Java大模型开发入门 (13/15)：拥抱官方标准 - Spring AI框架入门与实践

前言

到目前为止，我们整个系列的旅程都是在功能强大的LangChain4j框架上构建的。它就像一个装备齐全的“瑞士军刀”，为我们提供了构建RAG和Agents所需的所有底层和高层工具。

然而，在Java企业级开发的世界里，有一个名字我们永远无法忽视——Spring。当AI浪潮来袭，Spring官方团队自然不会缺席。他们推出了自己的解决方案：Spring AI。

那么，Spring AI是什么？它和我们已经熟练使用的LangChain4j是什么关系？是竞争者还是协作者？它能为我们带来什么新的价值？今天，我们将一起探索这个由Spring官方打造的AI框架，体验它所带来的“原生”开发感受。

第一部分：什么是Spring AI？

Spring AI是一个应用框架，旨在将AI功能（特别是基于大语言模型的功能）以一种**“Spring原生”**的方式，无缝集成到企业级应用中。

它的核心设计哲学不是从零开始创造一切，而是：

1. 提供统一的顶层抽象：无论底层模型是来自OpenAI、Google、Azure还是HuggingFace，Spring AI都力求提供一套统一的、面向接口的API，如ChatClient和EmbeddingClient。
2. 拥抱Spring生态：充分利用Spring Boot的自动配置、依赖注入和外部化配置等核心特性。你不需要手动创建客户端，只需要在application.properties中填写配置，相应的Bean就会被自动创建和注入。
3. 可移植性：它的目标是让你的业务代码与具体的AI模型提供商解耦。理论上，你只需要修改配置文件，就能从OpenAI切换到Azure OpenAI，而无需改动Java代码。

Spring AI vs. LangChain4j：是什么关系？
它们并非严格的竞争关系，而是不同层面的抽象。Spring AI更侧重于简化集成和提升Spring开发者的体验。事实上，Spring AI的某些模块底层就是由LangChain4j驱动的！你可以把Spring AI看作是一个更高层次的“门面”，它为你整合了包括LangChain4j在内的多种AI库，并用一层标准的Spring接口将其包装起来。

第二部分：在Spring Boot中集成Spring AI

让我们在一个新的分支或项目中，体验一下Spring AI的配置过程。

1. 修改pom.xml
   Spring AI有自己的BOM（Bill of Materials）来管理版本。我们需要先引入BOM，再添加具体的Starter。

     <properties>
          <java.version>21java.version>
          
          <spring-ai.version>1.0.0-M3spring-ai.version>
      properties>
   
      <dependencyManagement>
          <dependencies>
              <dependency>
                  <groupId>org.springframework.aigroupId>
                  <artifactId>spring-ai-bomartifactId>
                  <version>${spring-ai.version}version>
                  <type>pomtype>
                  <scope>importscope>
              dependency>
          dependencies>
      dependencyManagement>
   
      <dependencies>
          <dependency>
              <groupId>org.springframework.bootgroupId>
              <artifactId>spring-boot-starter-webartifactId>
          dependency>
   
          <dependency>
              <groupId>org.springframework.bootgroupId>
              <artifactId>spring-boot-starter-testartifactId>
              <scope>testscope>
          dependency>
   
          
          <dependency>
              <groupId>org.springframework.aigroupId>
              <artifactId>spring-ai-openai-spring-boot-starterartifactId>
          dependency>
   
          
          <dependency>
              <groupId>org.springframework.aigroupId>
              <artifactId>spring-ai-transformers-spring-boot-starterartifactId>
          dependency>
   
          
          <dependency>
              <groupId>com.fasterxml.jackson.coregroupId>
              <artifactId>jackson-databindartifactId>
          dependency>
   
          
          <dependency>
              <groupId>org.projectlombokgroupId>
              <artifactId>lombokartifactId>
              <optional>trueoptional>
          dependency>
      dependencies>
   
