当前位置： 首页 > news >正文

Spring AI快速入门以及项目的创建

news 2025/10/8 7:36:35

1. Spring AI概述

1.1 Spring AI是什么？

这是Spring官方推出的首个稳定版人工智能(AI)集成框架。旨在帮助Java/Spring开发者更便捷地在企业级应用中集成AI能力(如大语言模型、机器学习、向量数据库、图像生成等)。它的发布标志着Spring生态正式进入AI时代，为Java开发者提供了标准化的AI开发工具链，AI技术正式进入Spring生态的核心工具链。

2. 术语介绍

2.1 模型

模型旨在处理和生成信息的算法，通常模仿人类的认知功能。通过从大数据集中学习模式和洞察，这些模型可以进行预测、生成文本、图像或其他输出，从而增强各行各业的各种应用。比如ChatGPT等等。每种模型的能力不同，适合的任务也不同。

可以简单理解为模型是⼀个"超级加工厂"，这个工厂是经过特殊训练的，训练师给它看了海量的例子(数 据)，并告诉它该怎么做。通过看这些例子，它自己摸索出了⼀套规则，学会了完成某个"特定任务"。模型就是⼀套学到的"规则"或者"模式",它能根据你给的东西，产生你想要的东西。

我们给的东西就称之为：输入

模型产出的结果，就称之为输出

Spring AI的作用就是让我们在Java/Spring应用中，能非常方便地：

选择不同的模型

构造和发送输入(Prompt)

接受并处理输出(AI响应)

2.2 LLM

LLM(Large Language Model)，大语言模型，也称大型语言模型，是人工智能模型中专门处理文本的⼀种类型，属于语言模型的范畴。LLM的特点是规模庞大，包含数⼗亿的参数，在大量的文本数据上进行训练，学习语言数据中的复杂模式，旨在理解和生成⼈类语言。可以执行广泛的任务，包括文本总结、翻译、情感分析等。

2.3 提示词

提示词是用户或系统提供给大语言模型(LLM)的指令或文本，用于引导模型生成特定输出。可以理解为模型的输入，无论是一个单词、一个问题、一段描述，还是结构化指令，都可视为提示词。

类型定义核心功能示例
用户提示词由终端用户直接输入，触发单次任务传达及时需求(如提问、创作指令)用户输⼊："总结这篇论文的核心观点"
系统提示词有开发者预设，嵌入系统后端定义模型角色、行为规范、知识边界预设："你是⼀名严谨的学术助手， 回答需引用权威文献"

系统提示词如同"操作系统"，持续影响所有交互(如角色设定、安全过滤)，用户提示词如同"操作指令"，驱动单次任务执行(如生成报告、翻译文本)。

2.4 词元(Tokens)

词元是大语言模型(LLM)处理文本时地最小语义单位。用于将文本拆解为模型可理解的离散单元。

词元通过分词器将文本拆分而来，不同模型的分词规则不同，同⼀个词在不同模型中可能被拆分成不同词元。

模型的上下文窗口(如128K)实际是词元数量限制，API收费通常按词元数计费(词元=金钱)，词元数越多，计算耗时和内存占用越高。所以在使用时，应尽量避免冗余词(如请，谢谢)。

3. Spring AI快速入门

3.1 环境要求

JDK

        最低要求：JDK 17+(Spring Boot 3.x强制要求)

        推荐版本：JDK21、JDK17

Spring Boot

        最低要求：Spring Boot 3.2+(Spring AI 1.0.0起强制依赖)

        推荐版本：Spring Boot 3.4.x、Spring Boot 3.3.x

3.2 准备工作

3.2.1 DeepSeek介绍

DeepSeek 以开源和高效推理为核心竞争力，主要模型包括:

