当前位置： 首页 > news >正文

Spring AI Alibaba 学习之最简单的快速入门

news 2025/11/13 7:15:46

Spring AI Alibaba 简介

首先我们还是得访问下官网 戳这里访问，Spring AI Alibaba（SAA） 是一款以 Spring AI 为基础，深度集成百炼平台，支持 ChatBot、工作流、多智能体应用开发模式的 AI 框架。
来至官方的截图

Spring AI 和 Spring AI Alibaba 是 生态关联但定位、范围、主导方完全不同 的两个技术体系，核心区别在于「是否为官方生态」「覆盖范围」「适配场景」，以下是详细对比和解析：

一、核心定位与主导方（最本质区别）

维度Spring AISpring AI Alibaba
官方属性Spring 官方生态项目（由 Pivotal/Spring 团队主导）阿里云基于 Spring AI 扩展的 第三方适配方案（非 Spring 官方）
核心定位通用 AI 应用开发框架：为 Spring 生态提供统一的 AI 能力抽象（LLM、向量存储、函数调用等），适配多厂商 AI 服务阿里云 AI 服务的 Spring 生态集成方案：基于 Spring AI 的接口规范，专门适配阿里云自有 AI 产品，降低阿里云用户的接入成本
主导团队Spring 社区（如 Josh Long 等核心贡献者）阿里云技术团队
生态归属Spring 官方核心生态（与 Spring Boot、Spring Cloud 同级）阿里云开源生态（依附于 Spring AI 官方规范）

二、覆盖范围与适配能力

1. Spring AI：「通用抽象 + 多厂商适配」

Spring AI 的核心目标是 “屏蔽不同 AI 厂商的接口差异”，提供一套统一的 Java API（如 ChatClient、EmbeddingClient、VectorStore），让开发者无需修改代码即可切换不同 AI 服务。

  • 适配的 AI 厂商/服务（官方支持）：
    • 大模型（LLM）：OpenAI、Anthropic、Google Gemini、Azure OpenAI、Hugging Face 本地模型等；
    • 向量存储：Redis、Milvus、Chroma、PostgreSQL（pgvector）等；
    • 其他：AWS Bedrock、Google Vertex AI 等云厂商 AI 平台。
  • 核心能力：通用 LLM 调用、函数调用（Function Calling）、向量检索、AI 流式响应、提示词模板（Prompt Template）、AI 工作流（Chain）等。
  • 适用场景：需要跨 AI 厂商适配、追求技术中立性的通用 AI 应用（如多模态聊天、企业知识库、跨云 AI 服务集成）。
2. Spring AI Alibaba：「阿里云专属适配」

Spring AI Alibaba 并非独立框架，而是 基于 Spring AI 的官方接口，为阿里云 AI 产品提供的“专属适配器”。它不提供通用抽象，仅聚焦阿里云生态内的 AI 服务集成。

  • 适配的 AI 服务（仅阿里云）：
    • 大模型：通义千问（Qwen）、通义视觉、通义听悟等；
    • 阿里云向量数据库（VectorDB）；
    • 阿里云其他 AI 服务（如 OCR、语音识别、内容安全等）。
  • 核心能力：复用 Spring AI 的统一 API，快速接入阿里云 AI 服务，同时补充阿里云专属特性（如阿里云 AK/SK 鉴权、地域路由、服务限流适配等）。
  • 适用场景：已使用阿里云生态（如 ECS、RDS、OSS），且需要接入阿里云 AI 产品的 Spring 应用（如阿里云上的企业知识库、基于通义千问的聊天机器人）。

三、技术架构与依赖关系

  • 依赖关系：Spring AI Alibaba 必须依赖 Spring AI 的核心包（如 spring-ai-core、spring-ai-chat），本质是 Spring AI 的“厂商适配模块”（类似 Spring Cloud 中不同厂商的注册中心适配器）。
  • 架构层次：
    应用层（你的 Spring Boot 应用）
↓
适配层：Spring AI Alibaba（阿里云专属适配器）
↓
核心层：Spring AI（统一抽象 API + 核心能力）
↓
底层：阿里云 AI SDK / 其他厂商 AI SDK
  • 独立性：Spring AI 可独立使用（无需任何云厂商适配）；Spring AI Alibaba 不能独立使用，必须搭配 Spring AI 核心依赖。

