Spring AI 教程

Spring AI 聊天模型

提示：如果不能访问 OpenAI，请点击 AiCode API 注册账号，通过代理访问。  

聊天模型（Chat Model）是一种基于人工智能（AI）技术的对话式交互系统，核心能力是理解人类自然语言，并以符合语境、逻辑和人类沟通习惯的方式生成回应，实现 “类人化” 的对话交互。它本质上是自然语言处理（NLP）与深度学习技术融合的产物，也是大语言模型（LLM，如 GPT、文心一言、Claude 等）在 “对话场景” 下的典型应用形态。

以下是一个使用 Spring AI 集成 OpenAI 聊天模型的完整示例，包含配置、实现及详细说明，帮助你快速理解 Spring AI 中聊天模型的使用方式。详细步骤如下：

依赖配置

创建 pom.xml 文件，内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" 
  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
	xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
	<modelVersion>4.0.0</modelVersion>
	<parent>
		<groupId>org.springframework.boot</groupId>
		<artifactId>spring-boot-starter-parent</artifactId>
		<version>3.5.0</version>
		<relativePath/> <!-- lookup parent from repository -->
	</parent>
	<groupId>com.hxstrive.springai</groupId>
	<artifactId>springai_openai</artifactId>
	<version>0.0.1-SNAPSHOT</version>
	<name>springai_openai</name>
	<description>springai_openai</description>

	<properties>
		<java.version>17</java.version>
		<spring-ai.version>1.0.0</spring-ai.version>
	</properties>

	<dependencies>
		<!-- 会话记忆 -->
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-autoconfigure-model-chat-memory</artifactId>
		</dependency>
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-autoconfigure-model-chat-memory-repository-jdbc</artifactId>
			<version>1.0.0</version>
		</dependency>
		<!-- Spring Data JDBC -->
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-data-jdbc</artifactId>
		</dependency>
		<!-- mysql 驱动 -->
		<dependency>
			<groupId>com.mysql</groupId>
			<artifactId>mysql-connector-j</artifactId>
		</dependency>

		<!-- redis -->
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-data-redis</artifactId>
		</dependency>
		<!-- spring ai redis 向量存储依赖 -->
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-starter-vector-store-redis</artifactId>
			<version>1.0.0</version>
		</dependency>

		<!-- 引入 openai 依赖 -->
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-starter-model-openai</artifactId>
			<version>1.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-openai</artifactId>
			<version>1.0.0</version>
		</dependency>

		<!-- 引入其他依赖 -->
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-commons</artifactId>
			<version>1.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-template-st</artifactId>
			<version>1.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-model</artifactId>
			<version>1.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-vector-store</artifactId>
			<version>1.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-rag</artifactId>
			<version>1.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-advisors-vector-store</artifactId>
			<version>1.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-retry</artifactId>
			<version>1.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-client-chat</artifactId>
			<version>1.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-mcp</artifactId>
			<version>1.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-jsoup-document-reader</artifactId>
			<version>1.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-markdown-document-reader</artifactId>
			<version>1.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-pdf-document-reader</artifactId>
			<version>1.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-tika-document-reader</artifactId>
			<version>1.0.0</version>
		</dependency>
		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-spring-cloud-bindings</artifactId>
			<version>1.0.0</version>
		</dependency>


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

		<!-- fastjson2 -->
		<dependency>
			<groupId>com.alibaba.fastjson2</groupId>
			<artifactId>fastjson2</artifactId>
			<version>2.0.34</version>
		</dependency>

		<!-- spring boot 辅助开发依赖 -->
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-devtools</artifactId>
			<scope>runtime</scope>
			<optional>true</optional>
		</dependency>
		<dependency>
			<groupId>org.projectlombok</groupId>
			<artifactId>lombok</artifactId>
			<version>1.18.38</version>
			<optional>true</optional>
		</dependency>
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-test</artifactId>
			<scope>test</scope>
		</dependency>
		<dependency>
			<groupId>org.projectlombok</groupId>
			<artifactId>lombok</artifactId>
			<version>1.18.38</version>
		</dependency>
	</dependencies>

	<dependencyManagement>
		<dependencies>
			<dependency>
				<groupId>org.springframework.ai</groupId>
				<artifactId>spring-ai-bom</artifactId>
				<version>${spring-ai.version}</version>
				<type>pom</type>
				<scope>import</scope>
			</dependency>
		</dependencies>
	</dependencyManagement>

	<repositories>
		<repository>
			<id>spring-milestones</id>
			<url>https://repo.spring.io/milestone</url>
		</repository>
	</repositories>

