【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

a.在浏览器或接口测试工具中输入URL：

http://localhost:8080/ai/chat?message=用Java写一个Hello World程序
b.页面输出的内容：成功响应（HTTP 200 OK）

public class HelloWorld {

public static void main(String[] args) {

System.out.println("Hello, World!");

}

}

（2） /ai/translate 接口

a.在接口测试工具（如Postman、ApiFox）中输入以下信息：
- 请求方式：POST
- 请求地址：http://localhost:8080/ai/translate
- 请求头：Content-Type: application/json
- 请求体：
// 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

接口开发完成后，建议多使用几个请求进行测试：

（1）提供其他需求：http://localhost:8080/ai/chatmessage=用Python写一个斐波那契数列函数

def fibonacci(n):

a, b = 0, 1

for _ in range(n):

print(a)

a, b = b, a + b

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