Spring AI 使用教程

Spring AI 使用教程（2025年5月24日更新）

一、环境搭建与项目初始化

1. 创建Spring Boot项目

   • 使用IDEA或Spring Initializr创建项目，选择JDK 17或更高版本（推荐21）。
   • 勾选依赖项：Spring Web、Lombok，Maven或Gradle作为构建工具。
   • 添加Spring AI依赖（以OpenAI为例）：

     <dependency>
         <groupId>org.springframework.ai</groupId>
         <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
         <version>1.0.0-M6</version>
     </dependency>
     

2. 配置API密钥
   在application.yml中配置模型服务（以DeepSeek为例）：

   spring:
     ai:
       openai:
         api-key: sk-your-api-key
         base-url: https://api.deepseek.com/v1
         chat:
           options:
             model: deepseek-chat
   ```<sup>5</sup><sup>8</sup><sup>11</sup>
   
   

二、基础功能实现

1. 调用大模型生成文本

   • 通过ChatClient发送请求：

     @RestController
     public class ChatController {
         @Autowired
         private ChatClient chatClient;
         
         @GetMapping("/chat")
         public String chat(@RequestParam String prompt) {
             return chatClient.prompt(prompt).call().content();
         }
     }
     

   • 启动应用后，访问http://localhost:8080/chat?prompt=写一首春天的诗即可获取响应。

2. 文档处理（ETL）

   • 添加文档处理依赖（如PDF解析）：

     <dependency>
         <groupId>org.springframework.ai</groupId>
         <artifactId>spring-ai-tika-document-reader</artifactId>
     </dependency>
     

   • 读取并转换本地文档：

     DocumentReader reader = new TikaDocumentReader();
     List<Document> docs = reader.read("file:///data.pdf");
     

三、高级应用场景

1. RAG（检索增强生成）

   • 结合本地数据与大模型，实现知识库增强问答：
     • 使用spring-ai-spark集成讯飞星火：

       <dependency>
           <groupId>com.iflytek.spark</groupId>
           <artifactId>spring-ai-spark-spring-boot-starter</artifactId>
           <version>1.0.0-M6-SNAPSHOT</version>
       </dependency>
       

     • 将本地数据向量化存储，通过语义检索生成精准答案。

2. MCP服务集成

   • 搭建MCP（Model Context Protocol）服务：

     <dependency>
         <groupId>org.springframework.ai</groupId>
         <artifactId>spring-ai-starter-mcp-server-webmvc</artifactId>
     </dependency>
     

   • 通过JSON-RPC与模型交互，支持多模态输入输出。

四、实战案例：构建网页聊天应用

1. 前端集成

   • 使用Thymeleaf或React/Vue搭建前端页面，通过WebSocket或SSE与后端通信。
   • 示例代码片段（SSE推送）：

     @GetMapping("/stream-chat")
     public SseEmitter streamChat(@RequestParam String prompt) {
         SseEmitter emitter = new SseEmitter();
         chatClient.prompt(prompt).stream().subscribe(content -> {
             emitter.send(content);
         });
         return emitter;
     }
     

2. 记忆存储与会话管理

   • 使用ChatMemory组件保存上下文：

     @Bean
     public ChatMemory chatMemory() {
         return new InMemoryChatMemory(50); // 保留最近50轮对话
     }
     

五、注意事项与调试技巧

1. 常见问题

   • 模型响应慢：调整超时配置spring.ai.openai.chat.options.timeout=60s。
   • 中文支持不佳：在prompt中明确指定“用中文回答”。

2. 日志调试

   • 启用详细日志：

     logging:
       level:
         org.springframework.ai: DEBUG
     

六、总结与扩展

Spring AI通过模块化设计，支持快速接入主流模型（如DeepSeek、讯飞星火）和高级功能（RAG、MCP）。开发者可结合业务需求扩展以下场景：

• 多模型混合调用：通过@Qualifier注解切换不同模型。
• 工具调用：集成外部API（如天气查询）增强AI能力。
• 企业级部署：结合Kubernetes实现弹性扩缩容。