   
      <build>
          <plugins>
              <plugin>
                  <groupId>org.springframework.bootgroupId>
                  <artifactId>spring-boot-maven-pluginartifactId>
              plugin>
          plugins>
      build>
      <repositories>
          <repository>
              <id>spring-milestonesid>
              <name>Spring Milestonesname>
              <url>https://repo.spring.io/milestoneurl>
              <snapshots>
                  <enabled>falseenabled>
              snapshots>
          repository>
          <repository>
              <id>spring-snapshotsid>
              <name>Spring Snapshotsname>
              <url>https://repo.spring.io/snapshoturl>
              <releases>
                  <enabled>falseenabled>
              releases>
          repository>
      repositories>
   

   注意：请根据Spring AI的最新发布情况调整版本和仓库配置。

2. 修改application.properties
   Spring AI有自己的一套配置属性，命名空间是spring.ai。

   
   # ==========================================
   # Spring AI Demo 配置文件
   # ==========================================
   
   # 服务器端口配置
   server.port=8080
   
   # ==========================================
   # Spring AI OpenAI 配置
   # ==========================================
   
   # OpenAI API密钥 (请设置环境变量 OPENAI_API_KEY)
   spring.ai.openai.api-key=${OPENAI_API_KEY:your-api-key-here}
   
   # OpenAI API基础URL (支持代理服务)
   spring.ai.openai.base-url=${OPENAI_BASE_URL:https://yibuapi.com/}
   
   # 聊天模型配置
   spring.ai.openai.chat.options.model=${OPENAI_MODEL:gpt-4o-mini}
   spring.ai.openai.chat.options.temperature=${OPENAI_TEMPERATURE:0.7}
   spring.ai.openai.chat.options.max-tokens=${OPENAI_MAX_TOKENS:2000}
   
   # ==========================================
   # 应用程序配置
   # ==========================================
   
   # 应用名称
   spring.application.name=springboot-langchain4j-demo
   
   # 日志配置
   logging.level.org.springframework.ai=DEBUG
   logging.level.org.example.demo=DEBUG
   
   # ==========================================
   # Web配置
   # ==========================================
   
   # 静态资源配置
   spring.web.resources.static-locations=classpath:/static/
   spring.web.resources.cache.period=3600
   
   # 编码配置
   server.servlet.encoding.charset=UTF-8
   server.servlet.encoding.enabled=true
   server.servlet.encoding.force=true
   
   

   仅仅这样配置，Spring AI的Starter就会为我们自动创建一个配置好的ChatClient Bean。

第三部分：实战 - 使用ChatModel 进行聊天

现在，我们将创建一个新的Service和Controller，体验一下ChatModel 的流畅API。

1. 创建SpringAiService.java

   package com.example.aidemoapp.service;
   
   import lombok.RequiredArgsConstructor;
   import org.springframework.ai.chat.model.ChatModel;
   import org.springframework.ai.chat.prompt.Prompt;
   import org.springframework.ai.chat.prompt.PromptTemplate;
   import org.springframework.stereotype.Service;
   
   @Service
   @RequiredArgsConstructor
   public class SpringAiService {
   
   
      private final ChatModel chatModel;
   
          /**
    * 简单聊天对话
    */
   public String getSimpleChatResponse(String userPrompt) {
       return chatModel.call(userPrompt);
   }
   
   /**
    * 使用模板的聊天对话
    */
   public String getChatResponseWithTemplate(String topic, String style) {
       String template = "请用{style}的风格来介绍{topic}，内容要详细且有趣。";
       PromptTemplate promptTemplate = new PromptTemplate(template);
       Prompt prompt = promptTemplate.create(Map.of(
           "topic", topic,
           "style", style
       ));
       return chatModel.call(prompt).getResult().getOutput().getContent();
   }
   }
   

   代码解析：

   • 我们没有看到任何OpenAi...相关的类，代码完全面向ChatModel 这个抽象接口。
   • API调用是链式的，非常清晰：定义提示 -> 发起调用 -> 获取内容。

