【Spring AI】Java 开发者构建企业级大模型应用（RAG/Agent）的官方一站式框架

Spring AI 是 Spring 官方团队（现属 Broadcom）推出的专为 Java 和 Spring 生态系统 设计的生成式人工智能应用开发框架。

它的核心目标是：让 Java 开发者能够像使用 RestTemplate 或 JdbcTemplate 一样，以熟悉的 Spring 风格（依赖注入、自动配置、POJO）轻松集成大语言模型（LLM）、向量数据库、RAG（检索增强生成）和 Agent（智能体）等现代 AI 能力，而无需跨越到 Python 生态。

截至 2026 年 3 月，Spring AI 已经经历了快速发展，以下是其核心现状、特性和使用指南：

🚀 1. 当前版本与状态 (2026 年)

最新稳定版 ：Spring AI 1.0.x / 1.1.x (GA 正式版已发布)。
- 1.0 GA 于 2025 年中旬发布，标志着框架进入生产就绪状态。
- 随后发布了 1.1 版本，增强了 MCP (Model Context Protocol)、Prompt 缓存和智能体功能。
前沿版本 ：Spring AI 2.0.0-M1 (里程碑版本，已发布)。
- 重大变化 ：基于 Spring Boot 4.0 和 Spring Framework 7.0 构建。
- 强制要求 ：Java 21+ (不再支持 Java 17)。
- 新特性：深度集成 Redis 作为向量存储，全面拥抱 Jakarta EE 11。
生态扩展 ：Spring AI Alibaba (阿里云主导) 也已发布 1.0 GA，专门优化了对通义千问、百炼平台等国产模型的支持。

💡 2. 核心功能特性

Spring AI 不仅仅是一个 HTTP 客户端封装，它提供了一套完整的 AI 应用抽象：

A. 统一的模型 API (Model Abstraction)

屏蔽不同大模型厂商（OpenAI, Anthropic, Azure, Ollama, 阿里云等）的 API 差异。

ChatClient: 用于对话交互（类似 ChatGPT）。
ImageClient: 用于文生图（如 DALL-E 3, Stable Diffusion）。
EmbeddingClient: 用于文本向量化。
AudioClient: 用于语音转文本或文本转语音。

java 复制代码

// 极简示例：一行代码调用大模型
@Autowired
private ChatClient chatClient;

public String ask(String question) {
    return chatClient.prompt()
        .user(question)
        .call()
        .content();
}

B. 检索增强生成 (RAG) 支持

内置了构建企业知识库所需的全套组件：

Vector Store: 统一接口支持 Redis, PostgreSQL (pgvector), Milvus, Chroma, Pinecone 等。
Document Reader: 支持 PDF, Word, Markdown, HTML 等多种格式解析。
Retrieval Augmentation: 自动将用户问题与向量库中的文档片段结合，生成更准确的回答。

C. 函数调用 (Function Calling)

允许大模型在需要时"反向调用"你的 Java 方法。

你可以注册一个 @Bean 方法（例如 getWeather, queryOrderStatus）。
当用户问"查一下北京天气"时，模型会自动识别意图并触发你的 Java 代码，获取结果后再生成回答。

D. 智能体 (Agents) & MCP

支持构建多步执行的自主 Agent。
支持 MCP (Model Context Protocol)，这是一种新兴标准，允许 AI 模型安全地访问本地文件、数据库和工具。

E. 观测性与测试

深度集成 Micrometer，可监控 Token 消耗、延迟、错误率。
提供 spring-ai-test 模块，方便对 Prompt 和 AI 响应进行单元测试。

🛠️ 3. 快速开始 (Hello World)

假设你使用 Spring Boot 3.x + Java 17 (若用 2.0 则需 Java 21)，接入 OpenAI 或 Ollama (本地模型) 非常简单。

第一步：引入依赖

xml 复制代码

<dependencies>
    <!-- Spring AI OpenAI Starter -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
        <version>1.0.2</version> <!-- 或最新版本 -->
    </dependency>
    
    <!-- 如果使用本地 Ollama -->
    <!-- 
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
        <version>1.0.2</version>
    </dependency> 
    -->
</dependencies>

第二步：配置文件 (`application.yml`)

yaml 复制代码

spring:
  ai:
    openai:
      api-key: ${OPENAI_API_KEY} # 从环境变量读取
      chat:
        options:
          model: gpt-4o # 或 gpt-3.5-turbo
    # 如果使用 Ollama:
    # ollama:
    #   base-url: http://localhost:11434
    #   chat:
    #     model: llama3

第三步：编写代码