Spring AI Alibaba + Ollama 实战：基于本地 Qwen3 的 Spring Boot 大模型应用

这里体现了几个核心设计理念：

• 通过 BOM（spring-ai-alibaba-bom + spring-ai-bom）统一版本管理，避免各个 Starter 之间的版本地狱；
• 实际运行时模型选择 Ollama，既方便本地开发调试，又可以在网络受限场景下顺畅运行；
• 未来如果要切到阿里云 DashScope，只需要：
  • 打开已经写好的（但当前被注释掉的） spring-ai-alibaba-starter-dashscope 依赖；
  • 在配置文件里增加 spring.ai.dashscope.* 对应配置，不需要改业务代码。

环境配置：Ollama + Qwen3 + PgVector

spring_ai_alibaba-demo/src/main/resources/application.yaml 中：

server:port:8081# 应用监听端口servlet:context-path: /alibaba-ai # 统一的服务前缀spring:ai:ollama:base-url: http://localhost:11434# 本地 Ollama 服务地址chat:options:model: qwen3:0.6b # 聊天用的 Qwen3 模型名称temperature:0.8# 采样温度，越高回答越发散embedding:options:model: qwen3-embedding:0.6b # 用于向量化的 embedding 模型vectorstore:pgvector:dimensions:1024# 向量维度，需要与 embedding 模型输出一致distance-type: cosine_distance # 相似度度量方式initialize-schema:true# 启动时自动创建 PgVector 表结构datasource:url: jdbc:postgresql://<your-host>:5432/postgres?serverTimezone=Asia/Shanghai # PostgreSQL 连接串username: postgres password:****# 建议通过环境变量或配置中心注入

• Ollama 在本机 11434 端口提供服务，加载的是 qwen3:0.6b 模型（本质上仍然是阿里云通义家族的模型，只是以本地方式运行）；
• Embedding 使用 qwen3-embedding:0.6b；
• PgVector 存储维度设置为 1024，采用余弦相似度；
• 数据源配置指向 PostgreSQL，用于向量存储和（可选）对话记忆持久化。

三、基础对话：从 ChatModel 到 ChatClient

Demo 中提供了两种对话方式：直接使用 ChatModel，以及通过 ChatClient 封装后的高级用法。

3.1 使用 ChatModel 流式返回

ChatModelController：

@RestController@RequestMapping("/chatModel")publicclassChatModelController{// 注入由 Spring AI 自动装配的 Ollama ChatModelprivatefinalChatModel ollamaChatModel;publicChatModelController(ChatModel ollamaChatModel){this.ollamaChatModel = ollamaChatModel;}@GetMapping("/chat")publicFlux<String>chat(@RequestParam("message")String message){// message：用户输入的自然语言问题return ollamaChatModel.stream(newPrompt(message))// 以流式方式调用大模型.map(ChatResponse::getResult)// 提取每个增量响应的结果对象.mapNotNull(result -> result.getOutput().getText());// 只保留最终输出的文本内容}}

• ChatModel 由 spring-ai-starter-model-ollama 自动装配，底层指向本地 Qwen3 模型；
• .stream(...) 返回的是一个 响应式 Flux，可以在前端按 token/片段逐步渲染；
• 控制器本身和普通 Spring Web 控制器没有本质差别，学习成本非常低。

