1 概述：Spring AI 应用开发指南

简介

在人工智能技术快速发展的当下，其相关技术已成为各行业企业内部技术栈的标配之一，而作为一款主流的企业级Java应用开发框架Spring，也紧跟时代潮流，推出了------ Spring AI 框架。

Spring AI 是 Spring 官方推出的 AI 工程化框架，旨在简化 Java 开发者集成 AI 模型（如 OpenAI、Azure OpenAI 等）的过程。

Spring AI 作为主流的AI大模型应用开发框架 之一，它的推出标志着------ Spring 框架也正式进入大模型时代。

其提供了开发AI大模型所需的模型API，简化了AI大模型应用的开发工作。

Spring AI

URL : https://spring.io/projects/spring-ai

Slogan : Spring AI 是一个面向人工智能工程的应用框架。它的目标是将 Spring 生态系统的设计原则（例如可移植性和模块化设计）应用于人工智能领域，并推广使用 POJO 作为人工智能领域应用程序的构建模块。

License : Apache-2.0

主要特性

Spring AI 提供以下功能：

支持所有主流 AI模型提供商，例如 Anthropic、OpenAI、Microsoft、Amazon、Google和Ollama。支持的模型类型包括：
支持跨 AI 提供商的可移植 API，包括同步 API 和流式 API 选项。同时还提供对特定模型功能的访问。
结构化输出- 将 AI 模型输出映射到 POJO。
支持所有主要矢量数据库提供商，例如Apache Cassandra、Azure Vector Search、Chroma、Milvus、MongoDB Atlas、Neo4j、Oracle、PostgreSQL/PGVector、PineCone、Qdrant、Redis 和 Weaviate。
跨 Vector Store 提供商的可移植 API，包括一种新颖的类似 SQL 的元数据筛选 API。
工具/函数调用- 允许模型请求执行客户端工具和函数，从而根据需要访问必要的实时信息。
可观测性------提供有关人工智能相关操作的洞察。
用于数据工程的文档注入式ETL 框架。
AI 模型评估- 用于帮助评估生成的内容并防止产生幻觉反应的实用程序。
ChatClient API - 用于与 AI 聊天模型通信的 Fluent API，其惯用方式与 WebClient 和 RestClient API 类似。
Advisors API - 封装了重复出现的生成式 AI 模式，转换发送到语言模型 (LLM) 和从语言模型 (LLM) 发送的数据，并提供了跨各种模型和用例的可移植性。
支持聊天对话记忆和检索增强生成（RAG）。
Spring Boot 自动配置和启动器适用于所有 AI 模型和向量存储 - 使用start.spring.io选择所需的模型或向量存储。

此功能集允许您实现常见的用例，例如" Q&A over your documentation"或" Chat with your documentation."。

版本沿革

最新版:

v2.0.0-M3 : 2026.3.17

https://github.com/spring-projects/spring-ai/releases/tag/v2.0.0-M3

v1.1.3 : 2026.3.17

https://github.com/spring-projects/spring-ai/releases/tag/v1.1.3
根据搜索结果，Spring AI 项目的版本演变历程如下。
请注意，所有信息均基于公开的网络资料整理：

1. 早期探索与孵化阶段 (Legacy)

0.8.1 (2024年3月)：这是早期公开记录的一个旧版本，属于项目孵化期的探索性版本。

2. 里程碑版本阶段 (Milestone Releases)

从2024年中旬开始，Spring AI 进入了快速迭代的里程碑版本发布期，旨在逐步完善核心功能并收集社区反馈。

1.0.0-M1 (2024年5月30日)：首个公开的里程碑版本，初步确立了项目架构。
1.0.0-M2 (2024年7月)：继续完善基础功能。
1.0.0-M3 (2024年10月8日)：增加了对更多模型的支持。
1.0.0-M4 (2024年12月)：功能进一步丰富。
1.0.0-M5 (2025年1月9日)：优化了 API 设计。
1.0.0-M6 (2025年3月)：此版本起，构件开始发布到 Maven Central 仓库，方便了开发者使用。
1.0.0-M7 (2025年4月14日)：接近正式版的功能冻结。
1.0.0-M8 (2025年4月30日)：最后一个里程碑版本，主要进行 Bug 修复和文档完善。

3. 候选版本阶段 (Release Candidate)

1.0.0-RC1 (2025年5月13日)：发布候选版本，标志着功能已基本稳定，邀请社区进行最后的测试。

4. 正式通用版本阶段 (General Availability - GA)

