【2025最新】Spring Boot + Spring AI 玩转智能应用开发

一、前言

  • Spring Boot
    • 简化 Spring 应用开发的框架
    • 通过自动配置、内嵌服务器(如 Tomcat)和约定优于配置的原则,让开发者快速构建独立、生产级的应用。
  • Spring AI
    • Spring AI 是 Spring 生态中集成 AI 能力的模块
    • 旨在简化大语言模型(LLM)、生成式 AI 服务的调用,提供统一的 API 抽象层,支持 OpenAI、Azure AI、Hugging Face 等主流 AI 服务。

二、具体实现(Spring Boot + Spring AI的简单应用)

1.环境准备
  • JDK 17+
  • Maven 3.6+
  • OpenAI API Key(在平台.openai.com获取)
2.项目初始化
  • 使用 start.spring.io 生成项目,选择依赖:

    • Spring Web
    • Spring AI (选择对应版本)
  • 或直接在pom.xml中添加依赖:

    org.springframework.ai spring-ai-openai-spring-boot-starter 0.8.1 org.springframework.boot spring-boot-starter-web

3.配置OpenAI API Key
  • 在application.properties / yml中配置:

    OpenAI配置

    spring.ai.openai.api-key=your-api-key-here

    spring.ai.openai.chat.options.model=gpt-3.5-turbo

4.创建Controller
复制代码
import org.springframework.ai.chat.ChatClient;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class AIController {

    private final ChatClient chatClient;

    // 构造器注入
    public AIController(ChatClient chatClient) {
        this.chatClient = chatClient;
    }

    @GetMapping("/ai/chat")
    public String chat(@RequestParam String message) {
        return chatClient.call(message);
    }
}
5.进阶:自定义Prompt模板【提示词工程】
  • 创建更结构化的提示词模板【提示词工程 】,方便AI理解和推理

    import org.springframework.ai.chat.prompt.PromptTemplate;

    import org.springframework.web.bind.annotation.PostMapping;

    import org.springframework.web.bind.annotation.RequestBody;

    @PostMapping("/ai/translate")

    public String translate(@RequestBody TranslationRequest request) {

    PromptTemplate promptTemplate = new PromptTemplate("""

    将以下{sourceLang}文本翻译成{targetLang}:

    {text}

    """);

    复制代码
    promptTemplate.add("sourceLang", request.sourceLang());
    promptTemplate.add("targetLang", request.targetLang());
    promptTemplate.add("text", request.text());
    
    return chatClient.call(promptTemplate.render());

    }

    // DTO:名为 TranslationRequest 的记录类(record),用于存储翻译请求的信息

    // 该记录类通常用于封装翻译 API 请求所需的数据

    record TranslationRequest(String sourceLang, String targetLang, String text) {}

6.运行应用
  • 通过命令行或开发工具启动Spring Boot项目
7.接口测试

(1)/ai/chat 接口

(2) /ai/translate 接口

  • a.在接口测试工具(如Postman、ApiFox)中输入以下信息:

    // json

    {

    "sourceLang": "中文",

    "targetLang": "英文",

    "text": "今天天气真好"

    }

  • b.接口返回的响应内容:成功响应(HTTP 200 ok)

    // text

    "Today's weather is really nice."

8.高级配置
  • 在application.properties / yml中添加更多参数:

    控制生成内容

    spring.ai.openai.chat.options.temperature=0.7

    spring.ai.openai.chat.options.max-tokens=500

9.异常处理
  • 全局异常捕获和处理:

    import org.springframework.ai.openai.api.OpenAiApiException;

    import org.springframework.http.ResponseEntity;

    import org.springframework.web.bind.annotation.ExceptionHandler;

    import org.springframework.web.bind.annotation.RestControllerAdvice;

    @RestControllerAdvice

    public class GlobalExceptionHandler {

    复制代码
    @ExceptionHandler(OpenAiApiException.class)
    public ResponseEntity<String> handleOpenAiError(OpenAiApiException ex) {
        return ResponseEntity.status(ex.getStatusCode())
               .body("AI服务错误: " + ex.getMessage());
    }

