Spring AI的教程,持续更新......

IT空门:门主2025-12-12 21:44

Spring AI 官方文档地址：

https://docs.springframework.org.cn/spring-ai/reference/index.html

Spring AI 的依赖管理：

  • 在 Spring AI 中有一个依赖管理器

    <dependencyManagement> <dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-bom</artifactId> <version>1.1.0</version> <type>pom</type> <scope>import</scope> </dependency> </dependencies> </dependencyManagement>

  • 常用的阿里云的依赖管理

    复制代码 
      <dependencyManagement>
          <!--     阿里百炼的版本管理       -->
          <dependency>
              <groupId>com.alibaba.cloud.ai</groupId>
              <artifactId>spring-ai-alibaba-bom</artifactId>
              <version>1.0.0.2</version>
              <type>pom</type>
              <scope>import</scope>
          </dependency>
      </dependencies>
  </dependencyManagement>

常用的 Spring AI 的接口：

  • ChatClient 是面向"聊天模型"最核心的统一接口

|-------------------------|-------------------------------------------------------------------------------------------------|
| 能力 | 说明 |
| 同步单轮 | call(String) 直接拿到字符串答案，适合最简单场景。 |
| 多轮/系统提示 | Prompt 可以塞 List<Message> （UserMessage 、SystemMessage 、AssistantMessage ...），天然支持多轮会话。 |
| 流式 SSE | stream() 返回 Flux<String> ，前端边接收边渲染，体验跟官网一样。 |
| 高级参数 | Prompt 里可携带 ChatOptions （温度、top-k、stopSequences、responseFormat、tools...）。 |
| 函数调用 / Tool Calling | 通过 Prompt 携带 ToolDefinition ，模型返回 tool_calls ，再由框架反序列化回调 Java 方法。 |
| 多候选 / 打分 | ChatResponse.getChoices() 可一次性拿 N 条候选，并带 finishReason 、index 、safetyRating 等元数据。 |

Spring AI 继承不同的模型和平台

  • 把不同的模型和平台注入 Bean 中

    package com.spring.springaionejava.springailearn01.config;

    import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatModel;
    import org.springframework.ai.chat.client.ChatClient;
    import org.springframework.ai.deepseek.DeepSeekChatModel;
    import org.springframework.context.annotation.Bean;
    import org.springframework.context.annotation.Configuration;

    /**
    *使用多个 AI 模型时，您可以为每个模型定义单独的 ChatClient bean
    */
    @Configuration
    public class ChatClientConfig {

    复制代码 
      /**
   * 创建一个 ChatClient bean
   * 阿里平台
   * @param chatModel
   * @return
   */
  @Bean
  public ChatClient aliyuChatClient(DashScopeChatModel chatModel) {
      System.out.println("创建一个 ChatClient bean，名字叫aliyuChatClient");
      return ChatClient.create(chatModel);
  }

  /**
   * 创建一个 ChatClient bean
   * deepseek平台
   */
  @Bean
  public ChatClient deepSeekChatClient(DeepSeekChatModel chatModel) {
      System.out.println("创建一个 ChatClient bean，名字叫deepSeekChatClient");
      return ChatClient.create(chatModel);
  }

    }

  • 使用可以通过@Qualifier 用于精确指定要注入的 Bean

|-------------------|-------------------------|
| 场景 | 是否需要 @Qualifier |
| 只有一个该类型的 Bean | ❌不需要 |
| 有多个该类型的 Bean | ✅必须使用 |

  • 测试类

    复制代码 
      @Autowired
  @Qualifier("aliyuChatClient")
  private ChatClient aliyuChatClient;

  @Test
  public void test01(){
      try {
          String content = aliyuChatClient.prompt("你是谁").call().content();
          System.out.println(content);
      } catch (Exception e) {
          System.err.println("调用 AI 接口失败: " + e.getMessage());
          if (e.getMessage() != null && e.getMessage().contains("InvalidApiKey")) {
              System.err.println("错误原因: API Key 无效或已过期，请检查 application-dev.properties 中的 spring.ai.dashscope.api-key 配置");
          }
          throw e; // 重新抛出异常，让测试失败，但会显示更清晰的错误信息
      }
  }

Spring AI 多模型的切换

  • 在一个系统里可以同时接入多个大模型，并根据需要随时切换调用。就像你的程序可以随时选择用「deepseek」、或「qwen」、或「openai」来回答问题。

代码实例:

