示词模板（Prompt Template），可快速搭建文档问答系统。

4. Spring原生体验：降低Java开发者学习成本

对熟悉Spring的开发者而言，SpringAI几乎“零学习成本”：

• 自动配置：引入Starter依赖后，框架自动配置ChatModel、EmbeddingModel等Bean，无需手动初始化；
• 依赖注入：可通过@Autowired直接注入AI模型实例，与Spring Bean的使用方式一致；
• 分布式支持：无缝集成Spring Cloud，可实现AI服务的负载均衡、服务发现、熔断降级，满足高并发场景。

1.4 SpringAI的典型适用场景

SpringAI的企业级特性使其在以下场景中尤为适用：

• 智能客服系统：结合RAG检索企业知识库，自动回答用户关于产品功能、售后政策的问题，支持文本/语音多模态交互；
• 文档问答系统：上传企业手册、技术文档（如API文档、运维手册），AI可精准定位相关内容并生成自然语言回答；
• 代码生成助手：为Java开发者生成接口代码、单元测试、SQL语句，支持结合企业代码规范定制生成逻辑；
• 内容总结与分析：自动总结会议纪要、客户反馈、订单数据，生成结构化报告（如“总结本周客户投诉的Top3问题”）；
• 知识库检索：构建企业私有知识库，支持按关键词、语义检索，解决“文档多找不到”的问题。

二、LLM多模态：从“单一交互”到“类人感知”

在了解SpringAI后，我们不得不提当前LLM的核心发展方向——多模态技术。它让AI从“只能处理文本”进化为“能看懂、听懂、生成多种信息”，更贴近人类的交互方式。

2.1 什么是多模态？

• 通俗定义：多模态LLM是“全能信息处理器”，能同时处理文本、图像、语音、视频等多种类型的信息，就像人类用眼睛看图、用耳朵听声、用大脑理解语义，并整合这些信息进行交流。
• 技术定义：多模态模型通过统一的神经网络架构（如Transformer），将不同模态的信息（文本的Token、图像的像素、语音的声波）转换为统一的向量表示，实现跨模态的理解与生成。

2.2 多模态 vs 单模态

早期AI模型多为“单模态”，即只能处理一种信息类型，而多模态则打破了这一局限：

维度	单模态模型（如早期ChatGPT、识图软件）	多模态模型（如GPT-4V、Gemini）
信息处理能力	仅支持文本/图像/语音中的一种	同时支持文本、图像、语音、视频
交互方式	单一输入（如文本输入→文本输出）	多输入多输出（如图文输入→文本/语音输出）
理解深度	无法关联不同类型信息（如图文无关）	能关联多模态信息（如图像内容+文本提问→精准回答）
应用场景	局限（如纯文本聊天、纯图像识别）	广泛（如图文内容生成、语音助手+图像分析）

示例对比：

• 单模态识图软件：只能识别“图片中有一只小狗”，但无法回答“这只小狗在做什么？用一句话描述并模拟叫声”；
• 多模态模型：能识别“小狗在追飞盘”，生成文本描述，并模拟“汪汪汪”的叫声。

2.3 多模态的常见类型与应用场景

多模态的核心价值是“拓展AI的感知与表达能力”，常见模态及应用如下：

模态类型	输入场景	输出场景	典型应用案例
文本模态	用户提问、文档内容	回答、总结、代码生成	智能客服文本问答、文档总结
图像模态	照片、截图、手绘草图	图像描述、物体识别、图像生成	图文结合的产品介绍、AI绘图
语音模态	人类语音、环境音	语音转文字、文字转语音、语音识别	语音助手（如“小爱同学”）、会议录音转文字
视频模态	短视频、监控录像	视频内容分析、字幕生成	视频摘要生成、监控异常行为检测

生活中的多模态实例：
打开某购物APP的“AI导购”功能，你上传一张“黑色连帽卫衣”的照片（图像输入），说“帮我找类似款式，预算500以内”（语音输入），AI会返回符合条件的商品列表，并语音播报“为您推荐3款连帽卫衣，最低售价399元”（语音输出）——这就是多模态的典型交互。

2.4 SpringAI对多模态的支持

SpringAI已原生集成多模态能力，开发者可通过统一接口调用不同模态的模型，无需单独适配：

多模态模型类型	核心能力	支持的主流模型	开发示例
聊天模型	文本对话、文本生成	OpenAI GPT-4、通义千问	实现“讲个笑话”“总结订单数据”接口
嵌入模型	文本/图像向量化（用于检索）	OpenAI Embeddings、通义千问Embeddings	将文档转换为向量，存储到Milvus
图像生成模型	文本→图像、图像→图像编辑	DALL·E 3、Stable Diffusion	输入“生成一只在太空漂浮的猫”，返回图像URL
语音模型	语音转文字（ASR）、文字转语音（TTS）	OpenAI Whisper、阿里云语音服务	上传录音文件，转换为文本并总结

