手把手教你Spring-AI实战，从入门到精通（一）：用Google GenAI 完成文本嵌入的实战

关注

原创最新推荐文章于 2026-10-21 12:58:13 发布 802 阅读 AI 写同款· GEO 优化 ›

Spring AI 2.0 + LangChain4j 1.19 AI 可观测性企业级实战：从 OTel GenAI 语义约定到源码级落地 Java 生态正在把 LLM 调用收敛到 OTel GenAI 语义约定这一套统一语言上。这背后真正的"为什么"，是当 AI 应用被部署到生产环境时，工程师需要的不是更聪明的模型，而是对一个调用到底发生了什么、扣了多少钱、慢了多久、卡在哪里的可观测能力。回到开篇的三个翻车：账单可控、链路可定位、流式首字可量化——这三条都不需要魔法模型或 Python 重写，只需要把 Spring AI 2.0 的+ LangChain4j 1.19 的。阅读详情

一、Google GenAI 文本嵌入与准备工作

Google GenAI 文本嵌入 API 使用密集向量表示。与稀疏向量（倾向于直接将单词映射到数字）不同，密集向量旨在更好地表示一段文本的含义。在生成式 AI 中使用密集向量嵌入的好处是，您不仅可以搜索直接的单词或语法匹配，还可以更好地搜索与查询含义相符的段落，即使这些段落不使用相同的语言。

目前，Google GenAI SDK 仅支持文本嵌入。多模态嵌入支持正在开发中，将在 SDK 可用时添加。

此实现提供认证模式：

备注（重要）：【需要一定的上网技术，甚至运行项目也需要此条件。】

Gemini 开发者 API： 使用 API 密钥进行快速原型设计和开发。
- 从 Google AI Studio 获取 API 密钥。（目前适量使用的免费的，见图示）
- 将 API 密钥设置为环境变量或在应用程序属性中设置

二、项目依赖：采用最新的 Spring Boot 4.0.5 版本，适配的 AI 为 `Spring AI 2.0.0.M4`

采用 Gradle项目，因为配置要比Maven简洁的多。配置语法采用kotlin，语法结构上更加规范，有相应错误检查。
具体的 build.gradle.kts 配置如下

plugins {
    java
    id("org.springframework.boot") version "4.0.5"
    id("io.spring.dependency-management") version "1.1.7"

    id("io.spring.nullability") version "0.0.12"
}

group = "com.yiyi"
version = "0.0.1-SNAPSHOT"
description = "web"

java {
    toolchain {
        languageVersion = JavaLanguageVersion.of(25)
    }
}

repositories {
    mavenCentral()
    maven {
        name = "Central Portal Snapshots"
        url = uri("https://central.sonatype.com/repository/maven-snapshots/")
    }
}

dependencies {
    implementation(platform("org.springframework.ai:spring-ai-bom:2.0.0-M4"))

    implementation("org.springframework.boot:spring-boot-starter-webflux")
    // AI
    implementation("org.springframework.ai:spring-ai-starter-model-deepseek")
    implementation("org.springframework.ai:spring-ai-starter-model-google-genai-embedding")
}

tasks.withType<Test> {
    useJUnitPlatform()
}

三、Spring Boot 的配置文件：`application.yaml`

spring:
  application:
    name: yiiai    # 可访问 yiiai.top

  ai:
    deepseek:
      api-key: [你自己的 DeepSeek api-key]
      chat:
        options:
          model: deepseek-chat
          temperature: 0.7


    google:
      genai:
        embedding:
          api-key: [你自己的 Gemini api-key]

四、实战项目代码 : EmbeddingController.java

package com.yiyi.web.controller;

import org.jspecify.annotations.NullMarked;
import org.springframework.ai.embedding.EmbeddingModel;
import org.springframework.ai.embedding.EmbeddingResponse;
import org.springframework.ai.google.genai.text.GoogleGenAiTextEmbeddingModel;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

import java.util.List;

@NullMarked
@RestController
public class EmbeddingController {

    private final EmbeddingModel embeddingModel;

    public EmbeddingController(GoogleGenAiTextEmbeddingModel embeddingModel) {
        this.embeddingModel = embeddingModel;
    }

    @GetMapping("/embed")
    public float[] embed(@RequestParam String text) {
        EmbeddingResponse response = embeddingModel.embedForResponse(List.of(text));
        float[] result = response.getResults().getFirst().getOutput();
        System.out.println("float[] result length: " + result.length);
        return result;
    }
}

Spring Boot 启动类，以后的文章中省略此启动类

package com.yiyi.web;

import org.jspecify.annotations.NullMarked;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.data.r2dbc.repository.config.EnableR2dbcRepositories;

@NullMarked
@SpringBootApplication
@EnableR2dbcRepositories
public class WebApplication {
    static void main(String[] args) {
        SpringApplication.run(WebApplication.class, args);
    }
}