DeepSeek-R 系列(如 R1)：专注复杂推理的模型，数学、代码能力突出，支持深度思考模式(高智能推理状态)。

DeepSeek-V 系列(如V2，V3)：通用语言模型，支持文本生成、多轮对话等任务，性能对标 GPT-4 Turbo4。

DeepSeek-Coder：专注于代码生成与补全，支持多语言编程(Python，Java等)，强化学习优化训 练成本仅为同类模型的1/30。

3.2.2 申请DeepSeek API Keys

1.点击[API开放平台]，进入API开放平台，注册用户。

2.注册之后，自行充值

充之前需要先实名认证

3. 创建API Keys

3.3 项目初始化

1.创建一个空地Maven项目，删除所有代码，只保留pom.xml

目录结构：

2. 完善pom文件

添加依赖，声明父工程地打包方式为pom

<?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 http://maven.apache.org/xsd/maven-4.0.0.xsd"><modelVersion>4.0.0</modelVersion><groupId>org.example</groupId><artifactId>spring-api-project</artifactId><version>1.0-SNAPSHOT</version><packaging>pom</packaging><properties><maven.compiler.source>17</maven.compiler.source><maven.compiler.target>17</maven.compiler.target><project.build.sourceEncoding>UTF-8</project.build.sourceEncoding></properties><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>3.5.3</version><relativePath/> <!-- lookup parent from repository --></parent></project>

3.3.1 创建子项目

声明依赖和插件

<?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 http://maven.apache.org/xsd/maven-4.0.0.xsd"><parent><artifactId>spring-api-project</artifactId><groupId>org.example</groupId><version>1.0-SNAPSHOT</version></parent><modelVersion>4.0.0</modelVersion><artifactId>spring-ai-demo</artifactId><properties><maven.compiler.source>17</maven.compiler.source><maven.compiler.target>17</maven.compiler.target></properties><dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-openai-spring-boot-starter</artifactId></dependency><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId></dependency></dependencies><dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>1.0.0-M6</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins></build></project>

3.3.2 完善代码

启动类

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

创建配置文件

spring:application:name: spring-ai-demo

3.4 接入DeepSeek

Spring AI生态专门为OpenAI及兼容API服务设计了Starter spring-ai-openaispring-boot-starter，用于快速集成大模型语言能力到Spring Boot应用中。

核心价值包括：

简化配置：自动封装了OpenAI API的请求/响应等逻辑

统一接口：提供ChatClient等标准化接口，支持无缝切换不同模型提供商

Spring生态集成：与Spring Boot的自动配置、依赖注入等特性深度整合。

3.4.1 添加依赖

上面给出的pom文件是完整的，这个可以不用再加入到pom文件中。

<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-openai-spring-boot-starter</artifactId><version>1.0.0-M6</version>
</dependency>

3.4.2 配置API密钥

spring:application:name: spring-ai-demoai:openai:#OpenAI#      api-key: sk-proj-XXXXX#DeepSeekapi-key: sk-yuor-keybase-url: https://api.deepseek.comchat:options:model: deepseek-chattemperature: 0.7

3.4.3 接口编写

Spring AI已经集成了OpenAI的API，因此我们不需要向OpenAI发送请求和接收响应的交互程序了，我们只需要调用Spring AI为我们提供的接口即可。

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.RestController;@RestController
@RequestMapping("/ds")
public class DeepSeekChatController {@Autowiredprivate OpenAiChatModel chatModel;@GetMapping("/chat")public String generate(String message){return chatModel.call( message);}
}

3.4.4 测试

访问接口：127.0.0.1:8080/ds/chat?message=你是谁

4. Spring AI-聊天模型

Spring AI的聊天模型，通过标准化的接口设计，使开发人员可以将AI模型的聊天功能集成到应用程序中。它利用预先训练的语言模型，例如GPT(Generative Pre-trained Transformer)，以自然语言生成类似人类的响应。

API的工作原理通常是向AI模型发送提示或部分对话，然后AI模型根据其训练数据和对自然语言模式的理解生成响应。然后，把响应将返回给应用程序，应用程序可以将其呈现给用户或将其用于进一步处理。

在Spring AI框架中，ChatModel和ChatClient是构建对话式AI应用的两大核心接口。上面我们使用了ChatModel完成了与AI模型的交互，接下来我们对这两个接口分别进行介绍。

4.1 ChatClient

ChatClient是Spring AI 框架中封装复杂交互流程的高阶API接口，旨在简化开发者与大语言模型(如 GPT、通义千问等)的集成过程。ChatClient 提供了与AI模型通信的Fluent API，它支持同步和反应式(Reactive)编程模型，将与LLM及其他组件交互的复杂性进行封装，给用户提供开箱即用的服务。