3.2 使用 ChatClient 提升可用性

ChatClientController：

@RestController@RequestMapping("/chatClient")publicclassChatClientController{// 基于 ChatModel 封装的高级客户端，后续可以挂接 Adviser、工具等能力privatefinalChatClient ollamaChatClient;publicChatClientController(ChatClient ollamaChatClient){this.ollamaChatClient = ollamaChatClient;}@GetMapping("/chat")publicFlux<String>stream(@RequestParam("message")String message){// 使用最简单的 Prompt，直接将用户输入交给大模型，并以流式方式返回结果return ollamaChatClient .prompt(newPrompt(message))// 构造 Prompt 对象.stream()// 流式调用.content();// 提取文本内容}@GetMapping("/prompt")publicFlux<String>prompt(){PromptTemplate template =PromptTemplate.builder().template("请用简短中文回答：{question}")// 模板中定义占位符 {question}.variables(Map.of())// 这里可以预先声明变量，也可以在 create 时传入.build();// 使用实际问题填充模板变量Prompt prompt = template.create(Map.of("question","Spring AI Alibaba 有什么特点？"));return ollamaChatClient.prompt(prompt).stream().content();}}

和 ChatModel 相比，ChatClient 的优势在于：

• 提供链式 API：.prompt().call()/stream()，更易读；
• 更容易挂接 Adviser（记忆、RAG、工具等），形成统一调用入口；
• 在需要多轮交互、上下文管理时更易扩展。

在 OllamaConfig 中，Demo 还展示了如何为 ChatClient 挂接记忆 Adviser，后面章节会展开。

四、对话记忆：内存版与可扩展版

实际业务中，一个'傻傻忘记前文'的大模型体验非常差。Demo 中给出了两种记忆实现方式。

4.1 简单内存记忆：SimpleMemories

@ComponentpublicclassSimpleMemoriesimplementsChatMemory{privatestaticfinalMap<String,List<Message>> MEMORIES_CACHE =newHashMap<>();@Overridepublicvoidadd(String conversationId,List<Message> messages){// conversationId：会话标识；messages：本轮新增的消息列表List<Message> memories = MEMORIES_CACHE.getOrDefault(conversationId,newArrayList<>());if(messages !=null&&!messages.isEmpty()){ memories.addAll(messages);} MEMORIES_CACHE.put(conversationId, memories);}@OverridepublicList<Message>get(String conversationId){// 根据会话 ID 取出该会话的历史消息return MEMORIES_CACHE.getOrDefault(conversationId,newArrayList<>());}@Overridepublicvoidclear(String conversationId){// 清空某个会话的记忆List<Message> messages = MEMORIES_CACHE.get(conversationId);if(messages !=null){ messages.clear();}}}

• 通过 conversationId 区分不同会话；
• 适合 Demo、PoC 或对可靠性要求不高的场景；
• 结合 MessageChatMemoryAdvisor 可以自动把历史消息注入到当前 Prompt 中。

4.2 Adviser 方式：MemoriesAdviser

@ComponentpublicclassMemoriesAdviserimplementsBaseAdvisor{privatestaticfinalMap<String,List<Message>> MEMORIES =newHashMap<>();// 用于在 ChatClient 的上下文中标识当前会话 ID 的 keyprivatestaticfinalString CHAT_MEMORIES_SESSION_ID ="chat_memories_session_id";@OverridepublicChatClientRequestbefore(ChatClientRequest request,AdvisorChain chain){// 从上下文中读取会话 ID，并取出其历史消息String sessionId = request.context().get(CHAT_MEMORIES_SESSION_ID).toString();List<Message> messages = MEMORIES.getOrDefault(sessionId,newArrayList<>());// 当前请求的消息放到历史消息后面，一起交给大模型 messages.addAll(request.prompt().getInstructions());Prompt prompt = request.prompt().mutate().messages(messages).build();return request.mutate().prompt(prompt).build();}@OverridepublicChatClientResponseafter(ChatClientResponse response,AdvisorChain chain){// 把本次大模型回复写回到对应会话的记忆中AssistantMessage output = response.chatResponse().getResult().getOutput();String sessionId = response.context().get(CHAT_MEMORIES_SESSION_ID).toString();List<Message> messages = MEMORIES.getOrDefault(sessionId,newArrayList<>()); messages.add(output); MEMORIES.put(sessionId, messages);return response;}}

