Spring AI(3) :对话机器人开发快速入门
本章代码已分享至Gitee:https://gitee.com/lengcz/ai-study.git文章目录快速入门AI开发准备工作和环境创建项目阻塞式chat流式chat给System设置名称快速入门AI开发本章讲解如何使用spring ai 快速入门对话机器人的开发。准备工作和环境由于spring AI 要求的jdk 最低为17所以这里环境为jdk17本地使用ollama部署了deepseek-r1:7b可以根据自己电脑的配置决定。项目运行时,Idea版本如果过低会报错如运行时发生错误请注意检查Idea版本这里使用的Idea 2024demo使用ollama如果自己使用其他模型请注意使用对应的依赖和配置。创建项目创建maven项目引入依赖?xml version1.0 encodingUTF-8?projectxmlnshttp://maven.apache.org/POM/4.0.0xmlns:xsihttp://www.w3.org/2001/XMLSchema-instancexsi:schemaLocationhttp://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsdmodelVersion4.0.0/modelVersionparentgroupIdorg.springframework.boot/groupIdartifactIdspring-boot-starter-parent/artifactIdversion3.4.13/versionrelativePath/!-- lookup parent from repository --/parentgroupIdcom.lengcz/groupIdartifactIdai-study/artifactIdversion0.0.1-SNAPSHOT/versionnameai-study/namedescriptionai study/descriptionurl/licenseslicense//licensesdevelopersdeveloper//developersscmconnection/developerConnection/tag/url//scmpropertiesjava.version17/java.versionspring-ai.version1.0.0-M6/spring-ai.version/propertiesdependenciesdependencygroupIdorg.springframework.boot/groupIdartifactIdspring-boot-starter-web/artifactId/dependencydependencygroupIdorg.springframework.ai/groupIdartifactIdspring-ai-ollama-spring-boot-starter/artifactId/dependencydependencygroupIdcom.mysql/groupIdartifactIdmysql-connector-j/artifactIdscoperuntime/scope/dependencydependencygroupIdorg.springframework.boot/groupIdartifactIdspring-boot-starter-test/artifactId/dependency!--建议不用使用自带的lombok而是由自己指定版本--dependencygroupIdorg.projectlombok/groupIdartifactIdlombok/artifactIdversion1.18.22/version/dependency/dependenciesdependencyManagementdependenciesdependencygroupIdorg.springframework.ai/groupIdartifactIdspring-ai-bom/artifactIdversion${spring-ai.version}/versiontypepom/typescopeimport/scope/dependency/dependencies/dependencyManagementbuildpluginsplugingroupIdorg.springframework.boot/groupIdartifactIdspring-boot-maven-plugin/artifactId/plugin/plugins/build/project3 启动类importorg.springframework.boot.SpringApplication;importorg.springframework.boot.autoconfigure.SpringBootApplication;SpringBootApplicationpublicclassAiStudyApplication{publicstaticvoidmain(String[]args){SpringApplication.run(AiStudyApplication.class,args);}}4 配置yaml文件spring:application:name:ai-studyai:ollama:base-url:http://localhost:11434chat:model:deepseek-r1:7b创建配置类importorg.springframework.ai.chat.client.ChatClient;importorg.springframework.ai.ollama.OllamaChatModel;importorg.springframework.context.annotation.Bean;importorg.springframework.context.annotation.Configuration;ConfigurationpublicclassCommonConfiguration{BeanpublicChatClientchatClient(OllamaChatModelollamaChatModel){returnChatClient.builder(ollamaChatModel).build();}}阻塞式chat编写一个 controller试一下验证聊天packagecom.lengcz.ai.controller;importlombok.RequiredArgsConstructor;importorg.springframework.ai.chat.client.ChatClient;importorg.springframework.web.bind.annotation.RequestMapping;importorg.springframework.web.bind.annotation.RestController;importreactor.core.publisher.Flux;RequiredArgsConstructor//有参构造器RestControllerRequestMapping(/ai)publicclassChatController{privatefinalChatClientchatClient;RequestMapping(/chat)publicStringchat(Stringprompt){returnchatClient.prompt().user(prompt).call().content();//call() 表示阻塞调用}}启动后请求一下接口测试可以看到接口稍等片刻瞬间返回了所有内容这就是阻塞式的返回。流式chat流式返回将前面的call改成stream再验证一下接口可以看到返回数据以流的方式输出。//produces text/html;charsetutf-8; 指定编码防止中文乱码RequestMapping(value/stream_chat,producestext/html;charsetutf-8;)publicFluxStringstream_chat(Stringprompt){returnchatClient.prompt().user(prompt).stream().content();//stream() 表示流式输出}给System设置名称importorg.springframework.ai.chat.client.ChatClient;importorg.springframework.ai.ollama.OllamaChatModel;importorg.springframework.context.annotation.Bean;importorg.springframework.context.annotation.Configuration;ConfigurationpublicclassCommonConfiguration{BeanpublicChatClientchatClient(OllamaChatModelollamaChatModel){returnChatClient.builder(ollamaChatModel).defaultSystem(你是一个热心的智能助手你的名字叫小可爱请以小可爱的名义回答用户的问题。).build();}}再次请求接口可以看到AI已经以重新定义的名称进行回复。

