开启 AI 开发新时代：Spring AI 入门与实战（一）

代码库地址：https://github.com/Why1214/spring-demo.git分支：spring-ai

在 AI 大模型如火如荼的当下，各种新型词汇正以惊人的频率出现各大平台：LLM（大语言模型）、Prompt（提示词）、Function Call（函数调用）、MCP 协议、A2A 协议、RAG（检索增强生成） 等，同时也成为我们技术人的“新日常”。

与此同时，一些过去鲜少被提及的技术概念也逐渐走到台前，比如：Reactive Streams、Reactor、Flow、SSE（ServerSendEvent）、WebFlux 等，这些名词正在改变我们对传统后端架构与服务能力的理解。

在这样的技术演进趋势下，Spring 官方推出了专为 Java 开发者设计的 AI 框架 —— Spring AI，旨在提供一种更加优雅、标准化、可拓展的方式，将大模型能力无缝集成到 Spring Boot 应用中。

目前各大平台的文章基本都是用python语言对AI技术进行讲解，对我们Java工程师不是很友好，即使有些文章是用Java举例，但是demo不完整，导致我们在实践过程中遇到错误无法下手；今天开始，我将会一步一步去对Spring AI框架进行讲解，并用完整的demo进行演示。

废话不多说，直接上代码（相信很多小伙伴和我一样，先看效果，再学理论）：

前提：之后的demo演示全部都是调用了DeepSeek平台

一、创建一个spring-ai的maven项目，pom文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <parent>
        <groupId>com.why.demo</groupId>
        <artifactId>spring-demo</artifactId>
        <version>1.0-SNAPSHOT</version>
    </parent>
    <artifactId>spring-ai</artifactId>
    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.ai</groupId>
                <artifactId>spring-ai-bom</artifactId>
                <version>1.0.0-SNAPSHOT</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-model-openai</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-webflux</artifactId>
        </dependency>
    </dependencies>
    <repositories>
        <repository>
            <id>spring-snapshots</id>
            <name>Spring Snapshots</name>
            <url>https://repo.spring.io/snapshot</url>
            <releases>
                <enabled>false</enabled>
            </releases>
        </repository>
        <repository>
            <name>Central Portal Snapshots</name>
            <id>central-portal-snapshots</id>
            <url>https://central.sonatype.com/repository/maven-snapshots/</url>
            <releases>
                <enabled>false</enabled>
            </releases>
            <snapshots>
                <enabled>true</enabled>
            </snapshots>
        </repository>
    </repositories>
</project>

二、添加大模型配置（application.properties）

// api-key：在deepseek平台申请的key
spring.ai.openai.api-key=sk-xxxxxx
spring.ai.openai.base-url=https://api.deepseek.com
spring.ai.openai.chat.options.model=deepseek-chat

三、创建controller

@RestController
public class MyAIController {
    @Resource
    private OpenAiChatModel chatModel;

    @GetMapping(value="/deepseek/chat/stream"
,produces= MediaType.TEXT_EVENT_STREAM_VALUE)
    public Flux<String> generateStream(@RequestParam(value = "message") String message) {
        Prompt prompt = new Prompt(new UserMessage(message));
        return this.chatModel.stream(prompt)
		           .map(ChatResponse::getResult)
		           .map(Generation::getOutput)
		           .map(AssistantMessage::getText);
    }
}

代码解释：

1、Spring AI提供了两个模型API的抽象，分别是 Model 和 StreamingModel；Model抽象了阻塞访问的api，StreamingModel则抽象了非阻塞访问的api；

2、ChatModel 接口继承了 Model 和 StreamingModel，OpenAiChatModel 实现了 ChatModel；

3、Prompt 可以简单的理解为对请求大模型的数据进行了封装（具体详情在后续会讲解）；

4、ChatResponse 对大模型的响应数据进行了封装。

上面三个步骤完成之后，恭喜你，就可以运行一个与AI模型交互的Spring应用程序了：

这里我用了SSE的请求方式，如果想实现传统Client-Server的模式，可以将以下代码段删除：

produces= MediaType.TEXT_EVENT_STREAM_VALUE

到此，Java工程师的AI初体验就结束了，后续我将继续深入讲解Spring AI的其他功能，尽情期待吧！！！

代码库地址：https://github.com/Why1214/spring-demo.git分支：spring-ai