• 在 before 中把历史消息 + 当前消息拼成一个新的 Prompt；
• 在 after 中把模型回复写回内存；
• 通过在 ChatClient 构建时添加 defaultAdvisors(memoriesAdvisor)，即可对所有请求启用记忆能力。

进一步，你可以把 DataBaseChatMemoryRepository 补充完整，将消息写入数据库，实现持久化对话记忆。

五、RAG：Qwen3 + PgVector 的检索增强

RAG（Retrieval Augmented Generation）是典型的企业级能力，本 Demo 通过 RagChatClientController 进行演示。

5.1 向量入库：TokenTextSplitter + PgVectorStore

@RestController@RequestMapping("/rag")publicclassRagChatClientController{privatefinalChatClient ragChatClient;privatefinalPgVectorStore pgVectorStore;publicRagChatClientController(ChatClient ragChatClient,PgVectorStore pgVectorStore){this.ragChatClient = ragChatClient;this.pgVectorStore = pgVectorStore;}@GetMapping("/embedding")publicvoidembeddingContent(@RequestParam("message")String message){// message：待向量化的原始文本内容TokenTextSplitter splitter =TokenTextSplitter.builder().withChunkSize(50)// 每个分片的最大 token 数.withKeepSeparator(true)// 是否保留分隔符（如换行符）.withMaxNumChunks(1024)// 单次允许生成的最大分片数.withMinChunkLengthToEmbed(20)// 小于该长度的分片不入库，避免噪声.withMinChunkSizeChars(10)// 切分时的最小字符数，避免切得过碎.build();List<Document> docs = splitter.split(Document.builder().text(message).build());// 将文本切分为多个 Document pgVectorStore.add(docs);// 写入 PgVector 向量库}}

• TokenTextSplitter 基于 token 切分文档，避免切得过碎或过长；
• PgVectorStore.add 将切分后的文档写入 PostgreSQL + PgVector；
• 真实项目中可把 /embedding 换成异步批处理任务。

5.2 RAG 对话：RetrievalAugmentationAdvisor

@ConfigurationpublicclassVectorChatClientConfig{@Bean("ragChatClient")publicChatClientragChatClient(ChatModel chatModel,VectorStore vectorStore){VectorStoreDocumentRetriever retriever =VectorStoreDocumentRetriever.builder().vectorStore(vectorStore)// 具体使用的向量库实现，这里是 PgVector.topK(3)// 每次检索返回相似度最高的前 3 条文档.similarityThreshold(0.5)// 相似度阈值，小于该值的文档会被过滤掉.build();RetrievalAugmentationAdvisor advisor =RetrievalAugmentationAdvisor.builder().documentRetriever(retriever)// 指定文档检索器.order(0)// Adviser 执行顺序，越小越先执行.build();returnChatClient.builder(chatModel).defaultAdvisors(advisor)// 默认启用 RAG 能力.build();}}

• RetrievalAugmentationAdvisor 会在每次请求前，先到向量库检索相关文档；
• 然后把检索结果作为'系统提示词'或'上下文'塞给 Qwen3 模型；
• 对你来说，只需调用 ragChatClient.prompt().user(question).call()，就能得到'带知识库'的回答。

六、工具调用：用 @Tool 让模型调用你的 Java 方法

在很多场景中，大模型需要调用业务系统的 API 才能完成任务。Spring AI 提供了 @Tool 注解，Demo 中的 ZoomTool 便是一个简单示例。

6.1 定义工具：ZoomTool

@ComponentpublicclassZoomTool{@Tool(description ="通过时区 ID 获取当前时间")publicStringgetTimeByZone(@ToolParam(description ="时区 ID，比如 Asia/Shanghai")String zone){// zone：时区 ID，示例：Asia/Shanghai、Europe/BerlinZoneId zoneId =ZoneId.of(zone);ZonedDateTime now =ZonedDateTime.now(zoneId);returnDateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss").format(now);// 返回格式化后的时间字符串}}

