Spring AI总结

发布时间：2026/10/12 3:38:46

Spring AI总结
一. Spring AI的设计Spring AI 抽象了一层之前Java访问不同的大模型需要单独写适配的API接口现在有了spring AI可以使用一套统一的API接口换模型不再需要修改java代码只需要修改配置即可。chatClient.prompt().user(你好).call().content();例如:1. spring:ai:deepseek:api-key: xxxchat:options:model: deepseek-chat2. spring:ai:openai:api-key: xxxchat:options:model: gpt-4o-mini一句话总结spring AI的优势换大模型通常只需要换配置不需要改业务代码。二. 在企业项目中怎么选三. Spring AI的Demo搭建流程1. 引入依赖Spring Boot 3.x Spring AI 1.xdependencies!-- Spring Web --dependencygroupIdorg.springframework.boot/groupIdartifactIdspring-boot-starter-web/artifactId/dependency!-- Spring AI OpenAI --dependencygroupIdorg.springframework.ai/groupIdartifactIdspring-ai-starter-model-openai/artifactId/dependency/dependencies2. 配置秘钥API Key application.ymlspring:ai:openai:api-key: sk-xxxxxxchat:options:model: gpt-4o-mini3. 创建 ChatClientpackage com.itcast.springaiparent;import org.springframework.ai.chat.client.ChatClient;import org.springframework.stereotype.Service;Servicepublic class AiService {private final ChatClient chatClient;public AiService(ChatClient.Builder builder){this.chatClient builder.build();}public String chat(String message){return chatClient.prompt().user(message).call().content();}}4. 写 Controller 测试package com.itcast.springaiparent;import org.springframework.web.bind.annotation.*;RestControllerRequestMapping(/ai)public class AiController {private final AiService aiService;public AiController(AiService aiService){this.aiService aiService;}GetMapping(/chat)public String chat(RequestParam String msg){return aiService.chat(msg);}}四. Function Calling工具调用1. 项目结构2. 定义天气Tool关键就是Tool注解。Component public class WeatherTool { /** * Tool让模型能真正调用这个工具 * param city * return */ Tool(description 根据城市名称查询天气) public String getWeather( ToolParam(description 城市名称例如北京)String city) { return city 今天晴气温 25℃; } }description告诉 AI我这里有一个工具可以根据城市查询天气。3. 创建 ChatClientpackage com.example.service;import com.example.tool.WeatherTool;import org.springframework.ai.chat.client.ChatClient;import org.springframework.stereotype.Service;Servicepublic class AiService {private final ChatClient chatClient;public AiService(ChatClient.Builder builder,WeatherTool weatherTool){this.chatClient builder.defaultTools(weatherTool).build();}public String chat(String message){return chatClient.prompt().user(message).call().content();}}关键代码.defaultTools(weatherTool)告诉 AI: 这个 Java 对象里面的方法你可以调用。/五. Controller测试RestControllerRequestMapping(/ai)public class AiController {private final AiService aiService;public AiController(AiService aiService){this.aiServiceaiService;}GetMapping(/chat)public String chat(String msg){return aiService.chat(msg);}}六. 如果有多个Tool大模型来根据 需求决定调用哪个Componentpublic class OrderTool {Tool(description查询订单状态)public String queryOrder(String orderId){return 订单已发货;}}然后.defaultTools(weatherTool,orderTool)Function Calling本质以前用户|你的代码判断|if(天气)调天气接口if(订单)查订单现在用户|LLM|判断意图|选择Tool|执行Java方法|返回答案五. Function Calling和MCP区别Function CallingMCP工具在哪里你的Java代码独立服务标准模型厂商各自实现统一协议适合单体应用企业级AgentSpring AI支持支持六. RAG的实现原理实现功能用户问“公司的请假制度是什么”AI 不知道答案→ 去知识库搜索→ 找到《员工手册.pdf》→ 把相关内容交给 GPT→ AI 根据文档回答1. RAG的整体工作流程第一次准备PDF / Word / txt||vDocument Reader||vText Splitter||vEmbedding模型||vVector DB(向量数据库)用户提问用户:公司年假多少天?|vEmbedding问题向量|vVector DB搜索相似内容|v找到相关文档片段|vPrompt增强|vLLM回答2. 技术选型组件技术Spring AI1.xLLMOpenAI / OllamaEmbeddingOpenAI / BGE向量库Chroma文档txt3. 添加依赖dependencies!-- Spring Web --dependencygroupIdorg.springframework.boot/groupIdartifactIdspring-boot-starter-web/artifactId/dependency!-- Spring AI OpenAI --dependencygroupIdorg.springframework.ai/groupIdartifactIdspring-ai-starter-model-openai/artifactId/dependency!-- 向量数据库 Chroma --dependencygroupIdorg.springframework.ai/groupIdartifactIdspring-ai-starter-vector-store-chroma/artifactId/dependency/dependencies4. 配置spring:ai:openai:api-key: sk-xxxxchat:options:model: gpt-4o-minivectorstore:chroma:client:host: localhostport: 80004. 加载文档进入向量数据库Componentpublic class DataLoader {private final VectorStore vectorStore;public DataLoader(VectorStore vectorStore){this.vectorStorevectorStore;}PostConstructpublic void load(){Resource resource new ClassPathResource(docs/company.txt);TextReader reader new TextReader(resource);ListDocument documents reader.get();vectorStore.add(documents);}}5. 创建 RAG 查询Servicepublic class RagService {private final ChatClient chatClient;public RagService(ChatClient.Builder builder,VectorStore vectorStore){this.chatClient builder.defaultAdvisors(new QuestionAnswerAdvisor(vectorStore)).build();}public String ask(String question){return chatClient.prompt().user(question).call().content();}}重点代码.defaultAdvisors(new QuestionAnswerAdvisor(vectorStore))问题|向量搜索|找文档|拼接Prompt|调用LLM

