非常好的
问题！如果你的电商系统是基于
Java（尤其是 Spring Boot），并且希望**快速
对接通义千问大模型（Qwen）**，下面是一个 **从零开始、生产可用、5 分钟可跑通** 的完整实现方案。
我们将使用 **Spring Boot + Spring AI 核心抽象 +
阿里云
DashScope API** 实现：
- 快速调用 Qwen 大模型
- 支持文本生成（如商品描述、客服回复）
- 可扩展为 RAG、智能推荐等场景
- 代码简洁、结构清晰、易于维护
---
### ✅ 第一步：准备前提条件
#### 1
. 获取
阿里云 API Key
前往 [https://
dashscope.console
.aliyun
.com/](https://
dashscope.console
.aliyun
.com/)
- 登录
阿里云账号
- 创建 API Key（在「密钥管理」中）
- 记下你的 `
DASHSCOPE_API_KEY`
> 💡 新用户有免费额度（约 100 万 tokens），足够测试使用。
#### 2
. 确定要使用的模型
常用
通义千问系列模型：
| 模型名 | 特点 | 推荐用途 |
|--------------|--------------------------|------------------|
| `qwen-turbo` | 响应快、成本低 | 客服
问答、摘要 |
| `qwen-plus` | 性能均衡 | 商品文案生成 |
| `qwen-max` | 强推理能力，接近 GPT-4 | 复杂任务、决策 |
我们以 `qwen-turbo` 为例。
---
### ✅ 第二步：添加 Maven 依赖
```xml
<!-- Spring Boot Web -->
<dependency>
<groupId>org
.springframework
.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<!-- Spring AI Core -->
<dependency>
<groupId>org
.springframework
.ai</groupId>
<artifactId>spring-ai-core</artifactId>
<version>0
.8
.1</version>
</dependency>
<!-- JSON 处理 -->
<dependency>
<groupId>
com.fasterxml
.jackson
.core</groupId>
<artifactId>jackson-databind</artifactId>
</dependency>
```
> ⚠️ 注意版本兼容性。建议使用 Spring Boot 3
.1+ 和 Spring AI 0
.8
.x。
---
### ✅ 第三步：封装 QwenChatClient（核心）
```
java
import org
.springframework
.ai
.chat
.ChatClient;
import org
.springframework
.ai
.chat
.ChatResponse;
import org
.springframework
.ai
.chat
.Generation;
import org
.springframework
.ai
.chat
.messages
.Message;
import org
.springframework
.ai
.chat
.messages
.UserMessage;
import org
.springframework
.ai
.chat
.prompt
.Prompt;
import org
.springframework
.beans
.factory
.annotation
.Value;
import org
.springframework
.stereotype
.Component;
import org
.springframework
.web
.client
.RestTemplate;
import org
.springframework
.http
.*;
import
java.util
.Collections;
@
Component
public class QwenChatClient implements ChatClient {
private final RestTemplate restTemplate = new RestTemplate();
@Value("${
dashscope.api
.key}")
private String apiKey;
private static final String ENDPOINT = "https://
dashscope.aliyuncs
.com/api/v1/services/aigc/text-generation/generation";
@Override
public ChatResponse call(Prompt prompt) {
// 提取用户消息
String userMessage = extractUserMessage(prompt);
// 构建请求体
RequestBody request = new RequestBody();
request
.setModel("qwen-turbo"); // 可配置
request
.setInput(new Input(Collections
.singletonList(
new Input
.Message("user", userMessage)
)));
request
.setParameter(new Parameter());
// 设置 Header
HttpHeaders headers = new HttpHeaders();
headers
.setContentType(MediaType
.APPLICATION_JSON);
headers
.set("Authorization", "Bearer " + apiKey);
HttpEntity<RequestBody> entity = new HttpEntity<>(request, headers);
try {
ResponseEntity<ResponseData> responseEntity = restTemplate
.exchange(
ENDPOINT, HttpMethod
.POST, entity, ResponseData
.class);
String content = responseEntity
.getBody()
.getOutput()
.getText();
return new ChatResponse(new Generation(content));
} catch (Exception e) {
throw new RuntimeException("Error calling Qwen API: " + e
.getMessage(), e);
}
}
private String extractUserMessage(Prompt prompt) {
return prompt
.getInstructions()
.stream()
.filter(m -> m instanceof UserMessage)
.map(Message::getContent)
.findFirst()
.orElseThrow(() -> new IllegalArgumentException("No user message provided"));
}
// --- DTOs ---