关键优势：SpringAI对多模态模型的封装与“文本模型”一致，开发者无需学习新的调用方式。例如，调用图像生成模型与调用聊天模型的代码结构相似，仅需注入对应的ImageModel实例即可。

三、SpringAI实战

理论之后，我们通过实战掌握SpringAI的核心开发流程。本次实战以“集成DeepSeek模型实现文本生成接口”为例，覆盖环境准备、项目搭建、代码开发全流程。

3.1 实战前提：环境准备

SpringAI对依赖版本有明确要求，需提前配置以下环境：

依赖工具	最低版本要求	推荐版本	说明
JDK	17	21	Spring Boot 3.x依赖JDK 17+，JDK 21性能更优
Spring Boot	3.2	3.5.3	需与SpringAI版本兼容（本文用3.5.3）
Maven	3.9	3.9.6	用于依赖管理，避免版本冲突
开发工具	IDEA 2023.1+	IDEA旗舰版2024	支持Spring Boot自动配置提示

注意：避免使用低于上述版本的工具，否则可能出现依赖冲突（如Spring Boot 3.1与SpringAI 1.0.0不兼容）。

3.2 第一步：项目创建与依赖配置

SpringAI从M7版本开始调整了Starter命名规范和模块结构，旧教程的依赖已失效，需使用新版配置：

<?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><!-- 父依赖：Spring Boot 3.5.3 --><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>3.5.3</version><relativePath/></parent><groupId>net.xdclass</groupId><artifactId>spring-ai-demo</artifactId><version>0.0.1-SNAPSHOT</version><name>spring-ai-demo</name><description>SpringAI集成DeepSeek实战</description><properties><java.version>21</java.version><spring-ai.version>1.0.0</spring-ai.version>  <!-- SpringAI稳定版 --></properties><dependencies><!-- Spring Web：用于开发HTTP接口 --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><!-- SpringAI OpenAI兼容依赖（支持DeepSeek等兼容OpenAI协议的模型） --><!-- 旧版本（M7前）：spring-ai-openai-spring-boot-starter --><!-- 新版本（M7后）：命名规范调整为 spring-ai-starter-model-{模型名} --><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-openai</artifactId></dependency><!-- 测试依赖（可选） --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency></dependencies><!-- 依赖管理：统一SpringAI子模块版本 --><dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>${spring-ai.version}</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><build><plugins><!-- Spring Boot打包插件 --><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins></build><!-- 阿里云仓库：加速依赖下载（国内用户必备） --><repositories><repository><id>aliyun</id><name>阿里云公共仓库</name><url>https://maven.aliyun.com/repository/public</url><releases><enabled>true</enabled></releases><snapshots><enabled>false</enabled></snapshots></repository><repository><id>aliyun-spring</id><name>阿里云Spring仓库</name><url>https://maven.aliyun.com/repository/spring</url><releases><enabled>true</enabled></releases><snapshots><enabled>false</enabled></snapshots></repository></repositories>
</plugins>
</pluginRepositories>
</project>

3. 关键版本变化说明（避坑重点）

• Starter命名规范调整：
  旧版本：spring-ai-{模型名}-spring-boot-starter（如spring-ai-openai-spring-boot-starter）
  新版本：spring-ai-starter-model-{模型名}（如spring-ai-starter-model-openai）
  原因：统一Starter命名，区分“模型 Starter”与“工具 Starter”（如向量存储 Starter）。

• 模块架构拆分：
  旧版本：核心功能集中在spring-ai-core；
  新版本：拆分为3个专注模块，职责更清晰：

  • spring-ai-commons：基础组件（Document、TextSplitter）；
  • spring-ai-model：AI模型抽象（ChatModel、ImageModel）；
  • spring-ai-vector-store：向量数据库抽象（支持Redis、Milvus）。

3.3 第二步：配置文件（application.yml）

在src/main/resources下创建application.yml，配置AI模型的API密钥、基础地址、模型参数：

spring:application:name: spring-ai-demo  # 项目名称ai:openai:  # 兼容OpenAI协议的模型（如DeepSeek、通义千问）api-key: your-api-key  # 替换为你的API密钥（从DeepSeek/OpenAI官网获取）base-url: https://api.deepseek.com  # DeepSeek的API基础地址（OpenAI为https://api.openai.com/v1）chat:options:model: deepseek-chat  # 模型名称（DeepSeek的对话模型）temperature: 0.8  # 输出随机性（0~1，0为确定性输出，1为最大随机性）max-tokens: 2048  # 最大输出 tokens（避免生成过长内容）