    }

10.完整项目结构

src/main/java

└── com.example

└── aiapp

├── AIController.java

├── GlobalExceptionHandler.java

└── AiAppApplication.java (主类)

11.关键点说明
  • 依赖管理:Spring AI的starter包简化了与AI服务的集成
  • 自动配置:ChatClient会自动注入配置好的OpenAI客户端
  • 模板引擎:PromptTemplate支持动态提示词生成
  • 可扩展性:可轻松切换不同AI提供商(如Azure OpenAI)

三、拓展

1.错误场景示例
  • API Key 无效时的响应

    // json

    {

    "status": 401,

    "error": "Unauthorized",

    "message": "AI服务错误: Invalid API Key"

    }

  • 字段缺失:若请求体缺少 sourceLang 或 text 字段,会返回 400 Bad Request 错误。

  • 语言不支持 :若指定语言(如 targetLang: 火星文)模型不支持,返回'无法完成翻译'提示。

2.实际输出可能不同
  • 翻译结果会因模型版本(如 gpt-3.5-turbo 或 gpt-4)和参数(如 temperature)略有差异。
  • 示例是典型结果,但可能返回类似 "The weather is very nice today." 的变体。
3.流式响应(高级功能)
  • 如果需要实时逐字输出(类似 ChatGPT),交互更友好,可以改用 StreamingChatClient:

    @GetMapping("/ai/chat-stream")

    public Flux chatStream(@RequestParam String message) {

    return streamingChatClient.stream(message);

    }

4.超长文本处理
  • 文本过长(超过模型 token 限制)时响应会被截断;

  • 需在 application.properties 中调整 max-tokens 参数:

    spring.ai.openai.chat.options.max-tokens=2000

5.内容返回格式
  • 默认返回纯文本(text/plain),若希望返回 JSON 格式,可在 Controller 中修改响应类型:

    @PostMapping(value = "/ai/translate", produces = "application/json")

    public Map<String, String> translate(...) {

    return Map.of("result", translatedText);

    }

  • 响应示例:

    // json

    { "result": "Today's weather is really nice." }

6.附加测试建议

(2)翻译不同语种:修改请求体中的sourceLang和targetLang

复制代码
// json
{  
  "sourceLang": "英文",  
  "targetLang": "法语",  
  "text": "Hello, how are you?"  
}  
  • 预期响应输出:

    "Bonjour, comment allez-vous ?"


四、总结和趋势

  • Spring Boot 是构建现代 Java 应用的基石,而Spring AI 是其生态中专注于 AI 集成的利器。
  • 两者结合可快速实现"传统业务 + AI 增强"的架构,例如智能客服、文档分析、代码生成等场景。
  • Spring AI 将更注重开放性(多模型支持)、性能(低延迟流式响应)和企业级能力(安全、监控),成为 Java 生态中 AI 应用开发的首选框架。
未来趋势:

(1)技术方向

  • 多模态支持:从文本生成扩展到图像、语音、视频等多模态 AI 能力。
  • 本地模型集成:优化对本地运行的大模型(如 Llama.cpp,Ollama)的支持,降低云端依赖。
  • 流式响应优化:提升实时交互场景下的性能(如 StreamingChatClient)。

(2)生态扩展

  • 更多 AI 服务商:兼容新兴模型(如 Google Gemini、Anthropic Claude)。
  • 企业级工具链:与 Spring Security、Spring Cloud 深度集成,提供企业级 AI 应用的鉴权、限流、熔断能力。
  • 低代码整合:结合 Spring Boot 的快速开发特性,提供可视化 AI 编排工具。

(3)行业应用

  • 垂直领域解决方案:针对金融、医疗、教育等行业定制 Prompt 模板和评估工具。
  • AI Agent 框架:支持构建自主决策的 AI Agent 系统(如任务分解、工具调用)。