别再羡慕 Python 了！Spring AI 解析：从入门到 RAG 实战

嘿，各位 Javaers！

最近一两年，AI 的浪潮席卷了整个技术圈。每当看到隔壁 Python 工程师用几行代码就调用了 GPT-4，实现了各种酷炫的 AI 功能时，你是不是也曾默默地羡慕过？一边是 Python 生态（比如 LangChain、LlamaIndex）的如火如荼，另一边是我们 Java 世界的“稳如老狗”。我们不禁要问：难道在 AI 时代，Java 真的慢了一步吗？

NO！

现在Java AI 的官方神器“Spring AI”， 已来，赶紧加入吧。

一. Spring AI 是什么？为什么我们需要它？

简单来说，Spring AI 是一个旨在简化 AI 应用开发的应用框架。

在没有 Spring AI 的世界里，如果你想在 Java 应用里调用一个大语言模型（LLM），你可能需要：

• 仔细阅读 OpenAI、Google Gemini 或者其他模型提供商的 API 文档。

• 引入一个 HTTP Client 库（如 OkHttp、HttpClient）。

• 手动构建 HTTP 请求，处理 Header、Body，尤其是那个复杂的 JSON 结构。

• 发送请求，然后小心翼翼地解析返回的 JSON 响应。

• 处理各种异常、重试和认证逻辑。

• 如果有一天，你想从 OpenAI 切换到 Azure OpenAI 或者一个本地的 Ollama 模型，恭喜你，上面的大部分工作都得重来一遍。

这其中充满了大量与业务无关的“胶水代码”，繁琐且容易出错。

而 Spring AI 的核心使命就是消除这些模板代码。它借鉴了 Python 社区 LangChain 的成功经验，为 Java 开发者提供了一套统一、抽象的 API。无论你背后用的是 GPT-4、Gemini 还是开源的 Llama 3，你的业务代码几乎可以保持不变。

一句话总结：Spring AI 之于 AI 开发，就像 Spring Data 之于数据库访问。它让你专注于“你想让 AI 做什么”，而不是“你该如何调用这个 AI”。

二. 核心原理与架构：优雅的抽象艺术

Spring AI 的设计哲学完美体现了 Spring 家族的传统艺能——面向接口编程和强大的抽象能力。

其核心架构主要围绕以下几个关键组件：

• ChatClient / ImageClient / EmbeddingClient：这是最核心的接口，也是我们打交道最多的入口。它们分别对应聊天对话、图片生成和向量嵌入这三大主流 AI 应用场景。你的业务代码只需要注入这些客户端接口，而不需要关心具体是哪个厂商的实现。

• Prompt / PromptTemplate：Prompt（提示词）是发送给 AI 的指令。直接用字符串拼接 Prompt 是一种糟糕的实践，难以维护且容易出错。Spring AI 提供了 PromptTemplate，允许你使用模板来动态生成复杂的 Prompt，就像使用 String.format 一样简单优雅。

• AiResponse：这是对 AI 模型返回结果的封装。它不仅包含了生成的文本内容（Generation），还包含了诸如