2. 创建SpringAiController.java

   package com.example.aidemoapp.controller;
   
   import com.example.aidemoapp.service.SpringAiService;
   import lombok.RequiredArgsConstructor;
   import org.springframework.web.bind.annotation.GetMapping;
   import org.springframework.web.bind.annotation.RequestMapping;
   import org.springframework.web.bind.annotation.RequestParam;
   import org.springframework.web.bind.annotation.RestController;
   
   @RestController
   @RequestMapping("/api/spring-ai")
   @RequiredArgsConstructor
   public class SpringAiController {
   
       private final SpringAiService springAiService;
   
       /**
        * 简单聊天接口
        */
       @GetMapping("/chat")
       public Map<String, Object> chat(@RequestParam("query") String query) {
           try {
               String response = springAiService.getSimpleChatResponse(query);
               return Map.of(
                   "success", true,
                   "data", response,
                   "message", "聊天成功"
               );
           } catch (Exception e) {
               return Map.of(
                   "success", false,
                   "data", "",
                   "message", "聊天失败: " + e.getMessage()
               );
           }
       }
   
       /**
        * 模板聊天接口
        */
       @PostMapping("/chat/template")
       public Map<String, Object> chatWithTemplate(@RequestBody Map<String, String> request) {
           try {
               String topic = request.get("topic");
               String style = request.get("style");
               String response = springAiService.getChatResponseWithTemplate(topic, style);
               return Map.of(
                   "success", true,
                   "data", response,
                   "message", "模板聊天成功"
               );
           } catch (Exception e) {
               return Map.of(
                   "success", false,
                   "data", "",
                   "message", "模板聊天失败: " + e.getMessage()
               );
           }
       }
   }
   

第四步：对比与思考

现在我们可以清楚地看到Spring AI和LangChain4j在设计哲学上的异同：

• 配置方式：两者都支持外部化配置，但命名空间不同。Spring AI的spring.ai.*对于Spring开发者来说更具辨识度。
• 核心抽象：
  • Spring AI：核心是ChatModel ，一个非常直接、面向任务的客户端。它的目标是让你用最少的代码完成最常见的任务。
  • LangChain4j：核心是ChatLanguageModel接口和AiServices工厂/注解。它更侧重于将一个Java接口映射为一个AI服务，提供了更灵活的、声明式的编程模型。
• 易用性：
  • 对于简单的聊天或嵌入任务，Spring AI的ChatClient极其简单直接，学习成本几乎为零。
  • 对于构建复杂的RAG或Agent流，LangChain4j通过RetrievalAugmentor和@Tool等组件提供了更结构化、更专门的解决方案。

我应该用哪个？

• 如果你是Spring重度用户，且需求是快速将聊天、RAG等标准功能集成到应用中，Spring AI是你的不二之选。它的无缝集成和极低的上手门槛会让你事半功倍。
• 如果你需要构建高度定制化的AI工作流，或者需要使用一些LangChain4j独有的高级功能，直接使用LangChain4j会给你更大的灵活性和控制力。

好消息是，你不必二选一。你完全可以在一个Spring AI项目中使用LangChain4j的组件，它们可以和谐共存。

总结

今天，我们探索了Spring官方的AI解决方案——Spring AI。我们了解了它以“Spring原生体验”为核心的设计思想，并通过ChatClient体验了其简洁流畅的API。

我们现在武器库中又增添了一件利器。我们既有功能全面、灵活强大的LangChain4j，又有与Spring生态无缝集成的Spring AI。作为开发者，我们可以根据项目的具体需求，选择最合适的工具。

在我们开发之旅接近尾声时，我们已经探索了多种工具和技术。但无论技术如何，将AI应用推向生产环境，都会面临一些共通的挑战。

---

源码获取

本文中所有实战代码均已同步更新至Gitee仓库。建议您git pull拉取最新代码，对照本文进行学习。

• Gitee仓库地址: https://gitee.com/chaocloud/spring-ai-demo

---

下一篇预告：
《Java大模型开发入门 (14/15)：生产环境考量 - 成本、安全与性能优化》—— 我们将从编码转向工程，探讨在生产环境中部署和运维一个LLM应用时，必须考虑的成本控制、安全防护和性能优化等关键问题。