四、关键差异总结表

对比维度Spring AISpring AI Alibaba
官方属性Spring 官方项目阿里云第三方适配方案
覆盖范围多厂商 AI 服务 + 开源 AI 组件仅阿里云 AI 服务（通义千问、阿里云向量库等）
核心价值统一 AI 编程接口，技术中立简化阿里云 AI 服务接入，适配阿里云生态
依赖关系可独立使用必须依赖 Spring AI 核心包
适用场景跨厂商 AI 适配、开源 AI 项目、中立技术选型阿里云生态用户、仅使用阿里云 AI 服务的项目
迭代主导Spring 社区阿里云团队
扩展能力支持自定义 AI 厂商适配器仅支持阿里云服务的扩展（如专属鉴权、地域）

对于国内咱们 Java 程序员来说，使用 Spring AI Alibaba 上手是比较容易的，申请一个阿里云百炼的 Key 就可以去做测试了，省下了很多不必要的麻烦事。

申请阿里云百炼 Api Key

我们先访问下官网 点击这里访问百炼平台，我们使用自己的阿里旗下账号登录，俺使用的是支付宝登录的。
在这里插入图片描述
登录进去了之后，选择 模型服务 里面 密钥管理，
找到密钥管理

接下来，我们创建一个 API Key，创建完了之后，这个 API Key 就是我们以后需要频繁用到的了。
创建 API Key

首次调用百炼大模型的时候可以看下这里 官方文档：首次调用通义千问API

项目搭建

这里先给大家一个能快速搭建的方案，我是直接访问的 spring-ai-alibaba-examples 工程 （最开始搭建的时候，也看了好多别人写的博客，但是由于 AI 几乎每天都会有新的东西，担心自己的版本出 bug，就卡在了第一步版本上面，所以索性找官方的例子还来的快一点），大家也可以去 git clone 下来，然后本地学习下

项目结构

项目结构

项目搭建

父 pom 文件

根据项目文件来，在父 pom 文件中做项目依赖包的版本管理，这里父 pom 文件的内容如下,，都是咱们熟悉的一些配置，就不多赘述了：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xmlns="http://maven.apache.org/POM/4.0.0"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.demo.ai</groupId><artifactId>spring-ai-alibaba</artifactId><version>${revision}</version><packaging>pom</packaging><description>Spring AI Alibaba Examples</description><name>Spring AI Alibaba Examples</name><url>https://github.com/springaialibaba/spring-ai-alibaba-examples</url><properties><!-- Project revision --><revision>1.0.0</revision><project.build.sourceEncoding>UTF-8</project.build.sourceEncoding><project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding><java.version>17</java.version><maven.compiler.source>17</maven.compiler.source><maven.compiler.target>17</maven.compiler.target><!-- Spring AI --><spring-ai.version>1.0.0</spring-ai.version><!-- Spring AI Alibaba --><!-- Install Spring AI Alibaba in your local. --><spring-ai-alibaba.version>1.0.0.3</spring-ai-alibaba.version><!-- Spring Boot --><spring-boot.version>3.5.5</spring-boot.version><!-- maven plugin --><maven-deploy-plugin.version>3.1.1</maven-deploy-plugin.version><flatten-maven-plugin.version>1.3.0</flatten-maven-plugin.version><maven-compiler-plugin.version>3.8.1</maven-compiler-plugin.version></properties><modules><module>boot-ai-helloworld</module></modules><dependencyManagement><dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-dependencies</artifactId><version>${spring-boot.version}</version><type>pom</type><scope>import</scope></dependency><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>${spring-ai.version}</version><type>pom</type><scope>import</scope></dependency><dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-bom</artifactId><version>${spring-ai-alibaba.version}</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId><version>${spring-boot.version}</version></plugin><plugin><groupId>org.apache.maven.plugins</groupId><artifactId>maven-deploy-plugin</artifactId><version>${maven-deploy-plugin.version}</version><configuration><skip>true</skip></configuration></plugin><plugin><groupId>org.apache.maven.plugins</groupId><artifactId>maven-compiler-plugin</artifactId><version>${maven-compiler-plugin.version}</version><configuration><release>${java.version}</release><compilerArgs><compilerArg>-parameters</compilerArg></compilerArgs></configuration></plugin></plugins></build><repositories><repository><id>spring-milestones</id><name>Spring Milestones</name><url>https://repo.spring.io/milestone</url><snapshots><enabled>false</enabled></snapshots></repository><repository><id>spring-snapshots</id><name>Spring Snapshots</name><url>https://repo.spring.io/snapshot</url><releases><enabled>false</enabled></releases></repository><repository><id>sonatype</id><name>OSS Sonatype</name><url>https://oss.sonatype.org/content/groups/public/</url><releases><enabled>true</enabled></releases><snapshots><enabled>true</enabled></snapshots></repository><repository><id>aliyunmaven</id><name>aliyun</name><url>https://maven.aliyun.com/repository/public</url></repository></repositories><pluginRepositories><pluginRepository><id>public</id><name>aliyun nexus</name><url>https://maven.aliyun.com/repository/public</url><releases><enabled>true</enabled></releases><snapshots><enabled>false</enabled></snapshots></pluginRepository></pluginRepositories></project>
子模块 boot-ai-helloworld

