一文看懂什么是Spring AI 并且列举实际例子

原创于 2025-07-18 18:03:24 发布 · 454 阅读

CC 4.0 BY-SA版权

文章标签：

Spring AI 是一个新兴的概念，它并不是一个官方的框架或项目名称，而是指利用 Spring Boot 框架来集成人工智能（AI）服务或功能的应用开发方式。通过 Spring Boot 的灵活性和强大的生态系统，开发者可以轻松地将 AI 功能整合到他们的应用程序中。

详细讲解

确定需求
首先，明确你的应用需要哪种类型的AI功能。例如，自然语言处理（NLP）、图像识别、预测分析等。这将指导你选择合适的AI服务或API。
选择AI服务
根据你的需求选择合适的服务提供商。常见的AI服务包括但不限于：

OpenAI: 提供了诸如GPT系列模型等强大的文本生成能力。
Google Cloud AI: 包括语音转文字、翻译等多种服务。

以下举个实际例子给大家演示
ai客服问答

在Spring Boot框架中集成AI服务来构建一个知识库问答系统，可以极大地提升应用的智能化水平。下面将详细介绍如何使用Spring Boot结合AI服务（例如OpenAI）实现一个复杂的AI知识库问答系统。

详细讲解

环境准备
Spring Boot项目：创建一个新的Spring Boot项目。
AI服务选择：这里以OpenAI为例，你可以根据需要选择其他服务提供商。
依赖管理：添加必要的依赖项到pom.xml文件中。
xml
深色版本

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
  </dependency>
<!-- OpenAI Java SDK or any HTTP client library --> <dependency>
    <groupId>com.theokanning</groupId>
    <artifactId>openai-gpt3-java-client</artifactId>
    <version>0.2.4</version> </dependency>
<dependency>
    <groupId>io.milvus</groupId>
    <artifactId>milvus-sdk-java</artifactId>
    <version>2.0.2</version>
</dependency>

配置
在application.yml中添加配置信息，包括API密钥等。

yaml
深色版本
openai:
api-key: your_openai_api_key_here
3. 创建Service层
编写服务类来处理与AI服务的交互逻辑。

java
深色版本

@Service
public class AiKnowledgeBaseService {

    private final String apiKey;

    public AiKnowledgeBaseService(@Value("${openai.api-key}") String apiKey) {
        this.apiKey = apiKey;
    }

    public String queryKnowledgeBase(String question, List<String> knowledgeBaseDocuments) throws Exception {
        OkHttpClient client = new OkHttpClient();
        
        // Combine the question with knowledge base documents to form a prompt
        StringBuilder promptBuilder = new StringBuilder("基于以下文档回答问题:\n");
        for (String doc : knowledgeBaseDocuments) {
            promptBuilder.append(doc).append("\n---\n");
        }
        promptBuilder.append("问题: ").append(question);

        RequestBody body = new MultipartBody.Builder()
                .setType(MultipartBody.FORM)
                .addFormDataPart("model", "text-davinci-003")
                .addFormDataPart("prompt", promptBuilder.toString())
                .addFormDataPart("max_tokens", "150")
                .build();

        Request request = new Request.Builder()
                .url("https://api.openai.com/v1/completions")
                .post(body)
                .addHeader("Authorization", "Bearer " + apiKey)
                .addHeader("Content-Type", "application/json")
                .build();

        try (Response response = client.newCall(request).execute()) {
            if (!response.isSuccessful()) throw new IOException("Unexpected code " + response);

            JSONObject jsonObject = new JSONObject(response.body().string());
            return ((JSONArray)jsonObject.get("choices")).getJSONObject(0).getString("text").trim();
        }
    }
}

创建Controller层
编写控制器来接收HTTP请求，并调用Service方法。

@RestController
@RequestMapping("/api/ai-kb")
public class AiKnowledgeBaseController {

    @Autowired
    private AiKnowledgeBaseService aiKnowledgeBaseService;

    @PostMapping("/query")
    public ResponseEntity<String> query(@RequestBody Map<String, Object> payload) {
        try {
            String question = (String) payload.get("question");
            List<String> knowledgeBaseDocuments = (List<String>) payload.get("documents");

            String answer = aiKnowledgeBaseService.queryKnowledgeBase(question, knowledgeBaseDocuments);
            return ResponseEntity.ok(answer);
        } catch (Exception e) {
            return ResponseEntity.status(HttpStatus.INTERNAL_SERVER_ERROR).body("Error querying AI knowledge base.");
        }
    }
}

创建Service层：编写服务类来处理与Milvus的交互逻辑。
java
深色版本

@Service
public class MilvusService {

    private final ConnectParam connectParam;

    public MilvusService(@Value("${milvus.host}") String host,
                         @Value("${milvus.port}") int port) {
        this.connectParam = ConnectParam.newBuilder()
                .withHost(host)
                .withPort(port)
                .build();
    }

    public List<String> searchDocuments(String query) throws Exception {
        // 假设已经有一个方法将文本转换为向量
        List<Float> queryVector = textToVector(query);

        SearchParam searchParam = SearchParam.newBuilder()
                .withCollectionName("your_collection")
                .withMetricType(MetricType.L2)
                .withOutFields(Arrays.asList("doc_id", "content"))
                .withTopK(5)
                .withVectors(Collections.singletonList(queryVector))
                .build();

        try (Connection connection = ConnectionPool.getInstance().getConnection(connectParam)) {
            R<SearchResults> response = connection.search(searchParam);
            // 处理结果并返回相关文档
            return processSearchResults(response);
        }
    }

    private List<Float> textToVector(String text) {
        // 实现将文本转换为向量的逻辑，可能需要调用预训练模型
        return new ArrayList<>();
    }

    private List<String> processSearchResults(R<SearchResults> response) {
        // 解析搜索结果，提取相关内容
        return new ArrayList<>();
    }
}

更新Controller层：修改控制器以利用新的服务类。
java
深色版本

@RestController
@RequestMapping("/api/ai-kb")
public class AiKnowledgeBaseController {

    @Autowired
    private MilvusService milvusService;

    @PostMapping("/query")
    public ResponseEntity<String> query(@RequestBody Map<String, Object> payload) {
        try {
            String question = (String) payload.get("question");
            List<String> relatedDocs = milvusService.searchDocuments(question);

            // 根据找到的相关文档，进一步处理（例如，使用OpenAI API生成答案）
            String answer = generateAnswerFromDocs(question, relatedDocs);
            return ResponseEntity.ok(answer);
        } catch (Exception e) {
            return ResponseEntity.status(HttpStatus.INTERNAL_SERVER_ERROR).body("Error querying AI knowledge base.");
        }
    }

    private String generateAnswerFromDocs(String question, List<String> docs) {
        // 实现根据相关文档生成答案的逻辑
        return "";
    }
}