1.0.0 GA (2025年5月20日)：首个正式版本。
- 意义：标志着 Spring AI 正式进入【生产就绪状态】，API 趋于稳定。
- 核心特性 ：提供了统一的 ChatClient 接口，支持 OpenAI、Anthropic、Azure、Google 等【主流模型厂商】；引入了 RAG（检索增强生成）基础支持、【对话记忆管理】以及基础的 Function Calling 能力。
- 环境要求：主要支持 Spring Boot 3.4.x 及 JDK 17+。
1.0.x 维护版本 (2025年下半年)：
- 在 1.0.0 之后，陆续发布了 1.0.1 , 1.0.2 , 1.0.3 等补丁版本，主要用于修复 Bug 和小幅改进（截至2025年10月，1.0.3 是当时的最新稳定分支）。
1.1.0 GA (2025年11月12日)：第二个重大正式版本。
- 背景：距离 1.0 发布仅半年，包含了超过 850 项变更（354个功能增强、241个Bug修复等）。
- 核心升级 ：
  - Agent 框架：引入了更高级的 AI Agent（智能体）构建能力，支持多 Agent 协作。
  - MCP (Model Context Protocol)：深度集成了 MCP 协议，支持更标准的上下文交互。
  - 评估工具：新增了 AI 模型输出的评估（Evaluation）工具。
  - 新模型支持：增加了对更多新兴模型（如 DeepSeek 等）的自动配置支持。
  - 技术栈：更好地兼容 Spring Framework 6/7 和 Java 21+ 的新特性（如 AOT 编译优化）。

5. 当前状态 (截至 2026年3月)

主线版本 ：1.1.x 系列是目前推荐的生产环境使用版本。
开发版本 ：1.2.0-SNAPSHOT 或更高版本可能正在开发中，用于探索更新的 AI 特性。
生态扩展 ：基于 Spring AI 的扩展项目（如 Spring AI Alibaba）也紧随其后发布了相应的 1.0 和 1.1 版本，专门针对阿里云百炼及通义千问模型进行了优化。

总结：Spring AI 从 2024 年初的孵化项目，经过约一年的快速迭代（8个里程碑版本），于 2025 年 5 月达到 1.0 成熟度，并在同年 11 月通过 1.1 版本大幅增强了 Agent 和协议支持能力，目前已发展成为 Java 生态中构建企业级 AI 应用的主流框架。

Spring AI: v1.1.3 vs. v2.0.0-M3

基于现有的公开资料和网络搜索结果，关于 Spring AI v1.1.3 与 v2.0.0-M3 的区别，

由于 v2.0.0-M3 的具体发布说明（Release Notes）在当前的公开网络资源中尚未有详尽的独立文档（通常里程碑版本的详细变更集中在 M1 和 GA 前的 RC 阶段，且 M3 是一个非常新的版本或特定内部版本），

为此将基于 v1.1.x 系列的最终状态 与 v2.0.0-M1（及后续 2.0 系列已知的重大架构变更） 的核心差异进行对比。

重要提示：

v1.1.3 是 1.1.x 系列的一个稳定补丁版本（Patch Release），主要包含 Bug 修复和小幅优化。
v2.0.0-M3 是 2.0 系列的第三个里程碑版本（Milestone），属于非生产就绪 的开发版本，其核心特征是**破坏性更新（Breaking Changes）**和底层架构的重构。

以下是两者的核心区别：

1. 基础运行环境要求（最显著的硬性区别）

这是两个版本之间最大的"分水岭"，直接决定了项目能否启动。

特性	Spring AI v1.1.3 (1.x 系列)	Spring AI v2.0.0-M3 (2.x 系列)
最低 JDK 版本	JDK 17 (LTS)	JDK 21 (LTS) (强制要求，利用 Java 21 新特性)
Jakarta EE 规范	Jakarta EE 9/10	Jakarta EE 11
Spring Framework	Spring Framework 6.2+	Spring Framework 7.0+
Spring Boot 版本	Spring Boot 3.4.x (兼容 3.3+)	Spring Boot 4.0.x (GA) (基于 Spring Framework 7)