子模块就相对来说简单很多了，涉及到的就一个启动类，一个访问使用的 controller

子 pom 文件
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xmlns="http://maven.apache.org/POM/4.0.0"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><parent><groupId>org.demo.ai</groupId><artifactId>spring-ai-alibaba</artifactId><version>${revision}</version><relativePath>../pom.xml</relativePath></parent><artifactId>boot-ai-helloworld</artifactId><version>${revision}</version><description>Spring AI Alibaba Helloworld Example</description><name>Spring AI Alibaba Helloworld Examples</name><dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-starter-dashscope</artifactId></dependency></dependencies><build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId><version>${spring-boot.version}</version><executions><execution><goals><goal>repackage</goal></goals></execution></executions></plugin><plugin><groupId>org.apache.maven.plugins</groupId><artifactId>maven-deploy-plugin</artifactId><version>${maven-deploy-plugin.version}</version></plugin></plugins></build></project>
配置文件
server:port: 18080spring:application:name: spring-ai-alibaba-helloworldai:dashscope:api-key: {替换成阿里云百炼上的 API Key}
启动类

这个启动类也是正常的 Spring-boot 项目的启动类，没有增加额外的配置

package org.demo.ai.bailian;import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;@SpringBootApplication
public class BailianAgentApplication {public static void main(String[] args) {SpringApplication.run(BailianAgentApplication.class, args);}
}
controller 层

我们使用的是 ChatClient 类来与大模型交互，这里先给大家一个初始的印象，后面再写几篇文章出来详细介绍下 ChatClient 与 ChatModel 这两种用法（先直接给一个答案：ChatClient 是基于 ChatModel 创建）。

package org.demo.ai.bailian.controller;import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatOptions;
import jakarta.servlet.http.HttpServletResponse;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
import org.springframework.ai.chat.client.advisor.SimpleLoggerAdvisor;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.ai.chat.memory.MessageWindowChatMemory;
import org.springframework.web.bind.annotation.*;
import reactor.core.publisher.Flux;@RestController
@RequestMapping("/helloworld")
public class HelloworldController {// 默认的系统提示词private static final String DEFAULT_PROMPT = "你是一个博学的智能聊天助手，请根据用户提问回答！";private final ChatClient dashScopeChatClient;// 也可以使用如下的方式注入 ChatClientpublic HelloworldController(ChatClient.Builder chatClientBuilder) {this.dashScopeChatClient = chatClientBuilder.defaultSystem(DEFAULT_PROMPT).defaultAdvisors(MessageChatMemoryAdvisor.builder(MessageWindowChatMemory.builder().build()).build()).defaultAdvisors(new SimpleLoggerAdvisor())// 设置 ChatClient 中 ChatModel 的 Options 参数.defaultOptions(DashScopeChatOptions.builder().withTopP(0.7).build()).build();}/*** ChatClient 简单调用*/@GetMapping("/simple/chat")public String simpleChat(@RequestParam(value = "query", defaultValue = "你好，很高兴认识你，能简单介绍一下自己吗？") String query) {return dashScopeChatClient.prompt(query).call().content();}/*** ChatClient 流式调用*/@GetMapping("/stream/chat")public Flux<String> streamChat(@RequestParam(value = "query", defaultValue = "你好，很高兴认识你，能简单介绍一下自己吗？") String query,HttpServletResponse response) {response.setCharacterEncoding("UTF-8");return dashScopeChatClient.prompt(query).stream().content();}/*** ChatClient 使用自定义的 Advisor 实现功能增强.* eg:* http://127.0.0.1:18080/helloworld/advisor/chat/123?query=你好，我叫jack，之后的会话中都带上我的名字* 你好，jack！很高兴认识你。在接下来的对话中，我会记得带上你的名字。有什么想聊的吗？* http://127.0.0.1:18080/helloworld/advisor/chat/123?query=我叫什么名字？* 你叫jack呀。有什么事情想要分享或者讨论吗，jack？* <p>* refer: https://docs.spring.io/spring-ai/reference/api/chat-memory.html#_memory_in_chat_client*/@GetMapping("/advisor/chat/{conversationId}")public Flux<String> advisorChat(HttpServletResponse response, @PathVariable String conversationId, @RequestParam String query) {// 通过设置 conversationId 参数，将对话历史记录存储到 ChatMemory 中// 后续的对话中，会将之前的对话历史记录作为上下文，继续生成响应response.setCharacterEncoding("UTF-8");return this.dashScopeChatClient.prompt(query).advisors(a -> a.param(ChatMemory.CONVERSATION_ID, conversationId)).stream().content();}
}
测试
测试一：访问简单 chat

