大家好呀，我是爱折腾的31岁的大哥哥 。
上周末在家煮火锅的时候，我突然灵光一闪：既然前阵子我们已经玩过 SpringAI 接入 Ollama、Mistral、Groq、NVIDIA 的聊天模型，那这次不如来点不一样的------把 Perplexity AI 聊天模型接到 Spring 项目里！
结果一搞，还真发现里面有不少有意思的点：比如 自动配置超级丝滑 ，比如 函数调用支持 ，甚至连 多模态能力 都能玩。今天这篇文章，我就带大家一步步走一遍完整的流程，手把手把 Perplexity 聊天模型"请进"Spring Boot 项目里。
Perplexity AI
先聊聊主角 Perplexity AI。
你可能听过它是一个"搜索+对话"的智能助手，和单纯聊天的模型不同，Perplexity 最大的特点是 结合实时搜索结果，回答问题时会带上参考资料链接，特别适合做"知识型对话"或"需要外部数据支持"的场景。
而且！它也开放了 API，可以像用 OpenAI、Anthropic 一样，在后台用 HTTP 调用它的聊天接口。
这就意味着：我们完全可以通过 SpringAI 来做一层封装，让业务开发更顺手。
前提条件
万事开头先准备。想要在 Spring Boot 项目里用 Perplexity 聊天模型，先得满足几个前提条件：
- 申请 API Key
- 去 Perplexity AI 官网申请一个开发者 Key，记得妥善保存。
- Spring Boot 项目
- 建议 Spring Boot 3.x（我用的是 3.3.x），因为 SpringAI 本身就是紧密跟随 Spring Boot 版本迭代的。
- JDK 版本
- 至少 Java 17 起步，否则很多依赖不兼容。
准备完这些，就能开始动手啦～
添加仓库和 BOM
既然是 SpringAI，自然少不了在 pom.xml 里加依赖。Spring 官方已经帮我们准备了 Spring AI BOM，只需要在父依赖里加一行，就能自动管理版本。
然后在依赖里引入 Perplexity Starter：
这样就能自动装配了，不用手写 Bean，很省心。
自动配置
Spring Boot 的精髓就是"约定大于配置"。
有了 starter，Spring 会自动帮我们装配 PerplexityChatClient，只要配置好 application.yml 就能用。比如：
是不是很丝滑？
这里我特意选了 llama-3.1-sonar-small-128k-chat 作为模型，它是 Perplexity 提供的高效聊天模型之一。
聊天属性
SpringAI 给 Perplexity Starter 准备了很多配置属性，可以用来调节重试、连接、以及聊天本身的细节。
我把它们分成三类：重试属性、连接属性、配置属性，下面用表格给大家列出来。
1.、重试属性
2.、连接属性
3.、配置属性
这些参数的好处是：可以全局调，也可以在运行时动态覆盖。
运行时选项
假如你在全局配置里设了一个默认模型，但在业务逻辑里想临时换一个怎么办？
没问题，SpringAI 的 ChatClient 支持在运行时传入 ChatOptions：
这样就能一边保持默认配置，一边灵活切换。
函数调用
Perplexity 也支持函数调用（Function Calling），这个功能在做"智能助手"时特别有用，比如让模型帮我们自动调用天气接口。
SpringAI 封装得很优雅，只需要定义接口，然后标注 @Service 即可。例如：
然后在 ChatClient 调用时：
模型会智能决定是否调用 getWeather，最终返回带上下文的回答。是不是很炫酷？
多模态
Perplexity 的 API 也支持多模态输入，意思就是：不仅能处理文字，还能结合图片。
在 SpringAI 里也能这样写：
模型会返回对图片的理解。这对做图文问答、内容审核，甚至电商商品描述生成，都特别实用。
示例控制器
光写配置还不过瘾，我们来写个小 Demo Controller。
启动后访问：
模型就会乖乖回你一段回答，丝滑无比。
支持的模型
最后来看看 Perplexity 官方支持的模型（部分常用的列一下）：
选择哪个，要根据你的业务需求来定：
- 如果要高并发、快速响应，可以选 small。
- 如果要高质量、支持复杂问答，就选 large 或 huge。
总结
到这里，Perplexity 聊天模型就被我们完整接进 Spring Boot 里了 。
今天我们从 Perplexity AI 的特点 开始，一路聊到：
- 前提条件准备
- Maven 仓库和 BOM
- 自动配置
- 聊天属性（重试、连接、配置）
- 运行时选项
- 函数调用
- 多模态
- 示例控制器
- 支持的模型
整个流程走下来，我最大的感受是：SpringAI 的封装真香。
以前我们可能要自己拼 HTTP 请求、写一堆 DTO，现在只要加个 starter，几行配置，就能愉快地和模型聊天。
未来我打算做一个小项目，用 Perplexity + SpringAI 做一个 "智能调研助手" ：输入一个话题，模型会帮你拉最新的资料，再总结成一篇 Markdown 报告。到时候再写文章和大家分享。
END
各位小伙伴，如果你也在研究 SpringAI，或者想要把 AI 模型用在自己的项目里，不妨先试试 Perplexity，说不定能让你眼前一亮 。
那么问题来了：
你觉得 Perplexity 更适合做 搜索增强助手 ，还是 通用聊天机器人呢？
评论区见～
我是小米，一个喜欢分享技术的31岁程序员。如果你喜欢我的文章，欢迎关注我的微信公众号"软件求生"，获取更多技术干货！