SpringBoot + Spring AI 玩转智能应用开发

一、前言
- Spring Boot
- Spring AI
二、具体实现（Spring Boot + Spring AI的简单应用）
- 1.环境准备
- 2.项目初始化
- 3.配置OpenAI API Key
- 4.创建Controller
- 5.进阶：自定义Prompt模板【提示词工程】
- 6.运行应用
- 7.接口测试
- 8.高级配置
- 9.异常处理
- 10.完整项目结构
- 11.关键点说明
三、拓展
- 1.错误场景示例
- 2.实际输出可能不同
- 3.流式响应（高级功能）
- 4.超长文本处理
- 5.内容返回格式
- 6.附加测试建议
四、总结和趋势
- 未来趋势：

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：

xml 复制代码

<!-- Spring AI OpenAI -->
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    <version>0.8.1</version> <!-- 使用最新版本 -->
</dependency>

<!-- Spring Web -->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>

3.配置OpenAI API Key

在application.properties / yml中配置：

ini 复制代码

# 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

kotlin 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
publicclassAIController {

    privatefinal ChatClient chatClient;

    // 构造器注入
    publicAIController(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

typescript 复制代码

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) {
    PromptTemplatepromptTemplate=newPromptTemplate("""
        将以下{sourceLang}文本翻译成{targetLang}:
        {text}
        """);
    
    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
recordTranslationRequest(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：

bash 复制代码

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）

typescript 复制代码

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 复制代码

// 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）

arduino 复制代码

// text
"Today's weather is really nice."

8.高级配置

在application.properties / yml中添加更多参数：

ini 复制代码

# 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：

kotlin 复制代码

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 {
    
    @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

css 复制代码

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 复制代码

// 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：

less 复制代码

@GetMapping("/ai/chat-stream")
public Flux<String> 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：

ini 复制代码

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：

typescript 复制代码

@PostMapping(value = "/ai/translate", produces = "application/json")  
public Map<String, String> translate(...) {  
    return Map.of("result", translatedText);  
}

响应示例：

json 复制代码

// 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/chat?message=用Python写一个斐波那契数列函数

less 复制代码

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

json 复制代码

// json
{
"sourceLang":"英文",
"targetLang":"法语",
"text":"Hello, how are you?"
}

预期响应输出：

arduino 复制代码

"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）。