🚀 前言：Java 开发者的 AI 破局之路
在过去的一两年里，Python 凭借 LangChain 等框架几乎统治了 AI 应用层开发。作为 Java 开发者，我们难道只能看着或者被迫转语言吗？
当然不是！ Spring 官方重磅推出的 Spring AI 框架，正是为了解决这个问题而来。它将 Spring 生态的设计理念（依赖注入、POJO 编程、抽象接口）带入了 AI 领域，让我们能够用最熟悉的 Java 代码，轻松对接 OpenAI、Ollama、Azure 等各种大模型。
今天，我们就来深度拆解 Spring AI，手把手教你构建一个智能应用。
📚 一、什么是 Spring AI？
Spring AI 是一个应用框架，旨在简化包含人工智能功能的应用程序开发，避免与特定模型提供商（如 OpenAI）过度耦合。
核心理念：Portable API（可移植 API）
就像 Spring Data 让我们切换数据库只需改配置一样，Spring AI 让我们切换大模型也只需改一行配置。
核心特性
- 统一的模型接口：支持 Chat（聊天）、Image（绘图）、Audio（语音）。
- Prompt Management ：支持模板化的提示词管理 (
.st文件)。 - Function Calling：允许大模型回调 Java 方法（例如查数据库、调 API）。
- RAG（检索增强生成）：内置了向量数据库（Vector Store）和文档加载器（Document Reader）的抽象。
- 结构化输出：自动将 AI 的回复映射为 Java Bean。
🛠️ 二、快速上手：5分钟搭建 AI 助手
我们将基于 Spring Boot 3.2+ 和 JDK 17+ ，对接 OpenAI 协议（也可以轻松换成本地的 Ollama）。
1. 引入依赖
在 pom.xml 中添加 Spring AI 的 Milestone 仓库（注意：Spring AI 迭代较快，建议关注官网最新版本，这里以 Milestone 为例）：
xml
<dependencies>
<!-- Spring Boot Starter Web -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<!-- Spring AI OpenAI Starter -->
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-openai-spring-boot-starter</artifactId>
</dependency>
</dependencies>
<!-- 务必添加 Spring Milestone 仓库 -->
<repositories>
<repository>
<id>spring-milestones</id>
<name>Spring Milestones</name>
<url>https://repo.spring.io/milestone</url>
<snapshots><enabled>false</enabled></snapshots>
</repository>
</repositories>2. 配置文件
在 application.yml 中配置 API Key。如果你用的是第三方中转服务，记得修改 base-url。
yaml
spring:
application:
name: spring-ai-demo
ai:
openai:
api-key: sk-xxxxxxxxxxxxxxxxxxxxxxxx # 替换你的 Key
base-url: https://api.openai.com # 或者你的中转地址
chat:
options:
model: gpt-3.5-turbo # 指定模型💻 三、实战代码详解
3.1 基础对话：使用 ChatClient
Spring AI 提供了 ChatClient，这是一个流式（Fluent）风格的 API，非常优雅。
java
import org.springframework.ai.chat.client.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 ChatController {
private final ChatClient chatClient;
// 构造器注入，Spring AI 自动配置好了 builder
public ChatController(ChatClient.Builder builder) {
this.chatClient = builder.build();
}
@GetMapping("/chat")
public String chat(@RequestParam String message) {
return chatClient.prompt()
.user(message)
.call()
.content(); // 直接获取文本内容
}
}启动调用：
访问 http://localhost:8080/chat?message=给我讲个笑话，你将直接收到 AI 的回复。
3.2 进阶：Prompt Template（提示词模板）
在实际开发中，我们不会硬编码 Prompt。Spring AI 支持类似 MessageFormat 的占位符。
java
@GetMapping("/analyze")
public String analyzeSentiment(@RequestParam String product, @RequestParam String comment) {
String template = """
你是一个电商情感分析师。
请分析用户对产品 {product} 的评论："{comment}"。
只返回以下三个单词之一：正面、负面、中性。
""";
return chatClient.prompt()
.user(u -> u.text(template)
.param("product", product)
.param("comment", comment))
.call()
.content();
}3.3 核心杀手锏：结构化输出 (Structured Output)
这是 Java 开发者最喜欢的功能！不用再费劲去正则匹配 JSON 了，Spring AI 能自动把 LLM 的回复转成 Java Bean。
定义 POJO：
java
public record MovieReview(String title, String summary, double rating) {}Controller 实现：
java
import org.springframework.core.ParameterizedTypeReference;
import java.util.List;
@GetMapping("/recommend")
public List<MovieReview> recommendMovies(@RequestParam String category) {
return chatClient.prompt()
.user(u -> u.text("推荐3部高分的{category}电影")
.param("category", category))
.call()
.entity(new ParameterizedTypeReference<List<MovieReview>>() {});
// 👆 这里神奇的事情发生了，直接返回 List<MovieReview> 对象
}原理解析：
Spring AI 会自动在 Prompt 后面追加一段 Schema 指令，告诉 LLM 必须返回符合该 JSON 结构的文本，然后利用 BeanOutputParser 自动反序列化。
🧩 四、Spring AI vs LangChain4j
很多朋友会问，市面上还有 LangChain4j，该怎么选？
| 维度 | Spring AI | LangChain4j |
|---|---|---|
| 背景 | Spring 官方团队出品（VMware/Broadcom） | 社区驱动 |
| 设计风格 | 极致的 Spring 风格，依赖注入、自动配置 | 模仿 Python LangChain 的设计 |
| 集成度 | 与 Spring Boot 浑然天成 | 也是主要适配 Java，但更独立 |
| 生态位 | 适合追求标准化、企业级稳定性的项目 | 适合想要快速尝试新特性、灵活度高的项目 |
建议： 如果你的项目已经是重度 Spring Boot 项目，首选 Spring AI。
🔗 五、接入本地大模型 (Ollama)
想免费跑 AI？用 Ollama 部署 Llama3 或 DeepSeek。Spring AI 切换过去只需要改几行配置！
- 安装 Ollama 并运行
ollama run llama3。 - 修改依赖 ：将
spring-ai-openai换成spring-ai-ollama。 - 修改配置：
yaml
spring:
ai:
ollama:
base-url: http://localhost:11434
chat:
model: llama3**Java 代码一行都不用动！**这就是 Spring AI 抽象层的威力。
📝 总结
Spring AI 的出现标志着 Java 正式进入了大模型应用开发的"正规军"时代。它不仅解决了 Python 难以集成到现有 Java 企业系统的问题，还通过优雅的抽象屏蔽了不同大模型厂商的 API 差异。
未来展望：
随着 Spring AI 的不断迭代，RAG（检索增强生成）和 Agent（智能体）的支持会越来越完善。作为 Java 开发者，现在正是上车学习的最佳时机！
