一、引言

Spring Boot 是一个致力于简化 Spring 应用程序开发过程的框架，通过自动配置、内嵌 Web 服务器（如 Tomcat）以及“约定优于配置”的理念，赋能开发者快速搭建具备生产就绪能力的独立应用。

Spring AI 作为 Spring 生态系统中的关键成员，专注于集成人工智能能力。其目标是降低大语言模型（LLM）及生成式 AI 服务的调用复杂度，提供统一的 API 抽象层，并兼容 OpenAI、Azure AI、Hugging Face 等主流 AI 服务提供商。

二、实现过程：构建 Spring Boot + Spring AI 基础应用

1. 环境准备

  JDK 17 或更高版本

  Maven 3.6 或以上

  有效的 OpenAI API 密钥（请于 platform.openai.com 获取）

2. 项目初始化

  建议通过 start.spring.io 生成项目骨架，勾选以下依赖：

 Spring Web

  Spring AI（请选择适配的稳定版本）

也可直接在 `pom.xml` 中手动引入：

xml

  <!-Spring AI OpenAI 集成 -->

  <dependency>

      <groupId>org.springframework.ai</groupId>

      <artifactId>spring-ai-openai-spring-boot-starter</artifactId>

      <version>0.8.1</version> <!-请使用最新版本 -->

  </dependency>

 <!-Spring Web -->

  <dependency>

      <groupId>org.springframework.boot</groupId>

      <artifactId>spring-boot-starter-web</artifactId>

  </dependency>

3. 配置 OpenAI API 密钥

  在 `application.properties` 或 `application.yml` 中配置：

 properties

  # OpenAI 配置

  spring.ai.openai.api-key=your-api-key-here

  spring.ai.openai.chat.options.model=gpt-3.5-turbo

4. 构建控制器（Controller）

  java

  import org.springframework.ai.chat.ChatClient;

  import org.springframework.web.bind.annotation.*;

  @RestController

  public class AIController {

      private final ChatClient chatClient;

 // 构造器注入

      public AIController(ChatClient chatClient) {

          this.chatClient = chatClient;

      }

  @GetMapping("/ai/chat")

      public String chat(@RequestParam String message) {

          return chatClient.call(message);

      }

  }

 5. 进阶功能：结构化提示词模板

  通过 PromptTemplate 实现更可控的 AI 交互逻辑：

java

  import org.springframework.ai.chat.prompt.PromptTemplate;

  import org.springframework.web.bind.annotation.*;

  @PostMapping("/ai/translate")

  public String translate(@RequestBody TranslationRequest request) {

      PromptTemplate promptTemplate = new PromptTemplate("""

          将以下{sourceLang}文本翻译成{targetLang}:

          {text}

          """);

       promptTemplate.add("sourceLang", request.sourceLang());

      promptTemplate.add("targetLang", request.targetLang());

      promptTemplate.add("text", request.text());

        return chatClient.call(promptTemplate.render());

  }

   // 使用 Record 类型定义数据传输对象

  record TranslationRequest(String sourceLang, String targetLang, String text) {}

6. 启动应用

  通过 IDE 或命令行启动 Spring Boot 主类。

7. 接口测试示例

 测试 `/ai/chat` 接口  

    访问：  

    `http://localhost:8080/ai/chat?message=用Java写一个Hello World程序`  

    预期返回（HTTP 200）：

   java

    public class HelloWorld {

        public static void main(String[] args) {

            System.out.println("Hello, World!");

        }

    }

测试 `/ai/translate` 接口  

    请求方式：POST  

    地址：`http://localhost:8080/ai/translate`  

    请求头：`Content-Type: application/json`  

    请求体：

   json

    {

      "sourceLang": "中文",

      "targetLang": "英文",

      "text": "今天天气真好"

    }

预期响应（HTTP 200）：  

    `"Today's weather is really nice."`

8. 高级参数配置

  在配置文件中调整生成参数：

properties

  # 控制生成内容的创造性与长度

  spring.ai.openai.chat.options.temperature=0.7

  spring.ai.openai.chat.options.max-tokens=500

9. 异常统一处理

java

  import org.springframework.ai.openai.api.OpenAiApiException;

  import org.springframework.http.ResponseEntity;

  import org.springframework.web.bind.annotation.ExceptionHandler;

  import org.springframework.web.bind.annotation.RestControllerAdvice;

  @RestControllerAdvice

  public class GlobalExceptionHandler {

    @ExceptionHandler(OpenAiApiException.class)

      public ResponseEntity<String> handleOpenAiError(OpenAiApiException ex) {

          return ResponseEntity.status(ex.getStatusCode())

                 .body("AI服务错误: " + ex.getMessage());

      }

  }

10. 项目结构概览

   src/main/java

   └── com.example

       └── aiapp

           ├── AIController.java

           ├── GlobalExceptionHandler.java

           └── AiAppApplication.java

11. 核心要点解析

  依赖管理：Spring AI Starter 极大简化了 AI 能力集成过程

  自动配置：ChatClient 自动装配已配置的 OpenAI 客户端实例

  模板引擎：PromptTemplate 支持动态、结构化提示词的生成

  扩展性：架构支持灵活切换不同的 AI 服务提供商

三、功能拓展与最佳实践

1. 典型错误场景

  API 密钥无效将返回 401 状态码及错误描述

  请求体缺少必要字段触发 400 Bad Request

  指定不支持的语言时返回翻译失败提示

2. 输出差异性说明

  实际返回内容可能因模型版本及温度（temperature）等参数产生合理差异。

3. 流式响应（高级特性）

  如需实现类 ChatGPT 的实时输出效果，可使用 StreamingChatClient：

  java

  @GetMapping("/ai/chat-stream")

  public Flux<String> chatStream(@RequestParam String message) {

      return streamingChatClient.stream(message);

  }

4. 长文本处理策略

  超出模型 Token 限制的文本将被截断，可通过调整 `max-tokens` 参数予以缓解。

5. 响应格式定制

  可配置接口返回 JSON 格式数据：

  java

  @PostMapping(value = "/ai/translate", produces = "application/json")

  public Map<String, String> translate(...) {

      return Map.of("result", translatedText);

  }

6. 测试建议

  建议使用多组不同场景验证接口稳定性，例如代码生成、多语种翻译等。

四、总结与发展展望

Spring Boot 作为现代 Java 应用开发的核心框架，与 Spring AI 的结合为传统业务系统注入智能化能力，在智能客服、文档解析、代码生成等场景中展现巨大潜力。

未来演进方向：

技术深化：加强多模态交互、本地模型集成与流式响应性能

生态完善：拓展对新兴模型的支持，强化与企业级组件的安全集成

行业渗透：发展垂直领域解决方案及 AI Agent 框架，推动智能化应用落地