Spring AI简介 - 技术栈

Spring AI 是由 Spring 官方于 2024 年 11 月正式推出的开源框架，专为 Java 开发者设计，旨在将 Spring 生态系统的核心理念（如可移植性、模块化、约定优于配置）引入生成式 AI 应用开发领域。其目标是让企业级 Java 应用能够像集成 Web 或微服务一样，高效、安全、标准化地接入大模型能力，从而构建聊天机器人、RAG（检索增强生成）、智能代理等 AI 原生应用。

一、Spring AI 的核心定位与价值

填补 Java 生态的 AI 鸿沟
在 Spring AI 出现前，AI 开发主要由 Python 主导（如 LangChain、LlamaIndex），Java 开发者需手动拼接 HTTP 调用、解析 JSON、管理流式响应，代码重复且易错。Spring AI 提供了类似 RestTemplate 的高层抽象（如 ChatClient），自动处理底层通信、序列化、错误重试等。
统一多模型提供商接口
通过标准化 API（如 ChatModel, EmbeddingModel, VectorStore），Spring AI 支持无缝切换不同大模型和向量数据库，避免供应商锁定。开发者只需修改配置，无需重写业务逻辑。
深度集成 Spring Boot 生态
自动配置（Auto-configuration）
Starter 依赖（开箱即用）
与 Spring Security、Observability（Micrometer/OpenTelemetry）、AOT 编译等原生兼容。

二、最新版本与支持情况（截至 2026 年 1 月）

✅ 当前主流稳定版：Spring AI 1.1 GA

发布时间：2025 年 11 月

核心特性：

引入 Agents 框架（支持简单代理、工具链等 5 大模式）

新增 Spring AI Bench 评估工具，用于检测幻觉、评估生成质量

增强结构化输出，支持复杂 POJO 映射

升级文档 ETL 框架，集成 Tika 3.2.3，支持多模态（文本+图像）处理

兼容 Spring Framework 7.x 和 Java 21+

🚀 前沿里程碑版：Spring AI 2.0.0-M1

发布时间：2025 年 12 月

这是 2.x 系列的首个里程碑版本，带来"技术栈大换血"：

强制技术栈升级
组件要求

JDK Java 21+（强制）

Spring Boot 4.0 GA

Spring Framework 7.0

Jakarta EE 11

开发者可直接利用虚拟线程（Virtual Threads）、AOT 编译等新特性提升性能，但老项目需评估迁移成本。

Redis 史诗级增强

新增 Redis Chat Memory：支持跨会话持久化记忆、文本搜索、范围查询

Redis Vector Store 升级：支持 HNSW 向量索引参数调优（M, efConstruction, efRuntime），实现召回率与时延的精细平衡

无需额外部署 Milvus/Chroma，仅用 Redis 即可构建生产级 RAG 系统

模型生态全面爆发

模型提供商新增支持

Anthropic Claude 4.5（Opus/Haiku）、Citations API（引用溯源）、Files API（生成可下载文件）、工具调用四模式（Auto/Any/Tool/None）

OpenAI 官方 Java SDK 原生集成，默认模型升级为 gpt-5-mini

Google Gemini 支持 ThinkingLevel 配置，可调节推理深度与响应速度

Azure 新增 Cosmos DB Chat Memory Starter

企业级特性强化

MCP（Model Context Protocol）客户端自动配置优化

GemFire 向量存储支持用户名/密码认证

更完善的可观测性（Prometheus/OpenTelemetry 日志追踪）

三、支持的 AI 提供商与功能（2025--2026）

Spring AI 已支持 20+ 主流 AI 服务，覆盖 LLM、嵌入、图像、语音等多模态场景：

🔹 大语言模型（LLM）

OpenAI（GPT-4o, gpt-5-mini）

Anthropic（Claude 3.5 Sonnet → Claude 4.5 Opus）

Google Vertex AI（Gemini）

Microsoft Azure OpenAI

Amazon Bedrock（Converse API）

Ollama（本地运行）

DeepSeek、Zhipu AI（GLM）、Moonshot、Mistral 等

🔹 嵌入模型（Embedding）

OpenAI、Hugging Face、Cohere、Google Vertex、PostgresML 等

🔹 向量数据库

SQL 类：PGVector、Oracle、MariaDB

NoSQL 类：Redis（Search & Query）、Neo4j、MongoDB Atlas、Elasticsearch

专用库：Milvus、Pinecone、Weaviate、Chroma、Qdrant

云服务：Azure AI Search、Cosmos DB

四、典型应用场景

智能客服：结合 Tools 调用 CRM/订单系统

企业知识库问答（RAG）：从 PDF/Word 中提取文档，生成精准回答

多智能体协作：通过 Graph 框架编排多个 Agent 完成复杂任务（如 Spring AI Alibaba 扩展）

内容生成：新闻稿、营销文案、代码辅助

自动化流程：会议预约、数据填报、报告生成

五、快速上手示例（Spring AI 2.x 风格）

复制代码

yaml
application.yml
spring:
ai:
openai:
api-key: ${OPENAI_API_KEY}
chat:
options:
model: gpt-5-mini
temperature: 0.7

java
@RestController
public class StoryController {
private final ChatClient chatClient;

public StoryController(ChatClient.Builder builder, OpenAiChatModel model) {
this.chatClient = builder.build();
}

@GetMapping("/story")
public String generate(@RequestParam String prompt) {
return chatClient.prompt()
.system("You are a fantasy novelist.")
.user(prompt)
.call()
.content();
}
}

总结

截至 2026 年初，Spring AI 已从早期探索阶段迈入企业级生产就绪的新纪元：

1.1 GA 版本成熟稳定，适合大多数 Java 企业项目；

2.0.0-M1 则代表未来方向，拥抱 Java 21、虚拟线程、Redis 原生存储，为高性能 AI 应用铺路。

对于 Java 开发者而言，Spring AI 不仅降低了 AI 集成门槛，更提供了一条无需离开 Spring 生态即可构建下一代智能应用的可行路径。