使用 Spring AI 在 Spring Boot 中构建生成式 AI 应用
苟日新，日日新，又日新。生活从不眷顾因循守旧、满足现状者，从不等待不思进取、坐享其成者，而是将更多的机遇留给善于和勇于创新的人们。
在人工智能飞速发展的今天，无论是 AI 相关的技术，还是 AI 相关的产品，都是层出不穷、日新月异。
简介
Spring AI 是一个基于Spring生态的 AI 接入组件，简化人工智能应用的开发流程，提供了抽象接口，作为开发 AI 应用程序的基础。 这些抽象具有多种实现，支持以最少的代码更改轻松交换组件。
它为 Java 开发者提供强大的 AI 接入能力，让开发者可以在 Spring 项目中轻松调用各类 AI 接口，它支持主流的 AI 模型提供商，例如：Anthropic、OpenAI、Microsoft、Amazon、Google 和 Ollama 等。
环境准备
需要准备Java、Maven环境。
Java 17或更高版本
Maven 3.6/gradle 或更高版本
Spring Boot 3.2.x and 3.3.x
安装
在此之前请初始化一个 Spring Boot 项目：https://start.spring.io/ 。
在 pom.xml 中指定 spring io 仓库:
<repositories>
<repository>
<id>spring-milestones</id>
<name>Spring Milestones</name>
<url>https://repo.spring.io/milestone</url>
<snapshots>
<enabled>false</enabled>
</snapshots>
</repository>
<repository>
<id>spring-snapshots</id>
<name>Spring Snapshots</name>
<url>https://repo.spring.io/snapshot</url>
<releases>
<enabled>false</enabled>
</releases>
</repository>
</repositories>添加依赖管理器：
<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>然后选择一个模型，并配置相关依赖。
这里以 ollama 为例，请参考 Ollama 官网，安装Ollama，并部署运行一个模型，这里以 deepseek 模型为例：
ollama run deepseek-r1:1.5b在 pom.xml 添加ollama依赖:
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
</dependency>配置
使用 Ollama，有很多配置，可以参考官网：https://docs.spring.io/spring-ai/reference/api/chat/ollama-chat.html
这里只需要简单配置一下使用的模型即可，地址和端口都是默认的，也可以根据配置指定，在 application.properties 配置中添加：
spring.ai.ollama.base-url=http://localhost:11434
spring.ai.ollama.chat.options.model=deepseek-r1:1.5b控制器在项目中创建一个controller，提供一个交互的接口：
package com.example.demo.springai.controller;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;
@RestController
class MyController {
private final ChatClient chatClient;
public MyController(ChatClient.Builder chatClientBuilder) {
this.chatClient = chatClientBuilder.build();
}
@GetMapping("/ai")
String generation(String userInput) {
return this.chatClient.prompt()
.user(userInput)
.call()
.content();
}
}
如果需要流式输出，可以将call()改成stream，就像这样：
@GetMapping("/ai")
Flux<String> generation(String userInput) throws UnsupportedEncodingException {
return this.chatClient.prompt()
.user(userInput)
.stream()
.content();
}这里提供了一个/ai的接口，接收userInput输入参数，然后调用模型交互返回内容。
启动
启动Spring Boot项目，然后可以使用浏览器访问http://localhost:8080/ai?userInput=springai，就可以看到AI的回复了。
最后
除此之外，Spring Boot还支持主流的矢量数据、向量存储、模型评估等功能。目前来看，Spring Boot显然已是Java开发者接入AI应用的必备利器。
抢走你饭碗的不是AI，而是会用AI的人。
页:
[1]