6.2 将工具挂到 ChatClient 上

@ConfigurationpublicclassToolChatClientConfig{@Bean("toolChatClient")publicChatClienttoolChatClient(ChatModel ollamaChatModel,ZoomTool zoomTool){// ollamaChatModel：底层使用的 Qwen3 模型；zoomTool：提供获取时间的业务工具returnChatClient.builder(ollamaChatModel).defaultSystem(this.systemPrompt())// 设置默认的系统提示词，统一咖啡馆背景.defaultTools(zoomTool)// 将 ZoomTool 注册为可调用的工具.build();}privateStringsystemPrompt(){Map<String,Object> vars =newHashMap<>(); vars.put("AMERICAN","1-3");// 美式咖啡制作时间（分钟） vars.put("LATTE","2");// 拿铁咖啡制作时间（分钟） vars.put("TIME_ZONE","Asia/Shanghai");// 默认时区 IDSystemPromptTemplate tpl =SystemPromptTemplate.builder().template("欢迎光临 ZhouByte咖啡馆，... 默认时区：{TIME_ZONE}")// 系统提示词模板.variables(vars)// 绑定上面的变量.build();return tpl.render();// 渲染出包含具体变量值的系统提示词}}

对应的 Controller：

@RestController@RequestMapping("/tool")publicclassToolChatController{privatefinalChatClient toolChatClient;publicToolChatController(ChatClient toolChatClient){this.toolChatClient = toolChatClient;}@GetMapping("/chat")publicFlux<String>chat(@RequestParam("message")String message){return toolChatClient .prompt()// 创建一次新的对话请求.user(message)// 添加一条用户消息.stream()// 流式调用大模型.content();// 只提取文本内容返回}}

• 模型可以在需要时自动调用 getTimeByZone，返回指定时区时间；
• 你只需要编写普通的 Java 方法，剩下的交给 Spring AI 的工具调用机制。

七、Alibaba Graph 子项目：有状态工作流编排

spring_ai_alibaba-demo/alibaba-graph 子项目使用 spring-ai-alibaba-graph-core 演示了如何构建大模型工作流。

7.1 定义 Graph：StateGraph + CompiledGraph

GraphConfig 中：

@ConfigurationpublicclassGraphConfig{@Bean("quickStartGraph")publicCompiledGraphquickStartGraph()throwsGraphStateException{// "quickStartGraph"：图名称；后面的 Map 用于定义状态 key 的合并策略StateGraph graph =newStateGraph("quickStartGraph",()->Map.of("input",newReplaceStrategy(),// 多次写入时，后写入的值覆盖之前的值"output",newReplaceStrategy())); graph.addNode("node1",AsyncNodeAction.node_async(state ->{// node1：设置初始 input 和 outputreturnMap.of("input","graphConfig_addNode","output","graphConfig_output");})); graph.addNode("node2",AsyncNodeAction.node_async(state ->{// node2：模拟业务处理，将 input 改为 ZhouBytereturnMap.of("input","ZhouByte","output","EMPTY");}));// 定义执行顺序：START -> node1 -> node2 -> END graph.addEdge(StateGraph.START,"node1").addEdge("node1","node2").addEdge("node2",StateGraph.END);return graph.compile();}}

• StateGraph 描述节点、边和状态合并策略；
• AsyncNodeAction 封装每个节点的执行逻辑；
• compile() 得到可执行的 CompiledGraph。

7.2 调用 Graph：WebFlux + 流式输出

GraphController：

@RestController@RequestMapping("/v1")publicclassGraphController{@ResourceprivateCompiledGraph quickStartGraph;@GetMapping("/graph")publicFlux<String>startGraph(){// 这里传入空的初始状态 Map，按定义好的 StateGraph 顺序执行return quickStartGraph.stream(Map.of()).map(NodeOutput::toString);// 将每个节点的输出对象转换为字符串返回}}