相关新闻

LLM应用缓存优化：从传统KV到语义化向量检索的设计与实践

LLM应用缓存优化：从传统KV到语义化向量检索的设计与实践

1. 项目概述：当KV缓存遇上LLM，为什么“老伙计”需要一次大升级？如果你在过去几年里深度参与过Web后端开发或者高并发系统的构建，那么对KV（Key-Value）缓存这个概念一定不会陌生。从Redis到Memcached&#xf…

2026/10/12 3:38:46 阅读更多 →
Spring Boot集成Redis：模式选型与性能优化实战

Spring Boot集成Redis：模式选型与性能优化实战

1. Redis与Spring Boot集成概述 Redis作为当今最流行的内存数据库之一，在Spring Boot生态中扮演着重要角色。我经历过从早期Spring Data Redis的简单封装到现在成熟的全模式支持，深刻体会到不同部署模式对系统架构的影响。在真实生产环境中，R…

2026/10/7 15:51:19 阅读更多 →
具身智能：VLA-TVA数据闭环增强机制

具身智能：VLA-TVA数据闭环增强机制

前沿技术探索：TVA智能体（简称TVA）TVA智能体（亦称“AI智能体视觉”或“TVA视觉智能体”）是依托Transformer架构与“因式智能体”理论构建的通用视觉技术框架。它融合深度强化学习（DRL）、卷积神经…

2026/10/11 18:35:31 阅读更多 →

最新新闻

ppt-master 的 IBM 品牌身份预设解析：从 Carbon Blue 设计规范到可执行的 design_spec

ppt-master 的 IBM 品牌身份预设解析：从 Carbon Blue 设计规范到可执行的 design_spec

AI 技能人工智能 【免费下载链接】ppt-master AI 把任意文档生成真正可编辑的 PowerPoint —— 原生形状与动画、演讲者备注可合成音频旁白、还能参考你自己的 .pptx 模板,而不是一张张图片 何雨果出品 项目地址： https://gitcode.com/hugohe3/ppt-master 点击查看…

2026/10/12 3:38:09 阅读更多 →
Windows 11 如何装回 Windows 10 任务栏与开始菜单：ExplorerPatcher 完整安装与调优指南

Windows 11 如何装回 Windows 10 任务栏与开始菜单：ExplorerPatcher 完整安装与调优指南

Windows 11 如何装回 Windows 10 任务栏与开始菜单：ExplorerPatcher 完整安装与调优指南 【免费下载链接】ExplorerPatcher This project aims to enhance the working environment on Windows 项目地址: https://gitcode.com/GitHub_Trending/ex/ExplorerPatcher…

2026/10/12 3:38:09 阅读更多 →
泡泡战士国服v0.1.5.005客户端版本考古：从版本号到运行环境

泡泡战士国服v0.1.5.005客户端版本考古：从版本号到运行环境

看到“泡泡战士国服客户端v0.1.5.005_20110411”这个标题，很多老玩家应该会心一笑：这行名字里藏着一整个2011年春天的记忆。一个带日期的版本号，其实就是一款网游在某个时间点留下的完整化石，服务器列表、资源索引、版本策略、玩法…

2026/10/12 3:38:09 阅读更多 →
Cortex 数据迁移实战：使用 blocksconvert 将历史 chunks 数据转换为 TSDB blocks