static class RequestBody {
private String model;
private Input input;
private Parameter parameter;
// getter/setter
public String getModel() { return model; }
public void setModel(String model) { this
.model = model; }
public Input getInput() { return input; }
public void setInput(Input input) { this
.input = input; }
public Parameter getParameter() { return parameter; }
public void setParameter(Parameter parameter) { this
.parameter = parameter; }
}
static class Input {
private
java.util
.List<Message> messages;
public Input(
java.util
.List<Message> messages) { this
.messages = messages; }
static class Message {
private String role;
private String content;
public Message(String role, String content) {
this
.role = role;
this
.content = content;
}
// getter/setter
public String getRole() { return role; }
public void setRole(String role) { this
.role = role; }
public String getContent() { return content; }
public void setContent(String content) { this
.content = content; }
}
public
java.util
.List<Message> getMessages() { return messages; }
}
static class Parameter {
private double temperature = 0
.7;
private int max_tokens = 512;
// 默认即可，也可通过 @Value 注入
}
static class ResponseData {
private Output output;
public Output getOutput() { return output; }
static class Output {
private String text;
public String getText() { return text; }
public void setText(String text) { this
.text = text; }
}
}
}
```
---
### ✅ 第四步：配置文件（application
.yml）
```yaml
server:
port: 8080
dashscope:
api:
key: YOUR_
DASHSCOPE_API_KEY_HERE # 替换为你自己的 KEY
```
---
### ✅ 第五步：提供一个电商应用场景接口
比如：**自动生成商品营销文案**
```
java
import org
.springframework
.ai
.chat
.ChatClient;
import org
.springframework
.ai
.chat
.messages
.UserMessage;
import org
.springframework
.ai
.chat
.prompt
.Prompt;
import org
.springframework
.beans
.factory
.annotation
.Autowired;
import org
.springframework
.web
.bind
.annotation
.GetMapping;
import org
.springframework
.web
.bind
.annotation
.RequestParam;
import org
.springframework
.web
.bind
.annotation
.RestController;
@RestController
public class ProductCopywritingController {
@Autowired
private ChatClient chatClient; // 自动注入 QwenChatClient
/**
* 根据商品名称和特点生成营销文案
*/
@GetMapping("/ai/product-copy")
public String generateCopy(
@RequestParam String productName,
@RequestParam String features) {
String promptText = String
.format(
"你是一个电商文案专家，请为以下商品写一段吸引人的中文营销文案（不超过100字）：" +
"商品名：%s，特点：%s", productName, features);
Prompt prompt = new Prompt(new UserMessage(promptText));
return chatClient
.call(prompt)
.getResult()
.getOutput()
.getContent();
}
}
```
---
### ✅ 第六步：启动并测试
1
. 启动 Spring Boot 应用
2
. 调用接口：
```bash
GET http://localhost:8080/ai/product-copy?productName=无线蓝牙耳机&features=降噪,续航30小时,高清音质
```
返回示例：
> “沉浸式音乐体验！这款无线蓝牙耳机支持主动降噪，续航长达30小时，高清音质还原每一个细节，通勤旅行必备之选。”
✅ 成功！
---
### ✅ 扩展建议（后续优化方向）
| 功能 | 如何实现 |
|------|----------|
| 支持流式输出 | 实现 `StreamingChatClient`，处理 SSE |
| 多轮对话 | 使用 `MessageHistory` 保存上下文 |
| 模板化提示词 | 使用 `PromptTemplate` |
| 切换模型更方便 | 加入 `@Value("${ai
.model:qwen-turbo}")` 配置 |
| 错误重试机制 | 添加 `@Retryable` 注解 |
| 监控调用量 | 记录 token 数量、响应时间 |
---
### ✅ 总结：为什么这个方案“快”？
| 优势 | 说明 |
|------|------|
| 不依赖非官方库 | 拒绝 `jmanus` 这类不明来源包 |
| 基于标准 Spring AI 抽象 | 未来可无缝切换 OpenAI / 文心一言 |
| 结构清晰 | 易读、易维护、易测试 |
| 直接
对接官方 API | 稳定、安全、可商用 |
| 适用于电商场景 | 可用于文案生成、客服机器人、搜索增强等 |
---
扫一扫
746
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