4.4.1 实现简单对话

根据用户输入的消息，进行响应。并进行角色的设置。

1.创建ChatClient，注入并使用。

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;@Configuration
public class ChatClientConfiguration {@Beanpublic ChatClient chatClient(ChatClient.Builder chatClientBuilder) {return chatClientBuilder.defaultSystem("你是一名Java程序员，参与过许多项目").build();}
}
@RequestMapping("/chat")
@RestController
public class ChatClientController {@Autowiredprivate ChatClient chatClient;@GetMapping("/call")public String generation(String userInput){//创建一个提示词promptreturn this.chatClient .prompt()//用户输入.user(userInput)//调用ai.call()//返回响应.content();}
}

2. 测试

访问接口：127.0.0.1:8080/chat/call?userInput=你是谁

4.1.2  结构化输出

如果您想从LLM接收结构化输出，Spring AI支持将ChatModel/ChatClient方法的返回类型从String更改为其他类型。

通过 entity() 方法将模型输出转为自定义实体，需确保输出格式符合JSON规范。

1. 编写代码

 //格式化输出record Recipe(String dish, List<String>  ingredients){}@GetMapping("/entity")public String entity(String userInput){Recipe recipe=this.chatClient.prompt().user(String.format("请帮我生成%s的食谱",userInput)).call().entity(Recipe.class);return recipe.toString();}

2. 测试

访问接口：127.0.0.1:8080/chat/entity?userInput=西红柿炒鸡蛋

4.1.3 实现流式输出

用和大模型进行交互时，由于大模型⼀次输出内容较多，等待全部内容生成完毕会导致用户等待时间过长，这对用户的体验非常不友好。可以采用流式输出的方式(例如ChatGPT和DeepSeek逐字显示回答)。

1. 流式输出的介绍

大模型流式输出(Streaming Output)是通过逐步生成内容而非一次性返回完整结果的技术。Spring AI使用ChatClient 的stream() 方法生成Flux 流，适用于需要更轻量级客户端控制 的场景.。

适合场景：实时对话，代码补全，长文本生成。

2. 代码实现

//流式输出@GetMapping(value = "/stream",produces = "text/html;charset=utf-8")public Flux<String> stream(String userInput){return this.chatClient.prompt()//用户输入.user(userInput)//调用AI  流式输出.stream()//返回响应.content();}

3. 测试

访问：127.0.0.1:8080/chat/stream?userInput=你是谁

4.2 ChatModel

4.2.1 概述

ChatModel是Spring AI构建对话应用的核心接口，它抽象了应用与模型交互的过程，包括使用Prompt作为输入，使用ChatResponse 作为输出等。ChatModel的工作原理是接收Prompt或部分对话作为输入，将输入发送给后端大模型，模型根据其训练数据和对自然语言的理解生成对话响应，应用程序可以将响应呈现给用户或用于进⼀步处理。

String call(String message) 方法就是对message进行了封装，简化了ChatModel的初始化使用，避免了更复杂的Prompt输入和ChatResponse输出，本质上调用的依然是ChatResponse call(Prompt prompt)。

 default String call(String message) {Prompt prompt = new Prompt(new UserMessage(message));Generation generation = call(prompt).getResult();return (generation != null) ? generation.getOutput().getText() : "";}

ChatClient本质上也是基于ChatModel进行的封装和增强。

public interface ChatClient {static ChatClient create(ChatModel chatModel) {return create(chatModel, ObservationRegistry.NOOP);}static ChatClient create(ChatModel chatModel, ObservationRegistryobservationRegistry) {return create(chatModel, observationRegistry, null);}static Builder builder(ChatModel chatModel) {return builder(chatModel, ObservationRegistry.NOOP, null);}}

4.2.2 实现简单对话

编写代码

 @GetMapping("/chatByPrompt")public String chatByPrompt(String message){Prompt prompt=new Prompt(message);ChatResponse response=chatModel.call(prompt);return response.getResult().getOutput().getText();}

测试

接口：127.0.0.1:8080/ds/chatByPrompt?message=你是谁

4.2.3 角色预设

1. 编写代码

在Prompt中通过System Message 明确与预定角色身份

@GetMapping("/role")public String role(String message){SystemMessage systemMessage=new SystemMessage("你是一个英国人，只会讲英语");UserMessage userMessage=new UserMessage(message);Prompt prompt=new Prompt(List.of(systemMessage,userMessage));ChatResponse chatResponse=chatModel.call(prompt);return chatResponse.getResult().getOutput().getText();}