相关新闻

中小企业云客服系统选型指南:AI原生、全渠道接入与ROI精算的7个高频问题

中小企业云客服系统选型指南:AI原生、全渠道接入与ROI精算的7个高频问题

摘要2026年,大模型、多模态交互、实时翻译等AI技术正从“大厂尝鲜”加速渗透至中小企业客服场景。然而,中小企业在云客服系统选型中面临的核心困惑并未减少——AI功能是真需求还是厂商溢价?全渠道接入是否必须?混合坐席&#xff0…

2026/7/23 1:57:01 阅读更多 →
苏州SMT飞达供料器为什么本地厂家更靠谱?2026优选厂家盘点

苏州SMT飞达供料器为什么本地厂家更靠谱?2026优选厂家盘点

苏州SMT飞达供料器为什么本地厂家更靠谱?2026优选厂家盘点 在整个华东SMT智能制造产业链中,苏州是极少数同时具备“电子制造聚集自动化设备研发生产”双重优势的城市。正因如此,苏州飞达供料器厂家成为昆山、无锡、上海、嘉兴等周边电子工厂采…

2026/7/23 1:57:01 阅读更多 →
Unity集成巨量引擎广告SDK权限问题排查与优化指南

Unity集成巨量引擎广告SDK权限问题排查与优化指南

1. 项目概述:当Unity遇上巨量引擎广告SDK如果你正在用Unity开发一款面向国内市场的移动应用,那么集成巨量引擎(字节跳动旗下广告平台)的广告SDK几乎是必经之路。它能帮你快速接入信息流、开屏、激励视频等多种广告形式&#xff0c…

2026/7/23 1:57:01 阅读更多 →

最新新闻

焊接机器人有哪些知名品牌?进口国产主流品牌选型攻略

焊接机器人有哪些知名品牌?进口国产主流品牌选型攻略

在制造业自动化升级、人工成本上涨、熟练焊工紧缺的大背景下,焊接机器人已经成为五金加工、工程机械、汽车零部件、钢结构制造等行业的标配设备。不少企业在产线改造、新厂投产时,都会纠结一个核心问题:焊接机器人有哪些知名品牌?…

2026/7/23 3:17:31 阅读更多 →
LLM与MCP Server交互原理与实践指南

LLM与MCP Server交互原理与实践指南

1. LLM与MCP Server交互基础解析大型语言模型(LLM)与模型上下文协议服务器(MCP Server)的交互,本质上构建了一个动态的"思考-执行-反馈"循环系统。这种架构让LLM突破了静态知识库的限制,获得了实…

2026/7/23 3:17:31 阅读更多 →
鸿蒙Flutter JSON解析与序列化:复杂JSON结构处理实战

鸿蒙Flutter JSON解析与序列化:复杂JSON结构处理实战

概述 在实际开发中,我们经常遇到多层嵌套的复杂JSON结构。处理这些结构需要更精细的解析策略和类型安全保障。本文将详细介绍处理复杂JSON结构的技巧,结合实际案例帮助开发者掌握多层嵌套解析的方法。 1. 复杂JSON结构特点 1.1 常见复杂结构类型 多层嵌套…

