SpringAI集成ZhiPu AI实战指南：从配置到流式响应

关注

VIP免费原创最新推荐文章于 2026-09-12 13:32:47 发布 889 阅读 AI 写同款· GEO 优化 ›

1. 为什么你需要SpringAI + ZhiPu AI这个组合？

如果你是一个Java开发者，尤其是Spring Boot的忠实用户，最近肯定没少听人提起“SpringAI”这个词。简单来说，SpringAI是Spring官方推出的一个项目，它的目标就是把各种大模型的能力，像数据库、消息队列一样，无缝集成到你的Spring应用里。你不用再自己去写一堆HTTP客户端代码，处理复杂的JSON解析和错误重试，SpringAI帮你把这些脏活累活都干了，你只需要关注业务逻辑本身。

那为什么选择ZhiPu AI呢？智谱的GLM系列模型，比如GLM-4、GLM-3-Turbo，在中文理解和生成上的表现有目共睹，对于国内开发者来说，访问速度、技术支持都更友好。把SpringAI和ZhiPu AI结合起来，就相当于给你的Spring Boot应用装上了一个“原生中文大脑”。无论是想做个智能客服、内容摘要工具，还是给内部系统加个问答助手，这个组合都能让你用最“Spring”的方式快速实现。

我自己的项目里就用上了这个组合。最开始我也是自己封装HTTP客户端去调API，虽然也能跑起来，但代码里到处都是RestTemplate和ObjectMapper，配置参数散落在各处，想加个流式响应或者切换模型都很麻烦。后来换到SpringAI，感觉整个世界都清爽了——配置集中了，调用方式统一了，而且和Spring生态里的其他组件（比如Security、Actuator）配合起来毫无障碍。这篇文章，我就把我从零开始集成，到搞定流式响应的实战经验，掰开揉碎了分享给你，保证你跟着做一遍就能上手。

2. 5分钟搞定基础环境与自动配置

万事开头难，但SpringAI把这个“难”字给去掉了。集成ZhiPu AI最快的方式，就是使用Spring Boot Starter，这也是我最推荐新手使用的方式，几乎就是“开箱即用”。

2.1 第一步：创建项目与引入依赖

首先，你得有一个Spring Boot项目。如果你还没有，用Spring Initializr（start.spring.io）快速生成一个，记得选上Spring Web和Lombok（后者能让代码更简洁，可选但推荐）。

接下来，就是添加核心依赖了。打开你的pom.xml文件，在<dependencies>部分加入下面这段：

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-zhipuai-spring-boot-starter</artifactId>
    <version>0.8.1</version> <!-- 请务必使用最新版本 -->
</dependency>

这里有个小坑我踩过：SpringAI的版本迭代比较快，一定要去官方仓库或者Maven中央库查一下最新版本。用旧版本可能会遇到一些API不兼容或者Bug。如果你用的是Gradle，那么在build.gradle的dependencies块里加上这一行就行：implementation 'org.springframework.ai:spring-ai-zhipuai-spring-boot-starter:0.8.1'。

加完依赖，刷新一下你的Maven或Gradle项目，让依赖下载完成。这个过程可能会下载一些相关的包，比如SpringAI的核心包、Reactor（用于响应式编程，流式响应必备）等，耐心等一下。

2.2 第二步：申请并配置你的API Key

依赖有了，接下来你得有把“钥匙”去调用ZhiPu AI的服务。去智谱AI的开放平台官网注册账号，并创建一个API Key。这个过程很简单，跟着网站指引走就行，通常几分钟就能搞定。

拿到那串看起来像乱码的API Key之后，就是关键的配置环节了。打开你的application.properties（或者你喜欢的application.yml），添加以下配置：

# ZhiPu AI 核心配置
spring.ai.zhipuai.api-key=你的真实API_KEY
spring.ai.zhipuai.chat.options.model=glm-4-air
spring.ai.zhipuai.chat.options.temperature=0.7
spring.ai.zhipuai.chat.options.max-tokens=1024

我来解释一下这几个参数：

api-key：这个没得说，就是你的通行证。切记不要把这个值直接硬编码在代码里，更不要上传到GitHub等公开仓库！最好使用环境变量或者配置中心来管理。
model：指定使用哪个模型。glm-4-air是性价比较高的一个版本，适合大多数对话场景。如果你想用更强大的glm-4或者更快的glm-3-turbo，直接改这里就行。
temperature：这个参数控制生成文本的“创造性”，范围在0到1之间。值越低（如0.2），输出越确定、保守；值越高（如0.8），输出越随机、有创意。0.7是一个比较平衡的起点，你可以根据你的场景调整。
max-tokens：限制单次回复的最大长度。设得太小回答可能不完整，太大又浪费资源。1024对于短对话足够了，长文生成可以调到2048或更高。

配置完这些，其实你的SpringAI + ZhiPu AI集成已经完成了90%。Spring Boot的自动配置机制会在后台帮你创建好所有的Bean，包括ZhiPuAiChatModel这个核心的聊天模型对象。

2.3 第三步：写个接口试试水

光说不练假把式，我们来写一个最简单的REST接口验证一下。创建一个ChatController：

import lombok.RequiredArgsConstructor;
import org.springframework.ai.chat.model.ChatModel;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import java.util.Map;

@RestController
@RequiredArgsConstructor
public class ChatController {
    /