【Spring AI 】Spring AI简介

1、Spring AI简介

Spring AI 是 2024年11月 由 Spring 官方推出的开源框架（2025年进入生产就绪阶段），旨在将 Spring 生态系统的设计原则（如可移植性、模块化、约定优于配置）引入 AI 应用开发领域，帮助 Java 开发者像使用 Spring 开发 Web/微服务一样高效构建 AI 应用。 官网链接：docs.spring.io/spring-ai/r...

---

2、核心定位

1. 解决什么问题？

• Java 生态的 AI 鸿沟：Python 主导 AI 开发，Java 企业开发者难以快速集成 AI 能力
• 碎片化工具链 ：开发者需要自行组合 LangChain、HuggingFace、向量数据库等组件5
• 云原生集成：缺乏与 Spring Boot/Cloud 的无缝集成方案

2. 关键优势

传统方案	Spring AI 方案
手动管理 HTTP 调用	自动配置 AI 客户端（类似RestTemplate）
自行处理流式响应	提供StreamingChatClient接口
独立维护 Prompt 模板	集成PromptTemplate（类似Thymeleaf）
自定义向量存储	支持 Milvus/PgVector/Redis 等开箱即用

---

3、原生方案比对

3.1、原生HTTP方案（OkHttp + Jackson）

3.1.1. 基础调用

@RestController
public class RawAIController {

    @Value("${deepseek.api-key}")
    private String apiKey;

    private final OkHttpClient client = new OkHttpClient();
    private final ObjectMapper mapper = new ObjectMapper();

    @PostMapping("/raw/chat")
    public ResponseEntity<?> chat(@RequestBody UserRequest request) {
        try {
            // 1. 手动构建请求体
            JsonNodeFactory factory = JsonNodeFactory.instance;
            ObjectNode requestBody = mapper.createObjectNode()
                .put("model", "deepseek-chat")
                .set("messages", factory.arrayNode().add(
                    factory.objectNode()
                        .put("role", "user")
                        .put("content", request.getMessage())
                ))
                .put("temperature", 0.7);

            // 2. 手动处理HTTP调用
            Request httpRequest = new Request.Builder()
                .url("https://api.deepseek.com/v1/chat/completions")
                .addHeader("Authorization", "Bearer " + apiKey)
                .post(RequestBody.create(
                    mapper.writeValueAsString(requestBody),
                    MediaType.get("application/json")))
                .build();

            // 3. 手动解析响应
            try (Response response = client.newCall(httpRequest).execute()) {
                if (!response.isSuccessful()) {
                    return ResponseEntity.status(response.code()).build();
                }
                JsonNode root = mapper.readTree(response.body().string());
                String aiResponse = root
                    .get("choices").get(0)
                    .get("message")
                    .get("content").asText();

                return ResponseEntity.ok(Map.of("response", aiResponse));
            }
        } catch (IOException e) {
            return ResponseEntity.status(500).build();
        }
    }
}

// 辅助类
class UserRequest {
    private String message;
    // getter/setter
}

3.1.2. 痛点分析

• 代码重复：每个接口都要手动构建HTTP请求
• 错误处理：需自行处理网络异常、状态码
• 扩展性差 ：切换模型需修改model字段
• 无监控：无法统计请求耗时、token用量

---

3.2、Spring AI方案

3.2.1. 基础调用

@RestController
public class SpringAIController {

    @Autowired
    private ChatClient chatClient; // 自动注入

    @PostMapping("/spring-ai/chat")
    public ResponseEntity<ChatResponse> chat(@RequestBody UserRequest request) {
        // 1. 一行代码调用AI
        String aiResponse = chatClient.call(request.message());

        // 2. 自动处理错误（可配置重试/降级）
        return ResponseEntity.ok(new ChatResponse(aiResponse));
    }
}

// 辅助类
record UserRequest(String message) {}
record ChatResponse(String response) {}

3.3. 进阶功能

A. 流式响应

java复制代码

@GetMapping(value = "/stream/chat", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
public Flux<String> streamChat(@RequestParam String message) {
    // 返回SSE流
    return streamingChatClient.stream(message);
}

B. Prompt模板

java复制代码

@Service
public class CustomerService {

    private final PromptTemplate template = new PromptTemplate(
        "根据客户问题'{question}'，生成专业回复。要求：{style}"
    );

    public String generateReply(String question, String style) {
        return chatClient.call(template.create(Map.of(
            "question", question,
            "style", style
        )));
    }
}

C. 工具调用

java复制代码

@Component
public class Tools {

    @Tool
    public String getOrderStatus(String orderId) {
        // 查询数据库逻辑
        return "订单状态：已发货";
    }
}

// 自动调用工具
@PostMapping("/tool/chat")
public String toolChat(@RequestBody UserRequest request) {
    // AI自动选择调用getOrderStatus
    return chatClient.call(request.getMessage());
}

D. 结构化输出

java复制代码

class ProductRecommendation {
    String name;
    String reason;
    double price;
}

@GetMapping("/recommend")
public ProductRecommendation recommend(@RequestParam String category) {
    // 自动映射到POJO
    return chatClient.call("推荐一个" + category + "产品", ProductRecommendation.class);
}

---

4、关键优势对比分析

优势点	原生HTTP方案	Spring AI方案	效果对比
开发效率	50+行代码	5行代码	✅ 提升10倍
模型切换	手动修改URL/model	改配置即可	✅ 支持热切换
流式响应	需自行实现SSE	一行代码	✅ 开箱即用
错误处理	try-catch包裹	自动重试/降级	✅ 减少70%代码
Prompt工程	字符串拼接	模板引擎	✅ 支持变量注入
工具调用	手动解析JSON	自动绑定Java方法	✅ 类型安全
可观测性	无	内置Micrometer指标	✅ 实时监控
扩展性	自行封装	支持RAG/Agent	✅ 面向未来

---

5、配置差异

原生方案配置

yaml复制代码

需自行封装配置类 deepseek: api-key: sk-xxx base-url: api.deepseek.com model: deepseek-chat

Spring AI配置

yaml复制代码

自动识别配置 spring: ai: chat: client: provider: deepseek options: api-key: ${DEEPSEEK_API_KEY} model: deepseek-chat temperature: 0.7 logging: sanitize: true # 自动脱敏

---

6、性能优化对比

原生方案需自行实现

java复制代码

// 连接池优化
OkHttpClient client = new OkHttpClient.Builder()
    .connectionPool(new ConnectionPool(5, 10, TimeUnit.MINUTES))
    .build();

// 重试机制
int maxRetries = 3;
int retries = 0;

while (retries < maxRetries) {
    try {
        // 执行请求逻辑
        /* ... */
        break; // 请求成功后跳出循环
    } catch (IOException e) {
        retries++;
        // 可添加日志或其他处理逻辑
    }
}

Spring AI自动优化

java复制代码

// 自动配置连接池/重试 spring: ai: chat: client: http: max-connections: 50 retry: max-attempts: 3

---

7、总结

选择建议：

• 简单场景：原生HTTP（如一次性脚本）
• 企业项目：Spring AI（节省30%+开发时间）
• 复杂AI应用：Spring AI + LangChain4j（功能互补）

Spring AI 的核心价值在于：让Java开发者专注业务逻辑，而非底层通信细节 。2025年调研显示，使用Spring AI的项目AI集成效率提升 70%+ ，维护成本下降 45% 135。对于需要快速迭代的企业应用，这是最优选择