Spring AI Alibaba 云端 RAG 实战：基于百炼 DashScope 构建私有知识库

一、前言

在 AI 应用开发中，RAG（检索增强生成）是解决大模型知识滞后、私有知识问答的核心方案。Spring AI Alibaba 为阿里云百炼大模型提供了一站式适配 Starter，无需复杂封装，可快速对接百炼平台私有知识库，实现基于自有文档的智能问答、流式响应输出。

本文基于 Spring Boot + Spring AI Alibaba 实战搭建百炼 DashScope RAG 问答服务，实现知识库检索 + 流式对话输出完整功能，开箱即用，适合新手入门和项目落地。

二、项目环境依赖

2.1 核心依赖

项目基于 Spring Boot 基础 Web 环境，引入 Spring AI Alibaba 百炼 DashScope 自动化启动器，无需手动封装 API 请求，原生支持 RAG 知识库检索能力。

复制代码

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>
<!-- Spring AI Alibaba 百炼DashScope 核心依赖 -->
<dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
</dependency>

2.2 全局配置文件 application.properties

配置端口、全局编码、百炼 API-key、应用名称等核心参数，API-key 可在阿里云百炼平台个人中心获取。

复制代码

# 服务端口
server.port=8017

# 全局UTF-8编码配置
server.servlet.encoding.enabled=true
server.servlet.encoding.force=true
server.servlet.encoding.charset=UTF-8

# 应用名称
spring.application.name=SAA-17BailianRAG

# 百炼DashScope API密钥（建议配置环境变量，避免硬编码泄露）
spring.ai.dashscope.api-key=${aliQwen-api}

注意事项：生产环境请勿直接填写明文 API-key，建议通过系统环境变量、配置中心、Nacos 等方式注入，防止密钥泄露。

三、核心配置类：DashScope 客户端初始化

通过自定义配置类初始化 DashScopeApi 客户端，指定工作空间ID，同时注入 ChatClient 对话客户端，为后续 RAG 问答提供基础能力支撑。

复制代码

package com.zzyy.study.config;

import com.alibaba.cloud.ai.dashscope.api.DashScopeApi;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.model.ChatModel;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/**
 * 百炼DashScope客户端配置
 * 初始化API客户端、对话客户端
 */
@Configuration
public class DashScopeConfig {

    @Value("${spring.ai.dashscope.api-key}")
    private String apiKey;

    /**
     * 构建DashScope API核心客户端
     * @return DashScopeApi
     */
    @Bean
    public DashScopeApi dashScopeApi() {
        return DashScopeApi.builder()
                .apiKey(apiKey)
                // 个人百炼工作空间ID
                .workSpaceId("*****")
                .build();
    }

    /**
     * 构建通用对话客户端，用于问答交互
     * @param dashscopeChatModel 百炼对话模型
     * @return ChatClient
     */
    @Bean
    public ChatClient chatClient(ChatModel dashscopeChatModel) {
        return ChatClient.builder(dashscopeChatModel).build();
    }
}

配置说明：

DashScopeApi：百炼平台核心客户端，承载所有模型调用、知识库检索请求
workSpaceId：阿里云百炼平台专属工作空间ID，对应个人/企业知识库空间
ChatClient：Spring AI 统一对话客户端，简化问答、流式响应、参数配置等操作

四、RAG 流式问答接口实现

通过 DashScopeDocumentRetriever 绑定百炼平台指定知识库，结合 DocumentRetrievalAdvisor 实现检索增强生成，最终返回流式文本响应，实现打字机效果问答输出。

复制代码

package com.zzyy.study.controller;

import com.alibaba.cloud.ai.advisor.DocumentRetrievalAdvisor;
import com.alibaba.cloud.ai.dashscope.api.DashScopeApi;
import com.alibaba.cloud.ai.dashscope.rag.DashScopeDocumentRetriever;
import com.alibaba.cloud.ai.dashscope.rag.DashScopeDocumentRetrieverOptions;
import jakarta.annotation.Resource;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.rag.retrieval.search.DocumentRetriever;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;

/**
 * 百炼RAG知识库问答控制器
 * 实现基于私有知识库的流式智能问答
 */
@RestController
public class BailianRagController {

    @Resource
    private ChatClient chatClient;

    @Resource
    private DashScopeApi dashScopeApi;

    /**
     * RAG流式问答接口
     * @param msg 用户提问内容
     * @return Flux<String> 流式响应结果
     */
    @GetMapping("/bailian/rag/chat")
    public Flux<String> chat(@RequestParam(name = "msg", defaultValue = "00000错误信息") String msg) {
        // 1、配置RAG检索参数：绑定百炼平台知识库名称
        DashScopeDocumentRetrieverOptions documentRetrieverOptions = DashScopeDocumentRetrieverOptions.builder()
                .withIndexName("*****") // 对应百炼平台创建的知识库名称
                .build();

        // 2、初始化知识库检索器
        DocumentRetriever retriever = new DashScopeDocumentRetriever(dashScopeApi, documentRetrieverOptions);

        // 3、构建问答请求，开启RAG检索+流式输出
        return chatClient.prompt()
                .user(msg)
                // 挂载RAG检索增强处理器，优先从知识库检索内容再生成回答
                .advisors(new DocumentRetrievalAdvisor(retriever))
                .stream()
                .content();
    }
}

五、核心功能原理详解

5.1 RAG 执行流程

用户提问 ：前端传入用户问题 msg
知识库检索 ：通过 DashScopeDocumentRetriever 从百炼平台 myerror 知识库中检索相似文档片段
检索增强 ：DocumentRetrievalAdvisor 将检索到的上下文拼接至用户提问中
模型生成：百炼大模型基于私有知识库内容生成专属答案
流式响应 ：通过 Flux 分段返回文本，实现实时打字机效果

5.2 核心类说明

类名	作用
`DashScopeDocumentRetrieverOptions`	RAG 检索配置类，主要用于指定知识库索引名称
`DashScopeDocumentRetriever`	百炼专属知识库检索器，对接云端知识库
`DocumentRetrievalAdvisor`	AI 增强切面，自动完成检索、上下文注入、问答优化
`Flux<String>`	Reactor 流式响应，适配前端实时渲染场景

六、总结

本文从零搭建了一个基于 Spring AI Alibaba + 阿里云百炼 DashScope 的 RAG 流式问答服务，核心代码仅需一个配置类和一个控制器，即可实现私有知识库检索增强与流式输出。整套方案极大简化了 AI 应用开发流程，开发者只需替换知识库名称和工作空间ID，便可快速上线自己的智能问答系统。希望本教程能为你带来启发，欢迎交流探讨。