Spring AI 1.0 GA 正式发布

Spring AI 1.0 GA 正式发布

    • 快速入门
    • 核心特性
      • [1. **增强型 LLM(大语言模型)**](#1. 增强型 LLM(大语言模型))
      • [2. **MCP 协议支持**](#2. MCP 协议支持)
      • [3. **RAG(检索增强生成)**](#3. RAG(检索增强生成))
      • [4. **评估与监控**](#4. 评估与监控)
      • [5. **智能代理(Agents)**](#5. 智能代理(Agents))
    • 下一步计划

VMware Spring 团队 Mark Pollack 于 2025 年 5 月 20 日宣布 Spring AI 1.0 的正式发布!以下是详细的发布说明和使用指南。


快速入门

所有新功能已发布到 Maven Central,使用提供的 BOM 导入依赖:

xml 复制代码
<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>1.0.0</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

升级注意事项请查看 升级指南

您可以通过 OpenRewrite 配方自动化升级过程,详情请参阅 Arconia Spring AI 升级指南

更多入门信息请访问 Initializr 网站官方文档


核心特性

1. 增强型 LLM(大语言模型)

Spring AI 的核心是 ChatClient,一个可移植且易于使用的 API,用于与 AI 模型进行交互。它支持 20+ 模型(从 Anthropic 到 ZhiPu),并提供多模态输入输出和结构化响应(如 JSON)。

2. MCP 协议支持

Spring AI 支持 Model Context Protocol (MCP),通过标准化协议与外部工具、提示和资源交互。您可以通过 spring-ai-starter-mcp-client 快速连接远程 MCP 服务器,或使用 spring-ai-starter-mcp-server 创建自己的 MCP 服务。

3. RAG(检索增强生成)

Spring AI 提供了完整的 RAG 支持,包括:

  • QuestionAnswerAdvisor:简单注入上下文
  • RetrievalAugmentationAdvisor:模块化 RAG 流水线

4. 评估与监控

通过 Evaluator 接口和 Micrometer 集成,您可以评估 AI 响应的相关性、事实准确性,并监控模型延迟、Token 使用量等关键指标。

5. 智能代理(Agents)

Spring AI 支持两种代理模式:

  • 工作流驱动代理:通过预定义路径控制 LLM 和工具的交互
  • 自主代理:LLM 自主规划和执行任务

下一步计划

Spring AI 1.1 即将发布!敬请期待更多功能更新。

相关推荐
风象南2 小时前
普通人用AI加持赚到的第一个100块
人工智能·后端
牛奶2 小时前
2026年大模型怎么选?前端人实用对比
前端·人工智能·ai编程
牛奶2 小时前
前端人为什么要学AI?
前端·人工智能·ai编程
皮皮林5513 小时前
Java性能调优黑科技!1行代码实现毫秒级耗时追踪,效率飙升300%!
java
冰_河4 小时前
QPS从300到3100:我靠一行代码让接口性能暴涨10倍,系统性能原地起飞!!
java·后端·性能优化
罗西的思考5 小时前
AI Agent框架探秘:拆解 OpenHands(10)--- Runtime
人工智能·算法·机器学习
冬奇Lab6 小时前
OpenClaw 源码精读(2):Channel & Routing——一条消息如何找到它的 Agent?
人工智能·开源·源码阅读
冬奇Lab6 小时前
一天一个开源项目(第38篇):Claude Code Telegram - 用 Telegram 远程用 Claude Code,随时随地聊项目
人工智能·开源·资讯
桦说编程6 小时前
从 ForkJoinPool 的 Compensate 看并发框架的线程补偿思想
java·后端·源码阅读