Spring Boot整合Spring AI开发智能应用指南

1. Spring Boot与Spring AI整合概述

在当今企业级应用开发领域，快速构建智能应用已成为刚需。Spring Boot作为Java生态中最流行的微服务框架，与新兴的Spring AI模块结合，为开发者提供了快速集成AI能力的标准化方案。这种组合让传统Java开发者无需深入机器学习细节，就能为应用添加智能功能。

Spring AI项目是Spring官方实验性项目，旨在降低AI集成门槛。它抽象了不同AI提供商（如OpenAI、Azure AI等）的接口差异，提供统一的编程模型。通过自动配置和starter依赖，开发者可以像使用普通Spring组件一样调用AI服务。

2. 环境准备与项目创建

2.1 基础环境要求

• JDK 17+（Spring Boot 3.x最低要求）
• Maven 3.6+或Gradle 7.x
• IDE推荐IntelliJ IDEA（对Spring Boot支持最佳）

2.2 初始化Spring Boot项目

使用Spring Initializr创建项目时，需选择以下依赖：

xml复制<dependencies>
    <!-- Spring Boot基础依赖 -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    
    <!-- Spring AI核心依赖 -->
    <dependency>
        <groupId>org.springframework.experimental.ai</groupId>
        <artifactId>spring-ai-core</artifactId>
        <version>0.7.1-SNAPSHOT</version>
    </dependency>
    
    <!-- 使用OpenAI需添加 -->
    <dependency>
        <groupId>org.springframework.experimental.ai</groupId>
        <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
        <version>0.7.1-SNAPSHOT</version>
    </dependency>
</dependencies>

注意：由于Spring AI尚处实验阶段，需添加Spring快照仓库：

xml复制<repositories>
    <repository>
        <id>spring-snapshots</id>
        <url>https://repo.spring.io/snapshot</url>
        <snapshots><enabled>true</enabled></snapshots>
    </repository>
</repositories>

3. 核心功能实现

3.1 配置AI服务连接

在application.yml中配置OpenAI密钥：

yaml复制spring:
  ai:
    openai:
      api-key: ${OPENAI_API_KEY}
      model: gpt-3.5-turbo # 默认使用模型
      temperature: 0.7 # 控制生成随机性

3.2 实现基础对话功能

创建ChatController处理对话请求：

java复制@RestController
@RequestMapping("/api/chat")
public class ChatController {
    
    private final ChatClient chatClient;

    @Autowired
    public ChatController(ChatClient chatClient) {
        this.chatClient = chatClient;
    }

    @PostMapping
    public String generate(@RequestParam String message) {
        return chatClient.call(message);
    }
}

3.3 高级Prompt工程

Spring AI支持结构化Prompt模板：

java复制@Bean
PromptTemplate customerSupportPrompt() {
    return new PromptTemplate("""
        你是一名专业的{role}客服。
        请用{style}风格回答以下问题：
        {question}
        """);
}

@GetMapping("/support")
public String getSupport(@RequestParam String question) {
    Map<String, Object> params = Map.of(
        "role", "电子产品",
        "style", "亲切友好",
        "question", question
    );
    return promptTemplate.render(params);
}

4. 功能扩展与优化

4.1 流式响应处理

对于长文本生成，使用流式响应提升用户体验：

java复制@GetMapping("/stream")
public SseEmitter streamChat(@RequestParam String message) {
    SseEmitter emitter = new SseEmitter();
    chatClient.stream(message)
        .subscribe(
            chunk -> {
                try {
                    emitter.send(chunk);
                } catch (IOException e) {
                    throw new RuntimeException(e);
                }
            },
            emitter::completeWithError,
            emitter::complete
        );
    return emitter;
}

4.2 自定义AI客户端

实现特定领域的AI客户端：

java复制@Component
public class LegalAssistantClient {
    
    private final ChatClient chatClient;
    private final PromptTemplate legalPrompt;

    public LegalAssistantClient(ChatClient chatClient) {
        this.chatClient = chatClient;
        this.legalPrompt = new PromptTemplate("""
            你是一名专业律师，请根据{lawType}法律回答：
            {question}
            回答需引用具体法条。
            """);
    }

    public String legalAdvice(String lawType, String question) {
        return chatClient.call(
            legalPrompt.create(Map.of(
                "lawType", lawType,
                "question", question
            ))
        );
    }
}

5. 生产环境注意事项

5.1 性能优化建议

• 启用响应缓存：对常见问题结果缓存
• 设置合理超时：默认HTTP客户端可能需要调整
• 限制并发请求：防止API配额快速耗尽

5.2 安全防护措施

java复制@Configuration
@EnableWebSecurity
public class SecurityConfig {
    
    @Bean
    SecurityFilterChain securityFilterChain(HttpSecurity http) throws Exception {
        return http
            .authorizeHttpRequests(auth -> auth
                .requestMatchers("/api/chat/**").authenticated()
            )
            .oauth2ResourceServer(OAuth2ResourceServerConfigurer::jwt)
            .build();
    }
}

5.3 监控与指标

集成Actuator监控AI调用：

yaml复制management:
  endpoints:
    web:
      exposure:
        include: health,metrics,ai
  metrics:
    tags:
      application: ${spring.application.name}

6. 调试与问题排查

6.1 常见错误处理

6.2 日志分析技巧

启用DEBUG日志查看完整交互：

properties复制logging.level.org.springframework.ai=DEBUG

典型调试日志示例：

code复制DEBUG o.s.ai.openai.OpenAiApi - Request: 
  model: gpt-3.5-turbo
  messages: [{"role":"user","content":"你好"}]
DEBUG o.s.ai.openai.OpenAiApi - Response: 
  id: chatcmpl-7q... 
  usage: {prompt_tokens: 10, completion_tokens: 45}

7. 进阶应用场景

7.1 文档智能处理

结合文档解析实现智能问答：

java复制@Bean
DocumentReader pdfReader() {
    return new PdfDocumentReader(new ResourcePatternResolver());
}

@Bean
VectorStore vectorStore(EmbeddingClient embeddingClient) {
    return new SimpleVectorStore(embeddingClient);
}

@Bean
DocumentIndexer indexer(VectorStore vectorStore, DocumentReader reader) {
    return new DocumentIndexer(vectorStore, reader);
}

7.2 多模态处理

处理图像输入示例：

java复制@Bean
public PromptTemplate imageAnalysisPrompt() {
    return new PromptTemplate("""
        请分析这张图片：
        {imageUrl}
        描述图片内容并提取关键信息。
        """);
}

@PostMapping("/analyze-image")
public String analyzeImage(@RequestParam String imageUrl) {
    return chatClient.call(
        imageAnalysisPrompt.create(Map.of("imageUrl", imageUrl))
    );
}

在实际项目中，建议根据具体需求选择合适的AI模型。对于中文场景，可以尝试配置国产大模型接口：

yaml复制spring:
  ai:
    api:
      base-url: https://api.国产模型.com/v1
      model: chatglm3

Spring Boot与Spring AI的结合为Java开发者打开了AI应用开发的大门。通过合理的架构设计，可以在保持Spring优雅编程模型的同时，轻松集成前沿AI能力。随着Spring AI的持续发展，未来会有更多便捷功能加入官方starter。