Spring AI应用系列——基于DashScope平台自主Model配置的Chat应用

极客智谷2025-04-28 10:41

在当今 AI 开发领域，Spring AI 框架与阿里巴巴推出的 DashScope 大模型服务平台深度集成，为开发者带来高效、便捷的开发体验。本文将深入剖析 基于Spring AI 框架，使用DashScope的大模型，实现灵活调用大模型及参数配置的自由对话功能的实现细节，并结合单元测试，演示如何基于 DashScope 平台自主配置 Chat 应用。

一、项目核心组件解析

  1. DashScopeChatModelController ：作为 Spring AI 框架核心控制器，承担与 DashScope 平台交互重任。依托 ChatModel 接口调用 DashScope API，解锁简单聊天、流式聊天及自定义参数聊天功能。
java 复制代码 
/*
 * Licensed to the Apache Software Foundation (ASF) under one or more
 * contributor license agreements.  See the NOTICE file distributed with
 * this work for additional information regarding copyright ownership.
 * The ASF licenses this file to You under the Apache License, Version 2.0
 * (the "License"); you may not use this file except in compliance with
 * the License.  You may obtain a copy of the License at
 *
 *     http://www.apache.org/licenses/LICENSE-2.0   
 *
 * Unless required by applicable law or agreed to in writing, software
 * distributed under the License is distributed on an "AS IS" BASIS,
 * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
 * See the License for the specific language governing permissions and
 * limitations under the License.
 */

package com.alibaba.cloud.ai.example.chat.dashscope.controller;

import com.alibaba.cloud.ai.dashscope.api.DashScopeApi;
import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatOptions;
import jakarta.servlet.http.HttpServletResponse;
import reactor.core.publisher.Flux;

import org.springframework.ai.chat.model.ChatModel;
import org.springframework.ai.chat.model.ChatResponse;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

@RestController
@RequestMapping("/dashscope/chat-model")
public class DashScopeChatModelController {

	private static final Logger logger = LoggerFactory.getLogger(DashScopeChatModelController.class);

	private static final String DEFAULT_PROMPT = "你好，介绍下你自己吧。";

	private final ChatModel dashScopeChatModel;

	public DashScopeChatModelController(ChatModel chatModel) {
		this.dashScopeChatModel = chatModel;
	}

	/**
	 * 最简单的使用方式，没有任何 LLMs 参数注入。
	 * @return String types.
	 */
	@GetMapping("/simple/chat")
	public String simpleChat() {
		logger.info("Executing simpleChat method with default prompt.");
		return dashScopeChatModel.call(new Prompt(DEFAULT_PROMPT, DashScopeChatOptions
				.builder()
				.withModel(DashScopeApi.ChatModel.QWEN_PLUS.getModel())
				.build())).getResult().getOutput().getText();
	}

	/**
	 * Stream 流式调用。可以使大模型的输出信息实现打字机效果。
	 * @return Flux<String> types.
	 */
	@GetMapping("/stream/chat")
	public Flux<String> streamChat(HttpServletResponse response) {
		logger.info("Executing streamChat method with default prompt.");
		response.setCharacterEncoding("UTF-8");
		Flux<ChatResponse> stream = dashScopeChatModel.stream(new Prompt(DEFAULT_PROMPT, DashScopeChatOptions
				.builder()
				.withModel(DashScopeApi.ChatModel.QWEN_PLUS.getModel())
				.build()));
		return stream.map(resp -> resp.getResult().getOutput().getText());
	}


	/**
	 * 使用编程方式自定义 LLMs ChatOptions 参数， {@link com.alibaba.cloud.ai.dashscope.chat.DashScopeChatOptions}
	 * 优先级高于在 application.yml 中配置的 LLMs 参数！
	 */
	@GetMapping("/custom/chat")
	public String customChat() {
		logger.info("Executing customChat method with customized options.");
		DashScopeChatOptions customOptions = DashScopeChatOptions.builder()
				.withTopP(0.7)
				.withTopK(50)
				.withTemperature(0.8)
				.build();

		return dashScopeChatModel.call(new Prompt(DEFAULT_PROMPT, customOptions)).getResult().getOutput().getText();
	}

}
  1. application.yml ：在此配置文件中，DashScope 平台 API 密钥（api-key）被明确定义，成为访问平台服务的关键凭证。
yaml 复制代码 
server:
  port: 10000

spring:
  application:
    name: spring-ai-alibaba-dashscope-chat-model-example

  ai:
    dashscope:
      api-key: ${AI_DASHSCOPE_API_KEY:sk-XXSSDSFSDSDSDSD}
  1. 单元测试类 DashScopeChatModelControllerTest ：借助 Mockito 模拟 ChatModel 行为，精准验证控制器方法的正确性，为代码质量保驾护航。

二、核心控制器深度剖析

构造函数与依赖注入

java 复制代码 
private static final String DEFAULT_PROMPT = "你好，介绍下你自己吧。";
private final ChatModel dashScopeChatModel;

public DashScopeChatModelController(ChatModel chatModel) {
    this.dashScopeChatModel = chatModel;
}

优势 ：依赖注入的运用，巧妙解耦控制器与具体实现细节，为单元测试与后续拓展提供极大便利。

简单聊天接口

java 复制代码 
@GetMapping("/simple/chat")
public String simpleChat() {
    logger.info("Executing simpleChat method with default prompt.");
    return dashScopeChatModel.call(new Prompt(DEFAULT_PROMPT, DashScopeChatOptions
            .builder()
            .withModel(DashScopeApi.ChatModel.QWEN_PLUS.getModel())
            .build())).getResult().getOutput().getText();
}

