SpringBoot3 整合阿里云百炼大模型｜实现普通对话+流式输出

一、前言

当下 AI 飞速迭代，行业早已印证一个真理：AI 取代不了人，但不用 AI 的人将会被用 AI 的人取代。AI 本质是提升效率的生产力工具，不会替代人类的思考、判断与创新，但会大幅拉开人与人之间的工作效率差距。

目前基于 Spring AI 快速接入大模型已经成为 Java 开发的主流方案。本文基于 SpringBoot3.x + Spring AI Alibaba 快速整合阿里云百炼（DashScope）大模型，实现普通同步对话 与 SSE 流式逐字输出 能力。同时解决新手最常见的 SocketTimeout 接口超时 问题，全程采用环境变量配置、零硬编码 Key，安全规范，可直接用于项目开发与生产环境，帮助开发者借助 AI 赋能业务、提升开发效率。

二、环境要求

SpringBoot 3.x
JDK 17+
Spring AI Alibaba 1.0.0.2 版本
阿里云百炼 DashScope API Key

三、项目依赖引入（Maven）

引入阿里百炼大模型核心依赖、Web 依赖、日志依赖及工具类依赖，排除默认日志框架，统一使用 log4j2。

xml 复制代码

<dependencies>
    <!-- Spring AI Alibaba 百炼大模型核心依赖 -->
    <dependency>
        <groupId>com.alibaba.cloud.ai</groupId>
        <artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
        <version>1.0.0.2</version>
    </dependency>

    <!-- Web 核心依赖 -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
        <exclusions>
            <exclusion>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-starter-logging</artifactId>
            </exclusion>
        </exclusions>
        <version>3.4.0</version>
    </dependency>

    <!-- log4j2 日志框架 -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-log4j2</artifactId>
        <version>3.4.0</version>
    </dependency>

    <!-- 工具类 -->
    <dependency>
        <groupId>org.apache.commons</groupId>
        <artifactId>commons-lang3</artifactId>
        <version>3.14.0</version>
    </dependency>
</dependencies>

四、配置阿里云百炼 API Key（环境变量方式）

为了安全，禁止代码硬编码 Key，采用系统环境变量配置，适配 Windows / Linux 双环境。

4.1 Windows 环境配置

打开 CMD 执行如下命令，替换为自己的百炼 APIKey：

bash 复制代码

setx DASHSCOPE_API_KEY "YOUR_DASHSCOPE_API_KEY"

配置完成后，必须重新打开 CMD 窗口，执行以下命令验证是否生效：

bash 复制代码

echo %DASHSCOPE_API_KEY%

4.2 Linux 环境配置

将环境变量写入用户环境配置文件：

bash 复制代码

echo "export DASHSCOPE_API_KEY='YOUR_DASHSCOPE_API_KEY'" >> ~/.bashrc

刷新环境变量生效：

bash 复制代码

source ~/.bashrc

验证配置：

bash 复制代码

echo $DASHSCOPE_API_KEY

五、application.yml 核心配置（解决超时报错）

默认超时时间极短，极易出现 SocketTimeoutException，此处手动拉长超时时间，彻底解决大模型响应超时问题。

yaml 复制代码

spring:
  application:
    name: demo
  ai:
    dashscope:
      api-key: ${DASHSCOPE_API_KEY}
      chat:
        client:
          enabled: true
        options:
          timeout: 60s           # 整体请求超时
          connect-timeout: 10s   # 连接超时
          read-timeout: 60s      # 读取响应超时

六、完整接口代码（普通对话 + 流式输出）

提供两种接口：

普通同步接口：全部生成完成后一次性返回
流式 SSE 接口：逐字实时推送，解决长时间响应超时问题

java 复制代码

package com.example.demo.controller;

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;

@RestController
@RequestMapping("/ai")
public class ChatController {

    private static final Logger log = LoggerFactory.getLogger(ChatController.class);
    private final ChatClient chatClient;

    // 自动注入 ChatClient 构建器
    public ChatController(ChatClient.Builder builder) {
        this.chatClient = builder.build();
    }

    /**
     * 普通同步对话接口
     * 全部内容生成完毕后统一返回
     */
    @GetMapping("/chat")
    public String chat(String input) {
        log.info("人工提问：{}", input);
        String reply = this.chatClient.prompt()
                .user(input)
                .call()
                .content();
        log.info("大模型回复：{}", reply);
        return reply;
    }

    /**
     * 流式对话接口
     * SSE 实时逐字输出，解决超时问题
     */
    @GetMapping(value = "/chatStream", produces = "text/event-stream;charset=UTF-8")
    public Flux<String> chatStream(String input) {
        log.info("人工提问：{}", input);
        // stream 流式调用，实时返回内容
        return chatClient.prompt()
                .user(input)
                .stream()
                .content();
    }
}

七、核心知识点讲解

7.1 普通对话 VS 流式对话

call\(\)：同步阻塞，等待大模型全部生成完成后统一返回，长文本极易超时
stream\(\)：异步流式，边生成边推送，彻底规避超时异常

7.2 流式接口关键配置

produces = \&\#34;text/event\-stream;charset=UTF\-8\&\#34;

声明接口为 SSE 服务器推送事件，浏览器/前端可实时监听数据流，实现打字机效果。

7.3 超时问题解决方案

报错：java\.net\.SocketTimeoutException: timeout

原因：大模型生成文本耗时较长，默认超时时间过短。

解决：手动配置 timeout、read-timeout 60秒，配合流式接口双保险。

八、接口测试方式

启动项目后直接浏览器访问测试：

普通接口：http://localhost:8080/ai/chat?input=你好，介绍一下SpringAI
流式接口：http://localhost:8080/ai/chatStream?input=你好，介绍一下SpringAI

流式接口可明显看到逐字实时输出，不再长时间空白等待。

九、总结

本文基于 SpringBoot3 + Spring AI Alibaba 快速接入百炼大模型，代码极简、开箱即用
采用环境变量配置 APIKey，安全规范，适合生产环境
同时实现同步/流式两种对话模式，适配不同业务场景

（注：文档部分内容可能由 AI 生成）