摘要：

       本文简要介绍了Spring的Spring AI框架帮助用户快速了解该框架。Spring AI提供统一API对接多种AI服务，支持聊天、文本向量化、音频/图像处理等功能。核心优势包括：统一接口屏蔽不同AI服务的差异、与Spring生态无缝集成、开箱即用的starter依赖和企业级特性，框架支持流式响应、会话隔离和提示词模板管理，大幅降低AI应用开发门槛。

一，Spring AI 框架快速入门指南

        Spring AI 是 Spring 生态系统推出的 AI 集成框架，旨在简化 Java 开发者将人工智能能力集成到应用中的过程。它提供了统一的 API 来对接各种 AI 服务和模型，让开发者无需深入了解 AI 技术细节就能快速构建 AI 驱动的应用。

1，核心优势

        （1）统一接口：屏蔽不同 AI 服务（如 OpenAI、阿里云通义千问等）的 API 差异，切换模型无需修改代码

        （2）Spring 原生集成：与 Spring Boot、Spring Cloud 等无缝衔接，支持依赖注入、自动配置等特性

        （3）开箱即用：通过 starter 依赖快速集成，减少配置工作

        （4）企业级特性：包含错误处理、安全管理、可观测性等生产环境必需功能

2，主要功能模块

        （1）聊天客户端（ChatClient）：用于与大语言模型交互，支持单轮 / 多轮对话

        （2）嵌入客户端（EmbeddingClient）：将文本转换为向量，用于语义搜索等场景

        （3）音频处理：支持语音转文字等音频相关操作

        （4）图像处理：支持图像生成和图像理解

        （5）工具调用：允许 AI 模型调用外部工具和 API

        （6）提示词模板：方便构建和管理提示词

二，快速上手

1，环境准备

（1）jdk17及以上

（2）引入依赖，这里采用阿里百炼平台

<dependency>
   <groupId>com.alibaba.cloud.ai</groupId>
   <artifactId>spring-ai-alibaba-starter</artifactId>
   <version>1.0.0-M6.1</version>
</dependency>

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

（3）配置密钥api-key和地址base-url

spring:
  ai:
    dashscope:
      chat:
        enabled: true
        options:
          model: deepseek-r1/....
      api-key: xxxxxx
      base-url: https://dashscope.aliyuncs.com/compatible-mode/v1

2，构筑ChatClient默认实例

（1）注册为IOC容器的bean

（2）通过参数自动注入

    @Bean
    public ChatClient chatClient(DashScopeChatModel model,ChatMemory chatMemory){
        .....
}

（3）设置默认系统提示词，通过advisor拦截启动日志

return ChatClient.builder(model)
        .defaultSystem(new ClassPathResource("system_prompt_1.txt"))
        //环绕增强，输出会话日志
        .defaultAdvisors(
                new SimpleLoggerAdvisor(),
                new MessageChatMemoryAdvisor(chatMemory)
        )
        .build();

3，简单聊天测试

（1）.stream()：返回一个流对象，用于处理异步数据流。.content()：返回一个Flux<String>对象，表示一个异步的、可观察的字符串流。

（2）.advisors()：通过赋值chatId到CHAT_MEMORY_CONVERSATION_ID_KEY实现会话隔离

    @RequestMapping(value = "/chat", produces = "text/html;charset=UTF-8")
    public Flux<String> chat(String prompt, String chatId){
        //请求模型
        return chatClient.prompt()
                .user("用户提示词")
                .advisors(a -> a.param(AbstractChatMemoryAdvisor.CHAT_MEMORY_CONVERSATION_ID_KEY, chatId))
                .stream()
                .content();
    }