要点 ：凭借默认提示词（DEFAULT_PROMPT）与 DashScopeChatOptions 配置的QWEN_PLUS模型，轻松实现基础聊天功能。日志记录的嵌入，便于随时调试与监控。

流式聊天接口

java 复制代码 
@GetMapping("/stream/chat")
public Flux<String> streamChat(HttpServletResponse response) {
    logger.info("Executing streamChat method with default prompt.");
    response.setCharacterEncoding("UTF-8");
    Flux<ChatResponse> stream = dashScopeChatModel.stream(new Prompt(DEFAULT_PROMPT, DashScopeChatOptions
            .builder()
            .withModel(DashScopeApi.ChatModel.QWEN_PLUS.getModel())
            .build()));
    return stream.map(resp -> resp.getResult().getOutput().getText());
}

亮点 ：基于 Reactor 框架响应式编程模型，采用 Flux<ChatResponse> 支持异步流式处理，搭配 UTF-8 编码设置，完美适配需实时反馈的场景，如在线客服、实时翻译等。

自定义聊天接口

java 复制代码 
@GetMapping("/custom/chat")
public String customChat() {
    logger.info("Executing customChat method with customized options.");
    DashScopeChatOptions customOptions = DashScopeChatOptions.builder()
            .withTopP(0.7)
            .withTopK(50)
            .withTemperature(0.8)
            .build();

    return dashScopeChatModel.call(new Prompt(DEFAULT_PROMPT, customOptions)).getResult().getOutput().getText();
}

特色 ：开发者可编程自定义 LLMs 参数，覆盖 application.yml 默认配置。参数如 withTopP(0.7) 控制文本多样性、withTopK(50) 影响文本质量、withTemperature(0.8) 调整文本随机性，赋予开发者灵活掌控对话风格的能力。

三、单元测试成效与解读

测试用例 1：testSimpleChat

java 复制代码 
@Test
void testSimpleChat() {
    Mockito.when(mockChatModel.call(any(Prompt.class))).thenReturn(createMockChatResponse("Hello"));
    String result = controller.simpleChat();
    assertEquals("Hello", result);
}

结论 ：测试顺利通过，有力证实 simpleChat 方法精准调用 ChatModel 的 call 方法，返回预期结果，交互逻辑无误。

测试用例 2：testStreamChat

java 复制代码 
@Test
void testStreamChat() {
    Mockito.when(mockChatModel.stream(any(Prompt.class))).thenReturn(Flux.just(createMockChatResponse("Hello")));
    Flux<String> result = controller.streamChat(null);
    assertEquals("Hello", result.blockFirst());
}

结论 ：测试成功，彰显 streamChat 方法可靠处理流式数据，精准把控流式数据处理流程。

测试用例 3：testCustomChat

java 复制代码 
@Test
void testCustomChat() {
    Mockito.when(mockChatModel.call(any(Prompt.class))).thenReturn(createMockChatResponse("Custom Hello"));
    String result = controller.customChat();
    assertEquals("Custom Hello", result);
}

结论 ：测试通关，印证 customChat 方法妥善处理自定义参数，灵活运用 LLMs 参数的特性得以验证。

四、结语

综上，本文全方位拆解基于 DashScope 平台的 Spring AI Chat 应用，深入解读 DashScopeChatModelController 核心功能与参数配置。单元测试的加持，全方位验证控制器可靠性与稳定性，为开发者呈上详尽开发指南与实用范例，助力高效、优质 Chat 应用开发。

相关推荐
excel几秒前
招幕技术人员
前端·javascript·后端
望获linux8 分钟前
智能清洁机器人中的实时操作系统应用研究
大数据·linux·服务器·人工智能·机器人·操作系统
古月居GYH12 分钟前
用高斯溅射技术跨越机器人模拟与现实的鸿沟：SplatSim 框架解析
人工智能·机器人
盖世英雄酱5813617 分钟前
什么是MCP
后端·程序员
槑槑紫19 分钟前
pytorch（gpu版本安装）
人工智能·pytorch·python
飞哥数智坊1 小时前
五一必备：手把手教你“即梦”APP轻松生成精美海报
人工智能
OpenLoong 开源社区1 小时前
技术视界 | 从自然中获取智慧： 仿生机器人如何学会“像动物一样思考和行动”
人工智能
HHONGQI1232 小时前
嵌入式人工智能应用-第三章 opencv操作8 图像特征之 Haar 特征
人工智能·opencv·计算机视觉
热门推荐
01西电B测-计算机网络综合实验(含验收问题)02KGG转MP3工具|非KGM文件|解密音频03从零安装 LLaMA-Factory 微调 Qwen 大模型成功及所有的坑04Coze扣子平台完整体验和实践（附国内和国际版对比）05yolov8，yolo11，yolo12 服务器训练到部署全流程 笔记06我决定放弃搞 Java 了07YOLOv5改进 | 添加CA注意力机制 + 增加预测层 + 更换损失函数之GIoU08YOLOv8入门 | 重要性能衡量指标、训练结果评价及分析及影响mAP的因素【发论文关注的指标】09DeepSeek各版本说明与优缺点分析10yolov8实战第五天——yolov8+ffmpg实时视频流检测并进行实时推流——（推流，保姆教学）