2026/7/23 3:17:31 阅读更多 →
通义千问Token Plan订阅指南:Qwen3.8-Max API集成与成本优化实践

通义千问Token Plan订阅指南:Qwen3.8-Max API集成与成本优化实践

最近大模型圈有个消息值得开发者关注:通义千问推出了Token Plan订阅模式,每月6美元就能体验最新的Qwen3.8-Max模型。这个定价策略直接对标Kimi的Token Plan,但背后反映的其实是国内大模型厂商在商业化路径上的重要转向——从按次付费转向更灵…

2026/7/23 3:17:31 阅读更多 →
T2I-PAL:基于文本生成图像的多标签识别高效微调方法

T2I-PAL:基于文本生成图像的多标签识别高效微调方法

1. 技术背景与核心挑战 多标签图像识别(Multi-Label Image Recognition, MLR)是计算机视觉领域的重要研究方向,其目标是从单张图像中识别出多个存在的物体类别。传统方法严重依赖大量人工标注的训练数据,而标注成本往往成为实际应…

2026/7/23 3:17:31 阅读更多 →
Spring Boot 3 + Vue 3 大学生租房系统源码实战前后端分离

Spring Boot 3 + Vue 3 大学生租房系统源码实战前后端分离

一、项目简介 本项目是一套基于 Spring Boot 3 Vue 3 前后端分离的大学生租房平台,旨在为大学生群体提供安全、便捷的租房服务。系统采用单体应用架构,后端负责业务逻辑与数据存储,前端负责用户界面与交互。系统包含三种角色:学生…

2026/7/23 3:16:30 阅读更多 →

日新闻

从单点好评到指数级传播:AI副业主理人必须掌握的4层口碑渗透模型(含ROI测算表)

从单点好评到指数级传播:AI副业主理人必须掌握的4层口碑渗透模型(含ROI测算表)

更多请点击: https://intelliparadigm.com 第一章:从单点好评到指数级传播:AI副业主理人必须掌握的4层口碑渗透模型(含ROI测算表) 当AI副业主理人不再仅满足于单次服务交付,而是主动构建可复用、可裂变、可…

2026/7/23 0:00:25 阅读更多 →
AI写作开头钩子设计:为什么你的AI文案完读率不足18%?——基于2,346篇A/B测试报告的归因分析

AI写作开头钩子设计:为什么你的AI文案完读率不足18%?——基于2,346篇A/B测试报告的归因分析

更多请点击: https://codechina.net 第一章:AI写作开头钩子设计:为什么你的AI文案完读率不足18%?——基于2,346篇A/B测试报告的归因分析 在对2,346篇跨行业AI生成文案的A/B测试数据进行聚类分析后,我们发现&#xff1…

2026/7/23 0:01:26 阅读更多 →
Chitchatter完整指南:免费开源的终极点对点安全聊天工具

Chitchatter完整指南:免费开源的终极点对点安全聊天工具

Chitchatter完整指南:免费开源的终极点对点安全聊天工具 【免费下载链接】chitchatter Secure peer-to-peer chat that is serverless, decentralized, and ephemeral 项目地址: https://gitcode.com/gh_mirrors/ch/chitchatter Chitchatter是一款革命性的安…

2026/7/23 0:01:26 阅读更多 →

周新闻

Go语言静态资源打包方案对比与实践指南

Go语言静态资源打包方案对比与实践指南

1. 项目背景与核心需求在Go语言开发中,我们经常需要处理静态资源文件的打包问题。无论是Web应用的模板文件、前端资源,还是配置文件、证书等,都需要随程序一起分发。传统做法是将这些文件与编译后的二进制文件放在同一目录下,但这…

2026/7/22 8:58:19 阅读更多 →
Go语言实现高性能LDAP认证服务的架构与实践

Go语言实现高性能LDAP认证服务的架构与实践

1. 项目背景与核心价值LDAP(轻量级目录访问协议)作为企业级身份认证的黄金标准,已经服务了超过80%的财富500强公司。我在金融科技领域实施统一认证体系时,发现传统Java方案存在启动慢、内存占用高等痛点。而Go语言凭借其协程并发模…

2026/7/22 19:43:43 阅读更多 →
【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

更多请点击: https://intelliparadigm.com 第一章:AI面试官实战指南的核心价值与适用场景 AI面试官并非替代人类HR的“黑箱工具”,而是以可解释、可审计、可迭代的方式,赋能招聘全链路的关键基础设施。其核心价值在于将主观经验沉…

2026/7/22 12:54:44 阅读更多 →

月新闻