【Java AI 新纪元】Spring AI 深度解析：让 Java 开发者无缝接入大模型

🚀 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。

graph TD A[Java 业务代码] --> B{Spring AI 抽象层} B --> C[OpenAI] B --> D[Azure OpenAI] B --> E[Ollama (Local)] B --> F[Bedrock / HuggingFace] style B fill:#6db33f,stroke:#fff,stroke-width:2px,color:#fff

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 复制代码

<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 复制代码

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 复制代码

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 复制代码

    @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 复制代码

public record MovieReview(String title, String summary, double rating) {}

Controller 实现：

java 复制代码

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 复制代码

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！