  1. 首先需要将你的模型注入到 spring 容器中

    package com.spring.springaionejava.springaiagriculture.config;

    import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatModel;
    import lombok.extern.slf4j.Slf4j;
    import org.springframework.ai.chat.client.ChatClient;
    import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
    import org.springframework.ai.chat.memory.ChatMemory;
    import org.springframework.ai.deepseek.DeepSeekChatModel;
    import org.springframework.context.annotation.Bean;
    import org.springframework.context.annotation.Configuration;

    /**
    *多模型配置类

    • @Author: 空门:门主
      */
      @Slf4j
      @Configuration
      public class MultipleModelsChatClientConfig {

      /**

      • 创建一个 ChatClient bean
      • 阿里平台
      • @param chatModel
      • @return
        */
        @Bean
        public ChatClient qwenPlus(DashScopeChatModel chatModel, ChatMemory chatMemory) {
        log.warn("qwenPlus模型以注入");
        return ChatClient.builder(chatModel)
        .defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build()) // 初始化,将chatMemory注册到ChatClient中去
        .build();
        }

      /**

      • 创建一个 ChatClient bean
      • deepseek平台
        */
        @Bean
        public ChatClient deepSeekV3(DeepSeekChatModel chatModel) {
        log.warn("deepSeekV3模型以注入");
        return ChatClient.create(chatModel);
        }

    }

  2. 注入一个 Map 用来接收模型名称

    复制代码 
     @Resource
 private Map<String, ChatClient> chatClientMap;

 @Test
 public void testPromptTemplates() {
     /**
      * text:是输入的文本内容  param:是要替换的参数 (占位符)
      */
     String conversationId = "007";
     String result = chatClientMap.get("qwenPlus").prompt()

    // .system(systemAgricultureMessage) //系统提示语
    .user(u->u.text("现在是什么时间,{time}").param("time","12:00")) //用户输入
    .advisors(a -> a.param(ChatMemory.CONVERSATION_ID, conversationId))//保存聊天记忆
    .call()
    .content();
    System.out.println(result);

    复制代码 
     }

Spring AI 中的 ChatClient 是什么？主要能做什么？(正式学习 Spring AI)

简单说： ChatClient 是 Spring AI 用来「调用大模型」的核心客户端

概括:ChatClient 就是你在 Spring 框架里用来和大模型(LLM)对话的"客户端工具"。它负责把你的 Prompt 发给模型，并把模型的回答返回给你

你可以把它理解为：

  • Spring AI 里的大模型调用入口
  • 封装好的统一聊天接口
  • 调用 OpenAI /DeepSeek /Qwen 等模型的标准通道

上面代码出现了 chatModel 有人会问chatModel 又是什么？

概括：ChatModel 是具体的模型 api

ChatClient 和 ChatModel 的区别

|----------------|--------------------------------------------------|--------------------------------|
| 组件 | 是什么 | 作用 |
| ChatModel | 对接具体模型的 API，例如 DeepSeekChatModel、OpenAiChatModel | 底层"模型驱动引擎" |
| ChatClient | 封装调用接口 | 统一操作入口（Prompt、Memory、RAG、流式输出） |

简单理解：

👉 ChatModel = 发起请求的 driver

👉 ChatClient = 真正用起来的工具、入口

ChatClient 主要做什么？

  • 发送用户消息给大模型
  • 统一不同大模型的调用方式
  • 支持系统提示词（system prompt）
  • 支持聊天记忆（ChatMemory）
  • 支持知识库 QA（Vector Store） 也就是 RAG 功能
  • 支持流式输出（SSE / WebFlux

Chat Client API (聊天客户端 API)

创建多个聊天模型：

  • 就是将每个模型定义单独的 ChatClient Bean；
  • ChatClient 是一个接口类，提供了create 和builder 模型的方法

实例:

复制代码 
package com.spring.springaionejava.springailearn01.config;

import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatModel;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.deepseek.DeepSeekChatModel;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/**
 *使用多个 AI 模型时，您可以为每个模型定义单独的 ChatClient bean
 */
@Configuration
public class ChatClientConfig {

    /**
     * 创建一个 ChatClient bean
     * 阿里平台
     * @param chatModel
     * @return
     */
    @Bean(name = "aliyuChatClient")
    public ChatClient aliyuChatClient(DashScopeChatModel chatModel) {
        System.out.println("创建一个 ChatClient bean，名字叫aliyuChatClient");
        return ChatClient.create(chatModel);
    }

    /**
     * 创建一个 ChatClient bean
     * deepseek平台
     */
    @Bean
    public ChatClient deepSeekChatClient(DeepSeekChatModel chatModel) {
        System.out.println("创建一个 ChatClient bean，名字叫deepSeekChatClient");
        return ChatClient.create(chatModel);
    }