	<build>
		<plugins>
			<plugin>
				<groupId>org.apache.maven.plugins</groupId>
				<artifactId>maven-compiler-plugin</artifactId>
				<configuration>
					<annotationProcessorPaths>
						<path>
							<groupId>org.projectlombok</groupId>
							<artifactId>lombok</artifactId>
						</path>
					</annotationProcessorPaths>
				</configuration>
			</plugin>
			<plugin>
				<groupId>org.springframework.boot</groupId>
				<artifactId>spring-boot-maven-plugin</artifactId>
				<configuration>
					<excludes>
						<exclude>
							<groupId>org.projectlombok</groupId>
							<artifactId>lombok</artifactId>
						</exclude>
					</excludes>
				</configuration>
			</plugin>
		</plugins>
	</build>

</project>

上面是一个很全的 Spring AI 项目依赖，其中常用依赖：

  • spring-ai-commons 是 Spring AI 的公共基础组件，包含通用工具类、抽象接口、异常处理等，为其他组件提供基础支持，保证各模块间的兼容性。

  • spring-ai-model 是 AI 模型的核心抽象组件，定义了模型调用的通用接口（如聊天模型、嵌入模型等），统一不同 AI 模型的访问方式。

  • spring-ai-openai 是 OpenAI 服务的实现组件，提供与 OpenAI API 交互的具体逻辑，包括模型调用、请求处理、响应解析等，供 starter 模块使用。

  • spring-ai-starter-openai 是 OpenAI 的 starter 组件，提供自动配置和依赖管理，简化 OpenAI 模型集成，引入后可快速使用 OpenAI 的大语言模型服务。

  • spring-ai-vector-store 是向量存储组件，提供向量数据的存储和检索能力，支持将文本等内容转换为向量后存储，常用于检索增强生成（RAG）场景。

  • spring-ai-rag 是检索增强生成（RAG）组件，整合检索和生成能力，能从知识库中检索相关信息并结合大语言模型生成更精准的回答。

  • spring-ai-retry 是重试机制组件，为 AI 模型调用等操作提供重试策略，处理网络波动、服务暂时不可用等场景，提高系统稳定性。

上面依赖包含了很多聊天模型用不到的依赖，是为了方便演示 Spring AI 功能。如果不需要这些多余的依赖可自行删除。

模型配置

配置文件采用 YAML 格式，在项目的 resources 目录中创建 application.yml 文件，内容如下：

spring:
  application:
    name: springai_demo1
  # 数据库配置
  datasource:
    driver-class-name: com.mysql.cj.jdbc.Driver
    url: jdbc:mysql://localhost:3306/chat_db
    username: root
    password: aaaaaa
  # Redis 配置
  data:
    redis:
      host: localhost
      port: 6379
      password:
      timeout: 5000
      database: 0
      jedis:
        pool:
          enabled: true  # 显式启用连接池
          max-active: 16  # 最大活跃连接数（根据并发量调整，建议为 CPU核心数 * 2）
          max-wait: 2000  # 最大等待时间（添加时间单位，避免默认毫秒被误读）
          max-idle: 8  # 最大空闲连接（保持与 max-active 合理比例，避免资源浪费）
          min-idle: 4  # 最小空闲连接（保留核心连接，减少重建开销）
  # AI配置
  ai:
    # openai相关配置
    openai:
      # 基础地址
      # 访问 https://api.xty.app/register?aff=pO2q 地址注册账号即可访问 OpenAI 了
      base-url: https://api.xty.app
      # AI KEY
      # 高级接口key
      api-key: sk-vHTHX8D3wNZBfRya831***************
      # 聊天模型配置
      chat:
        options:
          model: gpt-4-turbo # gpt-3.5-turbo
      # 图片模型配置
      image:
        options:
          # 需要高级接口
          model: dall-e-3
    chat:
      memory:
        # 会话历史持久化
        repository:
          jdbc:
            # 启动时不自动执行初始化SQL脚本，手动创建数据表
            initialize-schema: never
      client:
        # true 开启，自动注入 ChatClient，false 关闭，需要手动创建 ChatClient
        enabled: true

# 日志配置
logging:
  charset:
    console: UTF-8
  level:
    root: info
    org.springframework.ai: debug

上述配置中，包含了数据库（存储聊天历史）、redis（存储向量）、模型和日志配置。

聊天服务

创建一个名为 ChatService 的服务类，通过调用 ChatClient API 实现具体聊天逻辑，代码如下：

package com.hxstrive.springai.springai_openai.example.chat_model;

import jakarta.annotation.Resource;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

