最近 AI 工具的热度居高不下，作为 Java 开发者，我们总在想：能不能用熟悉的 Spring 生态快速集成 AI 能力？答案是肯定的 ——Spring AI 来了！它就像 Spring 家族的一位新成员，让我们能用写 Spring Boot 的方式轻松对接各种 AI 模型。今天就来聊聊 Spring AI 的基本操作，带你快速上手。

一、Spring AI 是什么？先搞懂定位

        简单说，Spring AI 是 Spring 官方推出的 AI 工具包，它的核心目标是：降低 Java 开发者使用 AI 模型的门槛。

        想象一下，以前调用 OpenAI 的 API 需要自己处理 HTTP 请求、解析 JSON、管理 API 密钥；现在有了 Spring AI，这些工作都被封装成了熟悉的 Spring 风格组件，我们只需注入ChatClient，调用几个方法就能实现对话功能 —— 这就是 Spring AI 的价值。

它支持主流的 AI 模型：

• 开源模型：如 Llama 2、Mistral
• 商业 API：如 OpenAI、Azure OpenAI、Google Gemini
• 本地模型：通过 Ollama 集成本地部署的模型

        而且保持了 Spring 一贯的特性：依赖注入、自动配置、模板类（类似 RestTemplate），上手成本极低。

二、环境准备：5 分钟搭好 Spring AI 项目

1. 版本要求

• JDK 17+（Spring AI 对 JDK 版本要求较高）
• Spring Boot 3.2+（建议用最新稳定版）

2. 引入依赖

        目前 Spring AI 还没正式进入 Maven 中央仓库，需要先添加 Spring 的仓库。在pom.xml中配置：

<!-- 仓库配置 -->
<repositories>
    <repository>
        <id>spring-snapshots</id>
        <name>Spring Snapshots</name>
        <url>https://repo.spring.io/snapshot</url>
        <releases>
            <enabled>false</enabled>
        </releases>
    </repository>
</repositories>

<!-- 核心依赖：以OpenAI为例 -->
<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    
    <!-- Spring AI OpenAI集成 -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
        <version>0.8.1-SNAPSHOT</version> <!-- 版本可能更新，建议查最新版 -->
    </dependency>
</dependencies>

        如果用 Gradle，配置类似，核心是引入对应的 starter。

三、第一个例子：用 Spring AI 调用 OpenAI 聊天

        以最常用的 OpenAI 为例，实现一个简单的对话功能，步骤简单到离谱：

1. 配置 API 密钥

        在application.properties中填入你的 OpenAI 密钥：

spring.ai.openai.api-key=sk-你的API密钥
# 可选：指定模型，默认是gpt-3.5-turbo
spring.ai.openai.chat.model=gpt-3.5-turbo

2. 注入 ChatClient，直接用！

        Spring AI 已经自动配置好了ChatClient，我们直接注入使用：

import org.springframework.ai.chat.ChatClient;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class AiController {

    // 注入Spring AI提供的ChatClient
    private final ChatClient chatClient;

    // 构造器注入（Spring推荐方式）
    public AiController(ChatClient chatClient) {
        this.chatClient = chatClient;
    }

    // 一个简单的接口：接收问题，返回AI回答
    @GetMapping("/chat")
    public String chat(@RequestParam String message) {
        // 调用AI模型，获取响应
        return chatClient.prompt()
                .user(message)  // 设置用户输入
                .call()         // 发送请求
                .content();     // 提取回答内容
    }
}

3. 启动项目，测试效果

        启动 Spring Boot 应用，访问http://localhost:8080/chat?message=Spring AI是什么，就能收到 AI 的回答。整个过程没有一行 HTTP 调用代码，没有 JSON 解析，完全是 Spring 的 “注入即用” 风格！

四、进阶操作：提示词（Prompt）管理与模板

        实际开发中，提示词往往需要动态拼接（比如传入用户参数）。Spring AI 提供了PromptTemplate来管理提示词，避免硬编码。

1. 定义提示词模板

在src/main/resources/prompts目录下创建weather-prompt.st文件：

请根据城市名{city}，预测未来{days}天的天气，用简洁的中文回答。

其中{city}和{days}是占位符。

2. 使用模板生成提示词

import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.PromptTemplate;
import org.springframework.ai.resource.ClassPathResource;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

import java.util.Map;

@RestController
public class WeatherController {

    private final ChatClient chatClient;

    public WeatherController(ChatClient chatClient) {
        this.chatClient = chatClient;
    }

    @GetMapping("/weather")
    public String getWeather(
            @RequestParam String city,
            @RequestParam int days) {

        // 加载提示词模板
        PromptTemplate promptTemplate = new PromptTemplate(
                new ClassPathResource("prompts/weather-prompt.st"),
                Map.of("city", city, "days", days) // 填充占位符
        );

        // 生成Prompt对象
        Prompt prompt = promptTemplate.create();

        // 调用AI
        return chatClient.prompt(prompt).call().content();
    }
}

        这样做的好处是：提示词与代码分离，方便修改和管理，尤其适合复杂场景。

五、切换模型：从 OpenAI 到本地模型

        Spring AI 的一大优势是模型无关性—— 同一套代码，切换模型只需改配置。比如换成本地部署的 Llama 2（需通过 Ollama 运行）：

1. 替换依赖：

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
    <version>0.8.1-SNAPSHOT</version>
</dependency>

1. 修改配置：

# Ollama服务地址（本地默认）
spring.ai.ollama.base-url=http://localhost:11434
# 指定模型
spring.ai.ollama.chat.model=llama2

1. 代码完全不变！之前的ChatClient调用逻辑无需修改，直接兼容。

六、避坑指南：新手常遇到的问题

1. 版本兼容：Spring AI 目前还是快照版（SNAPSHOT），建议用最新版，避免旧版本的 BUG。
2. API 密钥安全：生产环境不要把密钥写在配置文件里，建议用环境变量或配置中心：

   spring.ai.openai.api-key=${OPENAI_API_KEY:默认值}
   

3. 超时设置：AI 模型调用可能较慢，可配置超时时间：

   spring.ai.openai.chat.timeout=30000 # 30秒
   

4. 依赖冲突：如果项目中有旧版本的 Spring Boot，可能需要排除冲突的依赖（如 Jackson）。

七、写在最后：Spring AI 的未来可期

        作为 Spring 生态的一部分，Spring AI 最大的优势是降低认知成本——Java 开发者不用学习新框架，就能快速集成 AI 能力。目前它还在快速迭代中，未来会支持更多模型和功能（如图像生成、embedding 向量等）。

        如果你想在 Java 项目中加入 AI 功能，Spring AI 绝对是首选工具。从今天的例子来看，只需几行配置和代码，就能实现一个 AI 对话接口，这种便捷性在以前是难以想象的。

        赶紧试试吧！用 Spring 的方式，玩转 AI 其实很简单～