【SpringAI篇01】：5分钟教会你使用SpringAI （1.0.0稳定版）

后端开发之 SpringAI 使用篇01：从创建 SpringAI 项目开始，到快速入门实现调用大模型 API 实现对话功能（较低代码量+精简教程）。

[1. 创建项目](#1. 创建项目)

[2. API Key的准备](#2. API Key的准备)

[3. 必要的配置](#3. 必要的配置)

[4. 开始写代码](#4. 开始写代码)

[4.1. 配置Bean](#4.1. 配置Bean)

[4.2 使用 ChatClient 向大模型发送请求](#4.2 使用 ChatClient 向大模型发送请求)

[4.3 效果展示](#4.3 效果展示)

[5. 【SpringAI篇02】：对话功能与对话记忆功能](#5. 【SpringAI篇02】：对话功能与对话记忆功能)

1. 创建项目

如下图所示即可，在自己的目录创建 Maven 项目，JDK 版本最低要使用 17

依赖选择：

项目自动创建好后，在 pom.xml 中会有这些依赖：

<dependencyManagment>下

XML 复制代码

<dependencyManagement>
    <dependencies>
        <!-- 统一管理 SpringAI 相关依赖的版本 -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>${spring-ai.version}</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

<dependencies> 下

XML 复制代码

<!-- SpringBoot Web 起步依赖 -->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>

............

<!-- OpenAI 模型的启动器依赖 -->
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-openai</artifactId>
</dependency>

2. API Key的准备

在继续之前，我们需要先获取一个兼容 OpenAI 的平台的 ApiKey，这里推荐大家使用阿里的百炼平台，因为不仅模型众多，还没有繁琐的申请与开通流程，注册账号、认证之后就可以直接使用：大模型服务平台百炼控制台https://bailian.console.aliyun.com/#/home

先生成个人的 ApiKey，然后打开模型广场，随便选择一个模型，查看详情：

可以看到，每个模型都是自动有免费额度的，在 Code 栏随便复制一个模型名称，如：qwen-max

在文档界面，可以看到百炼平台的模型是支持 OpenAI 接口规范的，所以我们之前导入的 OpenAI 的依赖是通用的。

复制文档中的 base_url 和 之前的模型名，下面进行 application.yaml（或application.properties）的配置

3. 必要的配置

application.yaml 的配置，在 spring 的下一级，键入一个 ai就可以弹出许多相关的配置：

做一些基本的配置，最终代码如下：

当然，若是不想把 ApiKey 直接配置在 yaml 配置文件中，也可以这样，配置在环境变量中，只需要两步即可：

然后再弹出的"环境变量 "输入框中，格式为之前在yaml中，使用**$**符引用的变量名=ApiKey，将 ApiKey 输入，应用即可

4. 开始写代码

4.1. 配置Bean

我们在项目下建一个config包，创建这样一个配置类，初始化使用指定模型的 ChatClient：

java 复制代码

package com.demo.aiqqq.config;

import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.openai.OpenAiChatModel;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/**
 * @Author: qiquqiu
 * @Date: 2025/6/26 15:27
 */
@Slf4j
@Configuration
public class ChatConfig {

    /**
     * 普通对话聊天功能的模型
     * @param model 用百炼的qwen-max模型，需要在yaml中做必要配置
     */
    @Bean
    public ChatClient chatClient(OpenAiChatModel model) {
        log.debug("初始化ChatClient...");
        // ChatClient chatClient = ChatClient.create(model); // 简单创建实例
        // 或使用builder创建更高级控制
        return ChatClient
                .builder(model) // 也可以使用ChatClient.Builder，利用build获取ChatClient对象
                .defaultSystem("你是一个和蔼可亲的传统文化文学大师，精通诗词歌赋、琴棋书画，需要帮助用户创作")
                .build();
    }
}

其中：defaultSystem() 方法，用来设置 SystemPrompt（系统提示词），一般用来指定大模型的身份，使用限制，范围等等方面

ChatClient是一个非常重要的 Bean，后续由它调用大模型；ChatClient 的创建有多种方式，上述代码的注释中给出了一些例子，但是一般均使用 builder 创建更好，能指定更多的高级设置（后面会讲到）

更多拓展可查看 SpringAI 关于这块的官方文档 ：聊天客户端 API ：： Spring AI 参考https://docs.spring.io/spring-ai/reference/api/chatclient.html

4.2 使用 ChatClient 向大模型发送请求

创建一个 ChatController，马上就可以实现浏览器的简单访问了：

java 复制代码

package com.demo.aiqqq.controller;

import lombok.RequiredArgsConstructor;
import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;

@Slf4j
@RestController
@RequestMapping("/ai")
@RequiredArgsConstructor
public class ChatController {

    // 注入上文配置好的 ChatClient
    private final ChatClient chatClient;

    /*@RequestMapping("/chat")
    public String chat(String prompt) {
        return chatClient.prompt()
                .user(prompt)
                .call() // 非流式响应
                .content();
    }*/

    // produces属性：指定响应的Content-Type和字符集，解析默认的流结果的乱码
    @RequestMapping(value = "/chat", produces = "text/html;charset=utf-8")
    public Flux<String> chat(String prompt) {
        log.debug("用户说：{}", prompt);
        return chatClient.prompt()
                .user(prompt) // 用户输入
                .stream() // 流式响应
                .content();
    }
}

注意，这两种方法，一个调用 call() ，返回 String，不支持流式响应，一个调用 stream() ，返回 Flux<String>，支持流式响应。显然为了达到大模型流式输出 的效果，我们选择后者，如果选择了后者，要添加 produces = "text/html;charset=utf-8" 属性，不然响应会是乱码（call()方法调用不需要加）

然后，启动项目，打开浏览器，输入如下地址：++localhost:8080/ai/chat?prompt=你的提问内容++，回车即可实现请求

4.3 效果展示

响应过程是流式输出，说明案例成功了！