配置参数解读：

• api-key：访问AI模型的密钥，需从对应平台获取（如DeepSeek官网：https://www.deepseek.com/），切勿硬编码到代码中，生产环境建议通过配置中心（如Nacos）管理。
• base-url：模型的API网关地址，国内模型（如通义千问）需配置国内地址，避免网络延迟。
• temperature：控制输出的“创意度”，例如：
  • 场景1：生成报告、代码（需精准）→ 设为0.2~0.4；
  • 场景2：生成故事、笑话（需创意）→ 设为0.6~0.9。
• max-tokens：限制模型输出的最大长度，防止超出API额度或返回冗余内容。

3.4 第三步：开发AI接口（Controller）

创建AiController，通过@Autowired注入OpenAiChatModel，开发文本生成接口：

1. 启动类（SpringAiDemoApplication.java）

package net.xdclass;import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;@SpringBootApplication
public class SpringAiDemoApplication {public static void main(String[] args) {SpringApplication.run(SpringAiDemoApplication.class, args);}
}

2. 控制器（AiController.java）

package net.xdclass.controller;import org.springframework.ai.openai.OpenAiChatModel;
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;import java.util.Map;@RestController
@RequestMapping("/ai")  // 接口根路径
public class AiController {// 注入OpenAI兼容的聊天模型（SpringAI自动配置）@Autowiredprivate OpenAiChatModel chatModel;/*** 文本生成接口* @param message 用户输入的提示词（默认：你是谁）* @return 模型生成的结果*/@GetMapping("/generate")public Map<String, String> generateText(@RequestParam(value = "message", defaultValue = "你是谁") String message) {// 调用模型生成结果（底层调用ChatModel的call方法）String result = chatModel.call(message);// 返回JSON格式结果return Map.of("prompt", message, "generation", result);}
}

3.5 第四步：测试接口与验证结果

1. 启动项目

运行SpringAiDemoApplication的main方法，控制台输出以下日志表示启动成功：

2. 测试接口（两种方式）

打开浏览器，输入地址：
http://localhost:8080/ai/generate?message=你是谁

3. 预期返回结果

3.6 深入理解：ChatModel接口源码

OpenAiChatModel实现了SpringAI的ChatModel接口，该接口是所有聊天模型的抽象入口。我们通过源码解读其核心能力：

/*** 聊天模型的顶层接口，定义了与AI模型交互的核心方法*/
public interface ChatModel extends Model<Prompt, ChatResponse>, StreamingChatModel {/*** 1. 单个文本消息调用（最常用）* @param message 用户输入的文本* @return 模型生成的文本*/default String call(String message) {// 封装用户消息为Prompt对象（包含角色：USER）Prompt prompt = new Prompt(new UserMessage(message));// 调用模型并获取结果Generation generation = this.call(prompt).getResult();// 返回结果文本（为空时返回空字符串）return generation != null ? generation.getOutput().getText() : "";}/*** 2. 多消息对话调用（支持上下文）* @param messages 消息列表（如：系统消息+用户消息+助手消息）* @return 模型生成的文本*/default String call(Message... messages) {Prompt prompt = new Prompt(Arrays.asList(messages));Generation generation = this.call(prompt).getResult();return generation != null ? generation.getOutput().getText() : "";}/*** 3. 基础调用方法（返回完整ChatResponse，包含元数据）* @param prompt 包含消息、提示词模板的对象* @return ChatResponse（包含生成结果、模型信息、token使用量）*/ChatResponse call(Prompt prompt);/*** 4. 流式调用（实时返回结果，适合聊天场景）* @param prompt 包含消息的Prompt对象* @return Flux<ChatResponse>（响应式流，逐段返回结果）*/default Flux<ChatResponse> stream(Prompt prompt) {throw new UnsupportedOperationException("streaming is not supported");}
}

核心方法用途：

• call(String message)：快速调用，适用于简单文本生成（如本次实战）；
• call(Message… messages)：支持多轮对话，可传入SystemMessage（系统提示）、AssistantMessage（助手历史回复），实现上下文记忆（如“先介绍单例模式，再写懒汉式代码”）；
• stream(Prompt prompt)：流式调用，逐段返回结果（如ChatGPT的实时打字效果），需结合Spring WebFlux使用。

觉得有用请点赞收藏！
如果有相关问题，欢迎评论区留言讨论~