Spring AI 框架核心使用指南

流程示例：用户输入 → ChatClient → 模型提供商 → 输出（可流式） → Advisors 处理（日志/缓存）。

更新：兼容 GraalVM Native，提升冷启动性能；MCP 支持 stdio/HTTP SSE 端点。

四、支持的 AI 提供商

Spring AI 支持 20+ 提供商，确保灵活性。

配置示例（application.yml）：

spring:
  ai:
    openai:
      api-key: ${OPENAI_API_KEY}
chat:
  options:
    model: gpt-4o
embedding:
  options:
    model: text-embedding-ada-002

五、快速入门

步骤 1: 添加依赖

使用 Spring Initializr（start.spring.io）添加 spring-ai-openai-spring-boot-starter。

Maven 示例：

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

步骤 2: 配置 API Key

在 application.yml 中设置密钥（环境变量推荐）。

步骤 3: 构建简单应用

启动类：

@SpringBootApplication
public class SpringAiApp {
    public static void main(String[] args) {
        SpringApplication.run(SpringAiApp.class, args);
    }
}

六、基本用法代码示例

1. 聊天交互（ChatClient）

@Service
public class ChatService {
    private final ChatClient chatClient;

    public ChatService(ChatClient.Builder chatClientBuilder) {
        this.chatClient = chatClientBuilder.build();
    }

    public String chat(String message) {
        return chatClient.prompt().user(message).call().content(); // 同步响应
    }
}

流式示例：.call().stream() 返回 Flux。

2. 嵌入生成

@Service
public class EmbeddingService {
    private final EmbeddingModel embeddingModel;

    public List<Double> embed(String text) {
        EmbeddingResponse response = embeddingModel.embed(text);
        return response.getOutput().get(0).getEmbedding();
    }
}

3. 图像生成

@Service
public class ImageService {
    private final ImageModel imageModel;

    public String generateImage(String prompt) {
        ImageResponse response = imageModel.call(new Prompt(new ImagePrompt(prompt)));
        return response.getResult().getOutput().getUrl(); // 返回图像 URL
    }
}

支持多模态：输入图像 + 文本。

4. RAG 示例（向量存储）

使用 PGVector：

@Autowired
private VectorStore vectorStore;

public SearchResult ragSearch(String query) {
    vectorStore.add(List.of(Document.builder().content("企业数据...").build()));
    return vectorStore.similaritySearch(SimilarityRequest.query(query));
}

集成 ChatClient：chatClient.prompt().user(query).advisors(ragAdvisor).call()。

七、高级主题

1. RAG（Retrieval Augmented Generation）

• 核心：嵌入查询 → 向量搜索 → 注入上下文 → LLM 生成。
• 实践：模块化 RAG 架构，支持多向量存储。

2. 代理（Agents）

Spring AI 1.1 引入 Agents 框架，支持 5 大模式：

• 简单代理：基本工具调用。
• 工具链：顺序执行工具。
• 示例：天气代理（调用 MCP 工具）。

@Tool
public String getWeather(String city) {
    /* 调用 API */
}

使用 Advisors 封装模式，如重试/缓存。

3. 评估与 Bench

使用 Spring AI Bench 评估生成质量：

// 伪代码：评估幻觉率
BenchmarkResult result = bench.evaluate(generatedText, expected);

4. 安全与非功能需求

• moderation 模型过滤内容。
• OAuth for MCP。
• 性能：虚拟线程支持，Native Image 兼容。

八、Spring Boot 集成与最佳实践

• Starter 机制：spring-ai-starter-vector-store-pgvector 等，一键集成。
• 观测：集成 Micrometer，监控令牌使用。
• 最佳实践：
  • 使用 Advisors 封装模式，避免重复代码。
  • 优先结构化输出，减少解析错误。
  • 测试：Mock AI 提供商，单元测试 ChatClient。
  • 伦理：评估幻觉，遵守数据隐私（GDPR）。

Spring AI 让 Java 开发者轻松拥抱 AI 浪潮！