影响：如果你当前的项目运行在 JDK 17 或 Spring Boot 3.x 上，无法直接升级到 v2.0.0-M3，必须同步升级整个技术栈。

2. 核心架构与 API 变更

v2.0 系列不仅仅是功能增加 ，更是一次架构重构 ，旨在解决 1.x 中的设计债务并适应 AI 领域的快速变化。

ChatClient API 的重构：
- v1.1.3 : 使用较为初版的 ChatClient 接口，虽然支持流式和非流式，但在复杂上下文管理和拦截器链（Advisors）的配置上相对繁琐。
- v2.0.0-M3 : 对 ChatClient 进行了彻底的重新设计（Reactive-first 或更流畅的构建者模式），简化了多轮对话和复杂 Agent 工作流的代码结构。API 包名或方法签名可能发生变动（Breaking Change）。
Model Context Protocol (MCP) 的深度集成：
- v1.1.3 : 引入了 MCP 的初步支持，允许暴露工具和资源，但配置较为手动。
- v2.0.0-M3 : MCP 成为核心一等公民。原生支持 MCP Server/Client 的自动配置，支持更复杂的工具发现机制 和动态资源加载，甚至可能内置了对 MCP 标准更新的即时支持（如 SSE 传输层的优化）。
向量存储 (Vector Store) 的增强：
- v1.1.3 : 支持主流向量库（Redis, PGVector, Milvus 等），但部分高级过滤功能（Metadata Filtering）在不同实现间表现不一致。
- v2.0.0-M3 : 统一了向量存储 的过滤表达式语言（Filter Expression Language），特别是针对 Redis Vector Store 进行了史诗级增强（支持混合搜索、范围查询优化），并可能引入了对新型向量数据库的原生支持。

3. 功能特性的演进

功能领域	v1.1.3 (稳定版特性)	v2.0.0-M3 (前沿实验特性)
Agent 框架	提供基础的 React Agent 和工作流支持，需较多样板代码。	原生 Agent 编排。引入更高级的 `AgentBuilder`，支持多 Agent 协作、更智能的状态管理和内置的"反思"机制。
模型支持	支持 OpenAI, Azure, Anthropic, Google, Ollama 等主流厂商。	新增/更新模型适配。默认集成更新的模型 SDK（如 OpenAI Java SDK 最新版），可能原生支持 Claude 3.5/4 , GPT-4o-mini 等新模型的特定功能（如缓存、JSON Mode 优化）。
观察性与评估	基础的 Micrometer 指标和简单的评估接口。	深度可观测性。与 Spring Observability 深度整合，提供针对 LLM Token 消耗、延迟、幻觉率的细粒度追踪；评估框架（Evaluation Harness）更加完善。
RAG 管道	基础的 ETL 和检索流程。	智能 RAG。支持更复杂的预处理管道，自动分块策略优化，以及基于语义的动态检索策略。

4. 稳定性与适用场景

v1.1.3:
- 定位 : 生产就绪 (Production Ready)。
- 适用: 企业级正式项目，需要长期支持（LTS）和稳定 API 的场景。
- 优点: 社区案例多，坑已踩完，文档完善，兼容性好（JDK 17/SB 3.4）。
v2.0.0-M3:
- 定位 : 里程碑测试版 (Milestone)。
- 适用: 技术预研、尝鲜、新功能验证、非核心业务系统。
- 风险 : API 随时可能变动，不建议用于生产环境。可能存在未发现的 Bug。
- 优点: 能体验到最新的架构设计、更好的性能（Java 21 虚拟线程支持可能更深入）和未来标准的支持。

总结建议

如果你的项目正在运行 或即将上线 ，请坚守 v1.1.3（或等待 1.1.x 的后续补丁）。不要为了新功能而盲目升级到底层依赖完全不同的 2.0 里程碑版本。
如果你正在启动一个新项目 ，且团队有能力处理 JDK 21 和 Spring Boot 4 的迁移成本，并希望利用最新的 AI 架构特性（如更强大的 Agent 和 MCP），可以尝试 v2.0.0-M3，但需做好后续跟随版本迭代修改代码的准备（因为 M3 到 GA 期间 API 仍可能调整）。

注意：由于 v2.0.0-M3 是非常新的里程碑版本，具体的 Bug 修复列表和微小的 API 变动，建议直接查阅 Spring AI 官方 GitHub 仓库的 release-notes 或 CHANGELOG 文件以获取最准确的逐行对比。

前置基础知识

Java 基础
常用的技术框架： Spring Boot 等
常用的数据库: MySQL 等

2 快速入门

step1 准备工作

在开始编码前，请确保具备以下条件：

OpenAI API Key ：在 OpenAI 官网获取令牌。

或注册兼容OpenAI的第三方厂商: 硅基流动 / ...