Cortex 数据迁移实战：使用 blocksconvert 将历史 chunks 数据转换为 TSDB blocks

可观测性时序数据库后端指标监控 【免费下载链接】cortex A horizontally scalable, highly available, multi-tenant, long term Prometheus. 项目地址： https://gitcode.com/gh_mirrors/cortex6/cortex 点击查看 免费下载 本指南围绕 Cortex 的 blocksconvert 工…

2026/10/12 3:38:09 阅读更多 →
semantic-router 使用场景指南：为 Agent、云、数据中心、边缘与混合企业构建可编程模型决策层

semantic-router 使用场景指南：为 Agent、云、数据中心、边缘与混合企业构建可编程模型决策层

后端API网关模型推理服务AI Agent 【免费下载链接】semantic-router An open, programmable decision layer for models and compute. 项目地址： https://gitcode.com/gh_mirrors/sem/semantic-router 点击查看 免费下载 vLLM Semantic Router 的核心定位&#xff…

2026/10/12 3:38:09 阅读更多 →
信创落地四层技术栈：芯片、操作系统、数据库与中间件适配攻略

信创落地四层技术栈：芯片、操作系统、数据库与中间件适配攻略

1. 这个项目到底在解决什么问题先说结论：这不是一个“追赶潮流”的选题，而是很多做国产化替代的团队，在立项时才发现自己绕不开的技术底座问题。过去十年，大部分应用系统跑在西方主导的软硬件栈上。芯片用国外架构，操作…

2026/10/12 3:37:09 阅读更多 →

日新闻

复古胶片颗粒感噪点合成器：Canvas ImageData 像素高斯杂色注入算法

复古胶片颗粒感噪点合成器：Canvas ImageData 像素高斯杂色注入算法

在数码相机、高清显示屏与现代矢量图形技术高度发达的今天，画面可以做到绝对的锐利、平滑与无瑕。然而，当一张秋日手账插画或拍立得照片过于“平整无瑕”时，往往会散发出一种冰冷生硬的“数码塑料感（Digital Plasticity&#xff0…

2026/10/12 0:00:59 阅读更多 →
活字印刷古籍线装排版：Canvas 竖排文字与栏线自适应算法

活字印刷古籍线装排版：Canvas 竖排文字与栏线自适应算法

在现代网页与移动端设计中，横排（Horizontal Layout）早已经成为了绝对的主流。然而，当我们翻开泛黄的线装古籍、宋版木刻诗集，或是欣赏一张茶道雅集的手写便签时，那种**自上而下纵向书写、自右向左逐列铺展&…

2026/10/12 0:00:59 阅读更多 →
周日晚间的“精神松绑减震器”：无压力情绪倾倒箱与温和轻声陪伴

周日晚间的“精神松绑减震器”：无压力情绪倾倒箱与温和轻声陪伴

每到周日的晚上八点到十点，很多人心里都会悄悄亮起一盏警示灯。 在心理学上，这种现象有一个专门的称谓——“周日夜晚焦虑症（Sunday Scaries）”。明天又是周一，闹钟又要重新在七点响彻卧房；脑海里仿佛有一个…

2026/10/12 0:00:59 阅读更多 →

周新闻

流感时间序列预测实战：ARIMA/LSTM全流程拆解与避坑指南

流感时间序列预测实战：ARIMA/LSTM全流程拆解与避坑指南

简介：基于 ARIMA、LSTM、Transformer 等模型的流感时间序列预测 Python 源码，面向计算机相关专业课程设计与期末大作业学生，以及项目实战学习者。内容覆盖预处理、平稳性检验、定阶、残差分析、多模型对比预测的完整时序建模流程，…

2026/10/12 0:16:30 阅读更多 →
影刀RPA新手教程：键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程：键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程：键盘模拟输入实战——输入文本与模拟按键的区别 做影刀RPA自动化，十个新手有八个栽在"往输入框里填东西"这件事上：要么填不进去，要么填了一半，要么直接把原来内容追加在后面。这背后的根因&…

2026/10/12 0:16:38 阅读更多 →
影刀RPA新手教程：阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程：阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程：阅文起点小说数据采集实战——书籍信息与章节内容 1. 认识影刀：什么场景该用RPA采小说数据 起点中文网的页面结构相对稳定——分类榜单、书籍详情、章节内容三块独立页面，跳转链路清晰。这种场景非常适合影刀自动化&#x…

2026/10/12 0:16:43 阅读更多 →

月新闻

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/11 10:45:37 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/11 14:36:53 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/11 14:36:54 阅读更多 →