引子
当 LLM
的浪潮以不可阻挡之势席卷全球,从改变用户交互到重塑商业模式,我们每一位开发者都身处这场技术变革的中心。作为庞大的 Java
生态中的一员,你是否也曾思考:当 Python
似乎成为 AI 的"官方语言"时,我们这些深耕 Spring
全家桶的开发者,该如何快速拥抱这个新时代?如今,Spring
团队亲自出手,为数百万 Java
开发者带来了官方答案------Spring AI 。它将 AI 开发的复杂性进行封装,让集成 AI 能力变得像添加一个普通的 Starter
一样简单。
本文是 《Spring AI 进阶之路》 系列的第一篇,我们将从最基础的整合开始。你将看到,在 Spring Boot
的帮助下,集成一个强大的 AI 模型,真的只需三步!
话不多说,让我们直接开始动手实践。
前置准备
在开始三步集成前,先确保你已准备好以下基础环境:
- JDK 17+:Spring Boot 3 和 Spring AI 基于较新的 Java 版本,确保你的 JDK 版本不低于 17。
- Maven 或 Gradle:本文以 Maven 为例,它是我们管理项目依赖的得力助手。
- 一个顺手的 IDE:选择你最熟悉的 IDE 即可,本文以 IntelliJ IDEA 为例。
- 一个 LLM厂商的 API Key:本文以 DeepSeek 为例,价格便宜且无需科学上网,使用起来很方便。
第一步:添加依赖
让我们从创建项目开始。如果你使用 Spring Initializr
会更简单,但为了让大家理解每一步的细节,我们选择从零开始创建一个 Maven
项目。
首先,创建一个新的Maven
空项目:

项目创建完成后,我们需要配置 pom.xml
。整个依赖配置分为三个部分:
1.设置 Spring Boot 父项目
xml
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>3.5.0</version>
</parent>
2.管理 Spring AI 的版本
通过 BOM
统一管理 Spring AI
相关依赖的版本,避免版本冲突:
xml
<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>
3.添加具体依赖
xml
<dependencies>
<!-- Spring Boot Web Starter -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<!-- Spring AI OpenAI Starter -->
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-model-openai</artifactId>
</dependency>
</dependencies>
你可能注意到,虽然我们前面提到本次使用的是 DeepSeek 的 API,但引入的却是
spring-ai-starter-model-openai
。这是因为 DeepSeek 采用了与 OpenAI 完全兼容的 API 规范,我们可以直接复用 OpenAI 的客户端实现。这种设计让切换不同的 AI 服务商变得非常简单------只需要更换 API Key 和端点地址即可。
第二步:配置凭证
有了依赖,接下来需要告诉 Spring AI 如何连接到 AI 服务。在 src/main/resources
目录下创建 application.yml
文件(如果不存在的话),添加以下配置:
yaml
spring:
ai:
openai:
api-key: {这里换成你自己的}
base-url: https://api.deepseek.com
chat:
options:
model: deepseek-chat
⚠️ 提醒:直接将 API Key 写在配置文件中仅适合本地开发和快速测试,但绝对不要在生产环境中这样做!在生产环境中,推荐使用环境变量来管理你的密钥。
第三步:编写代码调用
万事俱备,让我们开始编写代码来调用 AI 模型。
1.注入AI客户端
接下来,创建一个 REST 控制器来处理 AI 对话请求。Spring AI 的魅力在于,它将复杂的 AI 交互抽象成了简单的 Spring Bean:
java
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.web.bind.annotation.*;
@RestController
@RequestMapping("/chat")
public class ChatController {
private ChatClient chatClient;
public ChatController(ChatClient.Builder chatClientBuilder) {
this.chatClient = chatClientBuilder.build();
}
@GetMapping("/test")
public String completion(@RequestParam String message) {
return chatClient.prompt()
.user(message)
.call()
.content();
}
}
2.启动测试
启动应用,Spring Boot 的控制台会显示启动信息。待应用成功启动后,我们可以通过Apifox
,向这个测试接口发送请求:

3.配置跨域
最终我们一定需要从前端应用调用这个接口,所以别忘了配置 CORS:
java
import org.springframework.context.annotation.Configuration;
import org.springframework.web.servlet.config.annotation.CorsRegistry;
import org.springframework.web.servlet.config.annotation.WebMvcConfigurer;
@Configuration
public class CorsConfig implements WebMvcConfigurer {
@Override
public void addCorsMappings(CorsRegistry registry) {
registry.addMapping("/**")
.allowedOrigins("/chat/*")
.allowedMethods("GET", "POST", "PUT", "DELETE", "OPTIONS")
.allowedHeaders("*")
.allowCredentials(true)
.maxAge(3600);
}
}
小结
至此,我们完成了 Spring AI 的基础集成。不过,如果你仔细观察测试结果,会发现当前的实现存在一个明显的体验问题:我们必须等待 AI 完全生成答案后才能看到结果。相比之下,那种逐字输出的效果就友好得多。用户能实时看到 AI 的"思考过程",体验更加流畅自然。
那么,如何在 Spring AI 中实现这种流式响应呢?这正是下一篇文章要探讨的内容。我们将介绍如何使用 SSE(Server-Sent Events)技术,让你的 AI 应用也能实现实时的打字机效果。
如果你对本文有任何疑问或建议,欢迎在评论区交流。下篇见!