[AI/GPT] 硅基流动(SiliconFlow) : AI大模型时代的基础设施(Model API as Service) - 博客园/千千寰宇

https://account.siliconflow.cn/

Java 环境：JDK 17 或更高版本。例如： OpenJDK 17.0.2

项目构建工具：Maven 或 Gradle。例如： Maven

step2 创建项目

使用 Spring Initializr 快速创建项目，并添加以下依赖：

Spring Web：用于构建 Web 接口。例如: Spring Web

OpenAI：Spring AI 的 OpenAI Starter。

Maven 核心依赖配置示例：

xml 复制代码

<dependency>
	<groupId>org.springframework.ai</groupId>
	<artifactId>spring-ai-starter-model-openai</artifactId>
</dependency>

step3 配置属性(`application.yaml`)

在 application.yaml 或 application.properties 中配置你的 API Key。如果在中国国内使用，通常需要配置代理地址

yaml 复制代码

spring:
  ai:
    openai:
      api-key: ${OPENAI_API_KEY}
      # base-url: https://api.openai-proxy.com # 如需使用代理，请在此配置

step4 编写代码实现对话

注入 ChatModel（或旧版本中的 ChatClient）来调用 OpenAI 接口。

java 复制代码

@RestController
public class ChatController {
    private final ChatModel chatModel;

    @Autowired
    public ChatController(ChatModel chatModel) {
        this.chatModel = chatModel;
    }

    @GetMapping("/ai/generate")
    public String generate(@RequestParam(value = "message") String message) {
        return chatModel.call(message);
    }
}

step5 启动运行、调用接口

com.johnnyzen.spring_ai_examples.SpringAiExamplesApplication

调用接口

shell 复制代码

curl -X GET http://127.0.0.1:8080/spring-ai/what-is-the-meaning-of-life

curl -X GET http://127.0.0.1:8080/spring-ai/what-is-the-meaning-of-life?language=en

shell 复制代码

//message="总结最近一周的AI Agent前沿进展"
curl -X GET http://127.0.0.1:8080/spring-ai/ai/generate?message=%e6%80%bb%e7%bb%93%e6%9c%80%e8%bf%91%e4%b8%80%e5%91%a8%e7%9a%84AI+Agent%e5%89%8d%e6%b2%bf%e8%bf%9b%e5%b1%95

URL 编码/解码 - www.toolhelper.cn

Y 推荐文献

Spring AI

https://spring.io/projects/spring-ai

https://docs.spring.io/spring-ai/reference/index.html

https://github.com/spring-projects/spring-ai

学习资源

中文文档： Spring AI 参考指南 - Spring 中文网

视频教程：尚硅谷 Spring AI 实战教程 - Bilibili

开源案例： Spring AI 中文教程 GitHub 仓库 - Github/NingNing0111/spring-ai-zh-tutorial](https://github.com/NingNing0111/spring-ai-zh-tutorial)

[AI应用] Spring AI 应用开发指南

1 概述：Spring AI 应用开发指南

简介

主要特性

版本沿革

1. 早期探索与孵化阶段 (Legacy)

2. 里程碑版本阶段 (Milestone Releases)

3. 候选版本阶段 (Release Candidate)

4. 正式通用版本阶段 (General Availability - GA)

5. 当前状态 (截至 2026年3月)

Spring AI: v1.1.3 vs. v2.0.0-M3

1. 基础运行环境要求（最显著的硬性区别）

2. 核心架构与 API 变更

3. 功能特性的演进

4. 稳定性与适用场景

总结建议

前置基础知识

2 快速入门

step1 准备工作

step2 创建项目

step3 配置属性(`application.yaml`)

step4 编写代码实现对话

step5 启动运行、调用接口

Y 推荐文献

X 参考文献

[AI应用] Spring AI 应用开发指南

1 概述：Spring AI 应用开发指南

简介

主要特性

版本沿革

1. 早期探索与孵化阶段 (Legacy)

2. 里程碑版本阶段 (Milestone Releases)

3. 候选版本阶段 (Release Candidate)

4. 正式通用版本阶段 (General Availability - GA)

5. 当前状态 (截至 2026年3月)

Spring AI: v1.1.3 vs. v2.0.0-M3

1. 基础运行环境要求（最显著的硬性区别）

2. 核心架构与 API 变更

3. 功能特性的演进

4. 稳定性与适用场景

总结建议

前置基础知识

2 快速入门

step1 准备工作

step2 创建项目

step3 配置属性(application.yaml)

step4 编写代码实现对话

step5 启动运行、调用接口

Y 推荐文献

X 参考文献

step3 配置属性(`application.yaml`)