2. 测试

127.0.0.1:8080/ds/role?message=你是谁

4.2.4 实现流式输出

ChatModel 也提供了stream方法来实现流式输出

@RequestMapping(value = "/stream", produces = "text/html;charset=utf-8")public Flux<String> stream(String message){Prompt prompt=new Prompt(message);Flux<ChatResponse> response=chatModel.stream(prompt);return response.map(x->x.getResult().getOutput().getText());}

接口测试：127.0.0.1:8080/ds/stream?message=你是谁

4.2.5 ChatClient 和 ChatModel区别

ChatClient 和ChatModel 是Spring AI 框架提供的与大语言模型(LLM)交互的两大核心接口。但二者设计理念和适用场景不太一样。

ChatModel 是Spring AI 框架中的底层接口，直接与具体的大语言模型(如通义千问、OpenAI)交互，提供基础的 call 和 stream 方法，开发者需手动处理提示词组装、参数配置和响应解析等细节，在使用上相对更加灵活。

ChatResponse response = openAiChatModel.call(new Prompt(message));
return response.getResult().getOutput().getText();

ChatClient 对ChatModel进行了封装，相比如ChatModel 原⼦类API，ChatClient屏蔽了与AI大模型 的交互的复杂性，它自动集成提示词管理、响应格式化、结构化输出映射等能力，提高了开发效率。

Recipe recipe = this.chatClient.prompt()//⽤⼾输⼊的信息 .user(String.format("请帮我⽣成%s的⻝谱", userInput))//请求⼤模型 .call()//返回⽂本 .entity(Recipe.class);

能力对比

维度ChatModelChatClient
交互方式手动构建Prompt，解析响应链式API，自动封装请求与响应
结构化输出手动解析文本支持.entity(Class)自动映射POJO
扩展能力依赖外部组件内置Advisor机制，提供更高级的功能，如提供上下文记忆，RAG等功能
适合场景适合需要精细控制模型参数的场景，比如模型试验，参数调优等定制需求适合快速构建AI服务，如带记忆的客服系统
http://www.dtcms.com/a/453631.html

相关文章：

  • 微网站制作工具有哪些霞浦建设局总规网站
  • 免费微商城网站建设网站开发团队人员构成
  • 个人网页简单模板下载seo是怎么优化的
  • 杭州有实力的网站开发直接通过域名访问wordpress
  • 多目标识别YOLO :YOLOV3 原理
  • 【Qt】QSS
  • 反射还是代码生成？Go反射使用的边界与取舍｜Go语言进阶（11）
  • 国际外贸网站建设前端自适应模板
  • 网站建设代码流程花店网站建设个人小结
  • 德阳建设公司网站网站制作里的更多怎么做
  • HandBrake：视频压缩工具
  • 建设部门的网站wordpress图片批量上传插件下载
  • 致远OA配置HTTPS访问避坑帖
  • 快速搭建网站视频wordpress托管在哪里
  • AssemblyScript 入门教程（5）:深入理解 TypedArray
  • 【PCB电路设计】常见元器件简介（电阻、电容、电感、二极管、三极管以及场效应管）
  • STM32G474单片机开发入门(六)定时器TIMER详解及实战含源码
  • C++进阶（9）——智能指针的使用及其原理
  • 个人写HTOS移植shell
  • 【开发工具】Windows1011远程Ubuntu18及以上桌面
  • 输入法网站设计怎么自己制作图片
  • STM32 Flash 访问加速器详解（ART Accelerator）
  • stm32 freertos下基于hal库的模拟I2C驱动实现
  • 成都微网站访问wordpress速度慢
  • 意识形态网站建设怎么做网络平台
  • LangChain部署RAG part1(背景概念)（赋范大模型社区公开课听课笔记）
  • 模块化html5网站开发本地网站后台管理建设
  • 在源码之家下载的网站模板可以作为自己的网站吗资讯网站的好处
  • AI - 自然语言处理(NLP) - part 1
  • 从零开始的C++学习生活 5:内存管理和模板初阶