DeepSeek实用技巧系列-在Spring Boot中集成生成式AI之Spring AI（二）

本文链接：https://blog.youkuaiyun.com/wangchenaaaa/article/details/145787288

1. 什么是 Spring AI？

Spring AI 是 Spring 官方团队推出的开源项目，目标是为各种人工智能模型（如 OpenAI GPT、Hugging Face、本地LLM等）提供统一的 API 抽象层。其核心定位是：

开箱即用：通过 Spring Boot Starter 快速集成主流AI服务
标准化交互：统一不同模型的请求响应接口，降低学习成本
模块化设计：支持灵活扩展新模型（如 Llama3、Claude3）
开发者友好：沿用 Spring 熟悉的依赖注入和配置管理风格

当前（2024年7月）Spring AI 1.0 版本已正式发布，支持以下核心功能：

模块类型	功能示例
大语言模型｜文本生成、多轮对话、信息抽取｜
多模态模型｜图像生成（如 Stable Diffusion）、视觉问答｜
向量数据库｜语义检索、RAG应用开发｜
工具链｜提示词管理、输出格式解析、流式响应｜

2. 核心特性解析

2.1 统一的 API 抽象

无论对接 OpenAI、Azure AI 还是本地部署的 Llama3，Spring AI 通过 ChatClient 接口屏蔽底层差异：

<JAVA>

@Autowired  
private ChatClient chatClient;  

public String generatePoem(String topic) {  
    // 使用相同API调用不同模型  
    return chatClient.call(  
        Prompt.builder()  
            .text("为以下主题创作七言绝句：{}", topic)  
            .build()  
    ).getResult();  
}

2.2 声明式提示词模板

通过 PromptTemplate 实现动态内容生成和结构化输出：

<JAVA>

// 定义模板（支持 SpEL 表达式）
PromptTemplate template = new PromptTemplate("""
    你是一位{role}，请根据用户问题生成回答：
    问题：{question}
    回答语言：{lang}
""");

// 填充变量
Prompt prompt = template.create(Map.of(
    "role", "技术专家",
    "question", "如何设计高并发系统？",
    "lang", "中文"
));

String answer = chatClient.call(prompt).getResult();

2.3 模型自由切换

只需修改配置文件，无需改动业务代码即可切换AI提供者：

# application-openai.properties
spring.ai.openai.api-key=sk-xxx  
spring.ai.openai.model=gpt-4-turbo  

# application-azure.properties
spring.ai.azure.endpoint=https://xxxx.openai.azure.com  
spring.ai.azure.api-key=xxxxx  
spring.ai.azure.deployment-name=my-gpt4

2.4 流式响应支持

处理长文本生成时降低响应延迟：

<JAVA>

Flux<String> streamResponse = chatClient.stream(  
    Prompt.builder().text("讲解Java Stream API").build()  
);  

streamResponse.subscribe(  
    chunk -> System.out.print(chunk),  // 实时输出片段  
    error -> log.error("生成失败", error),  
    () -> System.out.println("\n生成完成")  
);

3. 快速入门示例

3.1 项目初始化

通过 Spring Initializr 添加依赖：

<XML>

<dependency>  
    <groupId>org.springframework.ai</groupId>  
    <artifactId>spring-ai-bom</artifactId>  
    <version>1.0.0</version>  
    <type>pom</type>  
    <scope>import</scope>  
</dependency>  

<!-- OpenAI 集成（也可选azure-ai/ollama等） -->
<dependency>  
    <groupId>org.springframework.ai</groupId>  
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>  
</dependency>

3.2 基础配置

<YAML>

spring:  
  ai:  
    openai:  
      api-key: ${OPENAI_API_KEY}  
      model: gpt-4o  
      temperature: 0.7  
      # 可选高级参数  
      max-tokens: 1000  
      response-format: json_object

3.3 创建RESTful服务

<JAVA>

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

    @Autowired  
    private ChatClient chatClient;  

    @PostMapping("/ask")  
    public String answerQuestion(@RequestBody String question) {  
        return chatClient.call(  
            Prompt.builder().text(question).build()  
        ).getResult();  
    }  
}

4. 企业级应用场景

4.1 智能客服系统

<JAVA>

@Service  
public class CustomerService {  

    @Retryable(maxAttempts=3, backoff=@Backoff(1000))  
    public String handleInquiry(String question) {  
        // 1. 意图识别  
        String intent = detectIntent(question);  

        // 2. 查询知识库  
        if (knowledgeBaseExists(intent)) {  
            return fetchFromKB(intent);  
        }  

        // 3. 动态生成回答  
        return chatClient.call(buildPrompt(intent, question));  
    }  
}

4.2 智能文档处理

4.3 RAG 知识库增强

结合向量数据库（如 Redis、PgVector）：

<JAVA>

ragTemplate.retrieve("查询")
   .addDocuments(vectorStore.search(query))  
   .stream()  
   .map(chatClient::call)  
   .collect(Collectors.joining("\n\n"));

5. 进阶功能扩展

5.1 自定义模型接入

继承 ChatClient 实现本地模型支持：

<JAVA>

@Bean  
public ChatClient myLocalModelClient() {  
    return new ChatClient() {  
        @Override  
        public String call(Prompt prompt) {  
            // 调用本地 HTTP 或 gRPC 接口  
            return myLLM.generate(prompt.getText());  
        }  
    };  
}

5.2 输出内容安全审查

集成审查过滤器：

<JAVA>

@Bean  
public OutputFilter profanityFilter() {  
    return response -> {  
        if (containsSensitiveWords(response)) {  
            throw new ContentBlockedException("包含违禁内容");  
        }  
        return response;  
    };  
}

6. 性能优化技巧

批量处理：使用 BatchPrompt 合并多个请求
缓存机制：对高频问题开启结果缓存
连接池优化：调整 HTTP 客户端参数

<YAML>

spring:  
  ai:  
    openai:  
      client:  
        connect-timeout: 10s  
        max-in-memory-size: 10MB

结语

Spring AI 通过优雅的设计哲学，将复杂的AI模型交互转化为符合Spring开发者直觉的编程模式。无论是快速验证AI创意还是构建企业级智能系统，其模块化架构和标准化接口都能显著提升研发效率。随着Spring生态的持续发展，Spring AI 或将成为Java领域AI应用开发的事实标准。

下一步行动：