@Service
public class ChatService {

    // 注入ChatClient.Builder，用于创建ChatClient实例
    @Resource
    private ChatClient.Builder builder;

    /**
     * 发送单轮消息并获取响应
     * @param message 用户输入的消息
     * @return 模型生成的响应文本
     */
    public String sendMessage(String message) {
        ChatClient chatClient = builder.build();
        
        // 1. 创建用户消息（UserMessage）
        UserMessage userMessage = new UserMessage(message);
        
        // 2. 构建 Prompt（包含消息内容）
        Prompt prompt = new Prompt(userMessage);
        
        // 3. 调用聊天客户端发送请求并获取响应
        ChatClient.CallResponseSpec response = 
            chatClient.prompt(prompt).messages(userMessage).call();
        
        // 4. 提取响应中的文本内容
        return response.content();
    }

    /**
     * 多轮对话示例（包含上下文）
     * @param message 当前用户消息
     * @param history 历史对话记录（格式："用户: xxx\nAI: xxx"）
     * @return 模型生成的响应文本
     */
    public String multiTurnChat(String message, String history) {
        ChatClient chatClient = builder.build();
        // 1. 构建包含历史上下文的提示词
        String fullPrompt = "历史对话:\n" + history + 
            "\n当前用户问: " + message + "\n请结合历史对话回答，保持连贯。";
        
        // 2. 发送请求
        return chatClient.prompt(fullPrompt).call().content();
    }
}

聊天 Controller

创建一个名为 ChatController 的控制器，暴露两个端点 /api/chat/single 和 /api/chat/multi 实现单轮对话和多轮对话，代码如下：

package com.hxstrive.springai.springai_openai.example.chat_model;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.*;

@RestController
@RequestMapping("/api/chat")
public class ChatController {

    @Autowired
    private ChatService chatService;

    /**
     * 单轮对话接口
     * 示例请求: GET /api/chat/single?message=你好，介绍一下AI
     */
    @GetMapping("/single")
    public String singleChat(@RequestParam String message) {
        return chatService.sendMessage(message);
    }

    /**
     * 多轮对话接口
     * 示例请求: POST /api/chat/multi
     * 请求体: {"message": "它有哪些核心功能？", "history": "用户: 你好，介绍一下AI\nAI: Spring AI是..."}
     */
    @PostMapping("/multi")
    public String multiChat(@RequestBody MultiTurnRequest request) {
        return chatService.multiTurnChat(request.getMessage(), request.getHistory());
    }

    // 内部静态类，用于接收多轮对话请求参数
    public static class MultiTurnRequest {
        private String message;
        private String history;

        // getter 和 setter
        public String getMessage() { return message; }
        public void setMessage(String message) { this.message = message; }
        public String getHistory() { return history; }
        public void setHistory(String history) { this.history = history; }
    }
}

启动类

创建一个普通的 Spring Boot 启动类，如下：

package com.hxstrive.springai.springai_openai.example.chat_model;

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.web.bind.annotation.RestController;

/**
 * 启动类
 * @author hxstrive
 */
@RestController
@SpringBootApplication
public class SpringAiApplication {

	public static void main(String[] args) {
		SpringApplication.run(SpringAiApplication.class, args);
	}

}

运行效果

如果应用启动正常，则可以打开浏览器，访问 /api/chat/single 和 /api/chat/multi 地址，效果如下图：

Spring AI 聊天模型

Spring AI 聊天模型

通过这个示例，你可以快速上手 Spring AI 的聊天模型功能，后续可结合 RAG 模块实现 “检索增强生成”，让模型基于外部知识生成更精准的回答。

 

提示：如果不能访问 OpenAI，请点击 AiCode API 注册账号，通过代理访问。  

上一章：Spring AI 工具调用：工具解析
说说我的看法
全部评论（）
没有评论
关于
本网站专注于 Java、数据库（MySQL、Oracle）、Linux、软件架构及大数据等多领域技术知识分享。涵盖丰富的原创与精选技术文章，助力技术传播与交流。无论是技术新手渴望入门，还是资深开发者寻求进阶，这里都能为您提供深度见解与实用经验，让复杂编码变得轻松易懂，携手共赴技术提升新高度。如有侵权，请来信告知：hxstrive@outlook.com
链接
其他应用
公众号
©2018-2020 hxstrive.com 版权所有 ICP证：蜀ICP备14031461号-2   川公网安备51010802032098