• 使用 WebFlux + Flux<NodeOutput> 将节点执行结果流式返回；
• 通过 RunnableConfig.builder().threadId(conversationId) 还可以实现'带会话 ID 的工作流'，类似有状态 Agent。

7.3 quickStartGraph 执行流程图

结合上面的 GraphConfig 和 GraphController，/v1/graph 接口整体执行流程可以用下面这张流程图来表示（以 GitHub 为例，可以直接渲染 Mermaid）：

HTTP 请求：GET /alibaba-graph/v1/graphGraphController.startGraph()CompiledGraph.stream(Map.of())StateGraph.START节点 node1
input = graphConfig_addNode
output = graphConfig_output节点 node2
input = ZhouByte
output = EMPTYStateGraph.ENDFlux 流式返回

• 从 GraphController.startGraph() 开始，调用 CompiledGraph.stream(Map.of()) 启动图的执行；
• 图从 StateGraph.START 出发，依次流经 node1、node2，最终到达 StateGraph.END；
• 每个节点都会向全局状态写入 input / output 等字段，并以 Flux<NodeOutput> 的形式逐步返回给调用方。

7.4 多条件分支 Graph 示例（addConditionalEdges）

在实际业务中，Graph 往往不只是线性顺序，还会根据状态进行分支判断。spring-ai-alibaba-graph-core 提供了 addConditionalEdges，可以基于当前 OverAllState 计算「条件标签」，再根据标签跳转到不同节点。

下面是一个简化的「评分决策」示例，根据 score 分数分别走向通过 / 复核 / 拒绝三条路径：

@ConfigurationpublicclassConditionalGraphConfig{@Bean("scoreDecisionGraph")publicCompiledGraphscoreDecisionGraph()throwsGraphStateException{StateGraph graph =newStateGraph("scoreDecisionGraph",()->Map.of("score",newReplaceStrategy(),// 保存当前评分"result",newReplaceStrategy()// 保存决策结果));// 读取或设置评分（示例中从 state 中读取，实际可由外部请求传入） graph.addNode("checkScore",AsyncNodeAction.node_async(state ->{Integer score =(Integer) state.value("score").orElse(75);// 默认 75 分returnMap.of("score", score);}));// 三个业务分支节点：通过 / 复核 / 拒绝 graph.addNode("pass",AsyncNodeAction.node_async(state ->Map.of("result","PASS"))); graph.addNode("review",AsyncNodeAction.node_async(state ->Map.of("result","REVIEW"))); graph.addNode("reject",AsyncNodeAction.node_async(state ->Map.of("result","REJECT")));// 起点先进入评分检查节点 graph.addEdge(StateGraph.START,"checkScore");// 多条件边：根据 score 返回不同的'标签'，再由 mappings 决定下一跳节点 graph.addConditionalEdges("checkScore",AsyncEdgeAction.edge_async(state ->{int score =(Integer) state.value("score").orElse(0);if(score >=80){return"PASS";}if(score >=60){return"REVIEW";}return"REJECT";}),Map.of("PASS","pass","REVIEW","review","REJECT","reject"));// 三个结果节点最终都指向 END graph.addEdge("pass",StateGraph.END); graph.addEdge("review",StateGraph.END); graph.addEdge("reject",StateGraph.END);return graph.compile();}}

这段代码中，addConditionalEdges 的三个参数含义是：

• sourceId：条件边的源节点 ID，这里是 "checkScore"；
• AsyncEdgeAction：根据当前 OverAllState 计算条件标签，这里返回 "PASS" / "REVIEW" / "REJECT"；
• mappings：标签与目标节点 ID 的映射，例如 "PASS" -> "pass"，即当标签为 "PASS" 时跳到 pass 节点。

对应的执行流程，可以画成如下多分支流程图：

在真实项目中，你可以把 score 换成「风控评分」「召回结果命中情况」「用户画像标签」等任意业务信号，通过 addConditionalEdges 把复杂分支逻辑从代码 if/else 中抽离出来，统一放在 Graph 层管理。

