Spring AI 基础开发流程

Spring AI 的基础开发流程旨在简化将人工智能功能集成到 Spring 应用程序中的过程，其设计理念是提供一个类似于 JdbcTemplate 或 RestClient 的客户端抽象。

以下是一个典型的 Spring AI 基础开发流程概览：

1. 项目设置和依赖管理

首先，你需要使用 Spring Initializr 创建一个新的 Spring Boot 项目。

核心依赖项：

你需要添加核心的 spring-ai-spring-boot-starter 依赖，以及选择使用的模型提供商（例如 OpenAI、Google Gemini、Anthropic 等）的特定启动器依赖。

以 Maven 为例，如果使用 OpenAI：

XML 复制代码

<dependencies>
    <!-- 核心 Spring AI 启动器 -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-spring-boot-starter</artifactId>
    </dependency>
    <!-- OpenAI 特定的启动器 -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    </dependency>
</dependencies>
<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>${spring-ai.version}</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

2. 配置 API 密钥

在 src/main/resources/application.properties 文件中配置 API 密钥。Spring AI 会自动读取这些属性来配置底层的 ChatClient bean。

复制代码

# 以 OpenAI 为例
spring.ai.openai.api-key=YOUR_API_KEY
# 也可以配置默认使用的模型，例如 gpt-4o 等
spring.ai.openai.chat.options.model=gpt-4o

3. 使用 `ChatClient` 发送请求

Spring AI 的核心接口是 ChatClient，它代表了与 AI 模型的对话客户端。可以将其注入到服务或控制器中。

这是一个简单的 REST 控制器示例，演示了如何发送一个提示并接收回复：

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 AIController {

    private final ChatClient chatClient;

    // 构造函数注入 ChatClient
    public AIController(ChatClient chatClient) {
        this.chatClient = chatClient;
    }

    @GetMapping("/generate")
    public String generate(@RequestParam(value = "message", defaultValue = "请解释一下 Spring Framework 7.0 的主要新特性。") String message) {
        // 使用流式 API 构建请求并获取响应
        String response = chatClient.prompt()
            .user(message)
            .call()
            .content(); // 提取回复内容
        return response;
    }
}

4. 高级流程：RAG（检索增强生成）

对于更复杂的应用场景，例如基于私有文档回答问题，Spring AI 提供了一整套工具来实现 RAG 流程：

数据加载 (Data Loading)：从文件、数据库等源加载文档。
数据切分 (Text Splitting)：将长文档切分成适合嵌入（Embedding）的小块。
向量化与存储 (Embedding & Vector Store) ：使用 EmbeddingClient 将文本块转换为向量，并存储在向量数据库（如 Chroma、Pinecone、PostgreSQL PGVector 等）中。
检索与生成 (Retrieval & Generation)：在接收到用户查询时，检索最相关的文档片段，并将这些片段作为"上下文"添加到发送给 AI 模型的提示中，从而生成准确的答案。

总结

Spring AI 的开发流程专注于提供简洁、一致的客户端抽象，无论底层使用的是哪家 AI 服务提供商，核心代码逻辑都保持一致。通过 Spring AI 文档，可以深入学习更多关于结构化输出、工具使用和 RAG 流水线的细节。当然，我也会在后续的文章中对这些内容进行详细的讲解。

感谢阅读！我是"技术效能架构师"。

我的所有分享，都围绕一个核心：如何运用架构思维、新技术与工具，为开发者与团队带来10倍速的效率提升。

如果本文对您有启发，点赞、收藏 是您对我的最大认可。点击关注，我将持续为您呈现：

•🤖 AI赋能的开发实战：如何让AI真正融入您的工作流。
•🏗️ 架构与效率的思考：从复杂系统中抽象出简洁、高效的解决方案。
•🧠 技术领导力笔记：驱动团队高效产出的管理心法。

让我们共同构建更聪明、更高效的工作方式。

Spring AI 基础开发流程

1. 项目设置和依赖管理

2. 配置 API 密钥

3. 使用 ChatClient 发送请求

4. 高级流程：RAG（检索增强生成）

总结

3. 使用 `ChatClient` 发送请求