}

介绍一下ChatClient 接口类中的prompt 接口：

一句话总结：

prompt()是 ChatClient 用来构建对话请求（Prompt）的入口，它返回一个 PromptSpec，允许你设置 system、user、assistant 内容，并最终发起模型调用。

Spring AI 提供的 prompt() 方法，允许你一步步设置：

  • system（系统角色）
  • user（用户输入）
  • assistant（上一次对话）
  • metadata（额外信息）
  • advisors（记忆、RAG）
  • options（模型参数）

ChatClient Responses ChatClient 响应

  1. 返回 ChatResponse;不仅有文本回答，还会包含：

  • token 使用情况

  • 模型名称

  • 响应消息(带角色)

  • 附加的 diagnostic 信息

  • 多轮消息结构

  • 可能包含多个候选回答(choices)

    ChatResponse chatResponse = chatClient.prompt()
    .user("Tell me a joke")
    .call()
    .chatResponse();

  1. Returning an Entity 返回实体

  • 返回的是一个结构化、可扩展、可序列化、可持久化的数据对象。

    ActorFilms actorFilms = chatClient.prompt()
    .user("Generate the filmography for a random actor.")
    .call()
    .entity(ActorFilms.class);

  1. Streaming Responses 流式响应

  • 流式响应返回实体（Streaming Response Entity）是为了让服务器能够以"分段、实时、不断推送"的方式，把大模型的回答一块一块地发给前端，而不是一次性返回。

  • stream（） 方法允许您获得异步响应。

    Flux<String> output = chatClient.prompt()
    .user("Tell me a joke")
    .stream()
    .content();

Prompt Templates 提示模板

1. text、param 、metadata 的用法

  1. text(消息内容)：

  • 实际是发送给大模型的文本内容；可以用在 system 和 user 中；

  • text 一般是和param 一起用的

    .prompt()
    .system(s -> s.text("你是一名农业专家"))
    .user(u -> u.text("什么是玉米锈病？"))

  1. param(参数变量)

  • param 是用来做提示词模板变量替换的

  • 用于替换 text 中的变量值

    .prompt()
    .system(s -> s
    .text("你是一名{{profession}}专家")
    .param("profession", "农业"))

  1. metadata(额外附加信息)
  • 不会发送给大模型，只供程序员/Adcisor 使用的元数据
  • 作用：可以用来对消息进行标记或者过滤；控制不同提示词版本等

注意:1.1.0 之前的版本没有 metadata

复制代码 
.system(s -> s.text("你是专家").metadata("version", "1.0"))
.user(u -> u.text("天气怎么样").metadata("requestId", "abc123"))
相关推荐
期待のcode2 小时前
Springboot配置属性绑定
java·spring boot·后端
美狐美颜SDK开放平台2 小时前
美颜sdk是什么？如何将美颜SDK接入安卓/iOS直播平台？
人工智能·美颜sdk·直播美颜sdk·美颜api·美狐美颜sdk
AI营销资讯站2 小时前
AI营销内容生产：哪些平台支持全球多语言内容同步生产？
大数据·人工智能
Acc1oFl4g2 小时前
详解Java反射
java·开发语言·python
飞哥数智坊2 小时前
AutoGLM 开源实测：一句话让 AI 帮我点个鸡排
人工智能·chatglm (智谱)
Trouvaille ~2 小时前
【Java篇】存在即不变：深刻解读String类不变的艺术
java·开发语言·javase·stringbuilder·stringbuffer·string类·字符串常量池
lemon_sjdk2 小时前
java学习——枚举类
java·开发语言·学习
2022.11.7始学前端2 小时前
n8n第九节 使用LangChain与Gemini构建带对话记忆的AI助手
java·人工智能·n8n
LYFlied2 小时前
在AI时代，前端开发者如何构建全栈开发视野与核心竞争力
前端·人工智能·后端·ai·全栈
热门推荐
01GitHub 镜像站点02【AutoGLM部署】本地私有化部署AI手机Agent03UV安装并设置国内源04【超详细教程】手把手教你从微软官网免费下载Windows 10官方原版ISO镜像（2025最新版）05Open-AutoGLM Windows 安装部署教程06Cursor 又偷偷更新，这个功能太实用：Visual Editor for Cursor Browser07安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）08Linux下V2Ray安装配置指南09BongoCat - 跨平台键盘猫动画工具10Windows 11 官方系统安装与重装完整教程（2025年最新版）