在这个子项目中，Graph 本身是'流程层'，可以在节点里调用 Spring AI / Spring AI Alibaba 的各种模型与工具，实现复杂的多步推理与业务编排。

八、如何从本地 Ollama 平滑切到阿里云 DashScope

虽然当前 Demo 主要跑在本地 Ollama 上，但由于使用了 Spring AI + Spring AI Alibaba 的统一抽象，切换到阿里云 DashScope 十分简单：

1. 在 pom.xml 中启用 DashScope Starter（示例中已给出注释代码）：

<dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-starter-dashscope</artifactId><version>1.1.0.0-M5</version></dependency>

2. 在配置文件中增加 DashScope 的配置（示例）：

spring:ai:dashscope:api-key: ${DASHSCOPE_API_KEY}# 从环境变量或配置中心读取 DashScope 的 API Keyendpoint: https://dashscope.aliyuncs.com chat:options:model: qwen-plus # 使用的通义千问在线模型temperature:0.8# 采样温度max-tokens:2048# 单次回答的最大 token 数

3. 将原来的 ChatModel 注入点从 Ollama 替换为 DashScope 对应的 Bean（通常只需要调整配置，不改业务代码）。

凭借 Spring AI 的抽象层，你可以：

• 开发阶段：本地跑 Qwen3（Ollama），成本低、调试快；
• 生产阶段：切到云上 DashScope（Qwen-Max / Qwen-Plus 等），享受更强算力和更高可用性；
• 中长期：在 Spring AI Alibaba 的生态内同时兼容多家国内模型厂商。

九、实践建议与最佳实践

• 配置管理
  • API Key 使用环境变量或配置中心（Nacos、KMS 等），避免硬编码；
  • Ollama、DashScope 的模型名称、温度等参数尽量抽到配置文件中。
• 错误处理与重试
  • 针对网络异常、超时、限流等场景做兜底和重试策略；
  • 对外暴露的接口统一封装错误返回，避免直接把底层错误抛给前端。
• 性能与成本
  • 在高并发场景建议优先使用流式输出 + 前端增量渲染；
  • RAG 中控制 TopK、相似度阈值和切分策略，避免向量库'爆炸'。
• 代码结构
  • 将 ChatClient 配置、Graph 配置等放在独立的 config 包中，业务层只关心接口调用；
  • 工具方法使用 @Tool 暴露，便于模型统一管理和调用。
• 版本与升级
  • Spring AI Alibaba 当前仍以 Milestone 版本为主（如 1.1.0.0-M5），升级前建议阅读 release notes；
  • 保持对 spring-ai-bom / spring-ai-alibaba-bom 的依赖，让升级尽量在 BOM 层完成。

十、总结与展望

基于 spring_ai_alibaba-demo 子项目，我们实际体验了一次：

• 如何用 Spring AI + Spring AI Alibaba BOM 快速接入本地 Qwen3（Ollama）；
• 如何在同一套抽象下串联起对话、记忆、RAG、工具调用；
• 如何通过 spring-ai-alibaba-graph-core 构建基于大模型的有状态工作流；
• 以及如何在不改业务代码的前提下，为未来切换到阿里云 DashScope 留出空间。

对 Spring 开发者来说，这套体系最大的价值在于：

• 统一抽象：不同模型供应商之间切换成本极低；
• 生态完善：兼容 Spring Boot、WebFlux、向量库、MCP、Graph 等丰富组件；
• 本地 + 云端双模：既能在本地快速迭代，又能无缝迁移到云上生产环境。

再次附上示例子项目 GitHub 地址，欢迎你亲手跑一跑代码、提 Issue、点 Star：

GitHub 项目地址：https://github.com/zhouByte-hub/java-ai/tree/main/spring_ai_alibaba-demo