阿里出手了：Spring AI Alibaba正式版发布！

原创于 2025-06-15 20:10:18 发布 · 617 阅读

19 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #人工智能 #python

Spring AI Alibaba 提供高层次的 AI API 抽象与云原生基础设施集成方案，帮助开发者快速构建 AI 应用。

Spring AI Alibaba 是基于 Spring AI 构建的，专门针对阿里云生态（如通义千问、OSS 等）进行深度适配和功能增强。

Spring AI Alibaba 提供高层次的 AI API 抽象与云原生基础设施集成方案，帮助开发者快速构建 AI 应用。

主要功能

Spring AI Alibaba 提供的主要功能如下：

开发复杂 AI 应用的高阶抽象 Fluent API — ChatClient。
提供多种大模型服务对接能力，包括主流开源与阿里云通义大模型服务（百炼）等。
支持的模型类型包括聊天、文生图、音频转录、文生语音等。
支持同步和流式 API，在保持应用层 API 不变的情况下支持灵活切换底层模型服务，支持特定模型的定制化能力（参数传递）。
支持 Structured Output，即将 AI 模型输出映射到 POJOs。
支持矢量数据库存储与检索。
支持函数调用 Function Calling。
支持构建 AI Agent 所需要的工具调用和对话内存记忆能力。
支持 RAG 开发模式，包括离线文档处理如 DocumentReader、Splitter、Embedding、VectorStore 等，支持 Retrieve 检索等。
支持 MCP 调用。

正式版发布

Spring AI Alibaba 在前段时间也发布了第一个 GA（General Availability，正式发布版）版 1.0.0.2，这是第一个 GA 版本！

“Spring AI Alibaba 支持 ChatBot、Workflow 和 Multi-agent（多智能体）应用程序的开发。

主要特点

全面框架集成：无缝连接阿里巴巴服务，包括百联的 Dashscope，支持 Qwen 和 Deepseek 等各种主流 AI 模型。
多智能体框架：基于图的多代理框架：受 Langgraph 的启发，Spring AI Alibaba Graph 可以轻松构建工作流和多代理应用程序。
企业级 AI 代理解决方案

Nacos MCP 注册表。
分布式 MCP 发现和负载均衡。
动态 API 到 MCP 代理。
NL2SQL 用于将自然语言查询转换为 SQL 语句。
可观察性。

快速开始

1.引入 spring-ai-alibaba-starter 依赖

复制

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
    <version>3.3.4</version>
</dependency>

<dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-starter</artifactId>
    <version>1.0.0.2</version>
</dependency>

2.设置配置文件 application.yml

复制

spring:
  ai:
    dashscope:
      api-key: ${AI_DASHSCOPE_API_KEY}

3.注入 ChatModel

复制

private final ChatModel dashScopeChatModel;

public DashScopeChatModelController(ChatModel chatModel) {
  this.dashScopeChatModel = chatModel;
}

4.编写控制器

复制

@GetMapping("/simple/chat")
public String simpleChat() {

  return dashScopeChatModel.call(new Prompt(DEFAULT_PROMPT)).getResult().getOutput().getContent();
}

/**
 * Stream 流式调用。可以使大模型的输出信息实现打字机效果。
 * @return Flux<String> types.
 */
@GetMapping("/stream/chat")
public Flux<String> streamChat(HttpServletResponse response) {

  // 避免返回乱码
  response.setCharacterEncoding("UTF-8");

  Flux<ChatResponse> stream = dashScopeChatModel.stream(new Prompt(DEFAULT_PROMPT));
  return stream.map(resp -> resp.getResult().getOutput().getContent());
}