DeepSeek实用技巧系列-在Spring Boot中集成生成式AI之Spring AI（一）

本文链接：https://blog.youkuaiyun.com/wangchenaaaa/article/details/145787127

Spring AI简介

Spring AI是Spring生态中的一个新兴项目，其目标是简化大型语言模型（LLM）的集成流程，提供统一的API接口。通过Spring AI，开发者可以：

快速接入多种模型（如OpenAI、Hugging Face、本地模型等）；
实现标准化模型交互模板（如提示词管理、响应解析）；
利用Spring Boot的依赖注入和配置管理功能，降低代码复杂度。

实战步骤：在Spring Boot中集成生成式AI

1. 创建Spring Boot项目

使用Spring Initializr初始化一个项目，选择Spring Web和Lombok依赖。

2. 添加Spring AI依赖

在pom.xml中添加Spring AI的依赖（以OpenAI为例）：

<XML>

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    <version>0.8.0</version>
</dependency>

3. 配置API密钥

在application.properties中配置生成式AI服务商的密钥：

spring.ai.openai.api-key=your-openai-api-key
spring.ai.openai.model=gpt-3.5-turbo

4. 实现AI服务层

创建一个AIService类，编写与模型交互的代码：

<JAVA>

@Service
@RequiredArgsConstructor
public class AIService {

    private final OpenAiClient openAiClient;

    public String generateText(String prompt) {
        return openAiClient.generate(prompt).getGeneration().getText();
    }

    // 高级用法：使用Prompt对象结构化输入
    public List<String> generateMultipleResponses(String question) {
        PromptTemplate promptTemplate = new PromptTemplate("你是一个助手，请回答这个问题：{question}");
        Prompt prompt = promptTemplate.create(Map.of("question", question));
        return openAiClient.generate(prompt)
                .getGenerations().stream()
                .map(Generation::getText)
                .toList();
    }
}

5. 创建REST控制器

暴露一个API端点供外部调用：

<JAVA>

@RestController
@RequiredArgsConstructor
@RequestMapping("/ai")
public class AIController {

    private final AIService aiService;

    @PostMapping("/ask")
    public ResponseEntity<String> askQuestion(@RequestBody String question) {
        try {
            String response = aiService.generateText(question);
            return ResponseEntity.ok(response);
        } catch (Exception e) {
            return ResponseEntity.status(500).body("AI服务调用失败：" + e.getMessage());
        }
    }
}

二、Spring AI如何与模型互动

核心交互流程

客户端请求 → 2. Spring Boot接收参数 → 3. Spring AI构建Prompt对象 →
调用AI模型API → 5. 解析响应 → 6. 返回结构化的结果

高级功能：结构化输出

通过@OutputParser注解自定义响应解析逻辑（如将文本解析为JSON对象）：

<JAVA>

public class RecipeOutputParser implements OutputParser<Recipe> {
    @Override
    public Recipe parse(String text) {
        // 解析AI返回的菜谱文本为Recipe对象
        return new Recipe(...);
    }
}

支持多模型交互

Spring AI支持多种模型服务的统一抽象。例如，你可以通过切换配置文件轻松切换到Claude模型：

<JAVA>

// application-claude.properties
spring.ai.anthropic.api-key=your_key
spring.ai.anthropic.model=claude-2.1

三、实际应用场景

智能客服：根据用户提问生成自然语言回复
内容创作：自动编写文章草稿或营销文案
代码生成：通过自然语言生成SQL查询或Java代码片段

四、部署与优化建议

安全性：通过@PreAuthorize限制敏感接口的访问权限
限流机制：使用Resilience4j防止模型API被过量调用
缓存策略：对常见问题的回答进行缓存（如配置@Cacheable）
异步处理：通过@Async避免长时间阻塞请求线程

五、总结

通过Spring AI，开发者无需深入理解复杂的AI模型底层，即可将智能能力无缝融入现有Spring Boot应用。其模块化设计既保证了扩展性（支持新模型快速接入），又通过Spring风格的API降低了学习成本。