首先，我们访问下第一个链接：http://127.0.0.1:18080/helloworld/simple/chat，这里可以不用 ApiFox 访问的，直接浏览器访问就行了。

访问简单的 chat

测试二：访问流式输出

当我们在AI 工具的聊天框上面输入问题之后，大模型返回的时候，是一点点的返回的，这种就是流式输出。那么我们访问下第二个链接：http://127.0.0.1:18080/helloworld/stream/chat
流式输出

测试三：带有记忆的输出

我们在和 AI 对话的时候，一般是多轮对话，那么也就说明 AI 会记录我们之前的聊天内容，有了这个理解之后，我们访问第三个链接：

  • 先访问： http://127.0.0.1:18080/helloworld/advisor/chat/123?query=你好，我叫jack，之后的会话中都带上我的名字
  • 再访问：http://127.0.0.1:18080/helloworld/advisor/chat/123?query=我叫什么名字？

第一次访问
第二次访问

http://www.dtcms.com/a/601321.html

相关文章：

  • 网站的总体结构网站代理软件
  • 设计循环队列 | C语言实现
  • 可以做淘宝推广的网站有哪些内容微信公众平台可以导入wordpress
  • 5.1 路由选择算法
  • 十八、文本预处理与基础技术
  • 巨 椰 云手机突破物理限制
  • java基础-继承练习
  • 寻花问柳一家专门做男人的网站1534939978姐的微信德惠市
  • 做网站的毕业设计博客网站制作
  • Java应用中，CPU 使用率过高​问题排查（手动用top+jstack或阿里Arthas）
  • k8s的包管理工具（5）--读取文件内容
  • AXI-5.4 Protocol errors
  • 动易网站后台帮人做彩票网站有事吗
  • 购物网站php模板周口市网站建设
  • 装饰公司网站模板下载建设网站的内容及实现方式
  • Kubernetes 学习笔记
  • 【自然语言处理】基于统计基的句子边界检测算法
  • 数据智能开发三 数据架构设计
  • 数据治理进阶——解读数据平台数据治理与建设方案【附全文阅读】
  • 基于OpenAI与DashScope的AI知识面试模拟系统实现
  • 嘉兴市南湖区城乡规划建设局网站做年报的网站怎么登不上去了
  • IntelliJ IDEA 2025.2.4 安装 MybatisX 不生效问题记录
  • Java 大视界 -- Java 大数据机器学习模型在自然语言生成中的可控性研究与应用实战
  • Langchain的LCEL组件
  • 南阳网站建设制作价格网站建设实践试卷
  • T型槽平台：工业制造中的多功能基础工装
  • 展示 Ansys 增材制造解决方案
  • PcVue播客系列 - E2 | 智慧制造、人工智能与工业模拟的未来 —— 对话 Andrew Siprelle
  • 广州广告网站建设图片网站源码
  • 有的app不能通过应用商城更新