Spring AI：Java开发者的智能应用新基建

原创

用户12689597

发布于 2026-08-18 17:20:45

350

引言：当Java遇见AI

2025年Spring AI 1.0 GA正式发布，到如今全面拥抱Agent工程，Spring AI已成为Java开发者构建企业级AI应用的首选框架-4。

大模型浪潮席卷全球的这几年，Python开发者有LangChain，JavaScript开发者有各种AI SDK。Java开发者呢？一直缺少一个官方的、统一的答案。直到Spring官方出手，Spring AI的出现补上了这个缺口。

Spring AI的核心理念：将企业的“数据”和“API”与“AI模型”连接起来，所有主流AI模型的API被统一成了一致的高层抽象-1 -4 -7。

你只需学会一套接口，就能调用OpenAI、阿里云通义千问、DeepSeek、Claude等不同模型。切换模型？改个配置文件就行。这就是Spring AI的魅力——它不是一个简单的“AI SDK”，而是一套完整的AI应用开发框架-10。

第一部分：Spring AI是什么

1.1 核心定位

Spring AI是Spring官方在2024年推出的AI开发框架，它将Spring的设计原则——可移植性、模块化设计和POJO编程模型——应用到了AI工程领域-4 -10。

如果把LangChain比作Python世界的AI应用“瑞士军刀”，那么Spring AI就是Java世界的“Spring式”AI开发底座。它继承了Spring Boot“约定大于配置”的基因，让AI能力的集成变得像添加一个普通的Starter一样简单-5。

1.2 支持的能力矩阵

Spring AI覆盖了企业级AI应用的主流需求-4 -7 -10：

聊天完成：对话、代码生成、内容创作（OpenAI、通义千问、DeepSeek、Claude等）
嵌入（Embedding）：文本向量化、语义搜索
多模态：图像识别、视频理解（GPT-4o、Qwen-VL）
函数调用（Tool Calling）：外部API集成、Agent工具调用
向量数据库：PGVector、Milvus、Redis、Chroma、Azure Cosmos DB等全生态支持
MCP：模型上下文协议支持，标准化外部工具集成

第二部分：三步集成——让AI能力触手可及

如果你已是Spring Boot开发者，集成AI能力真的只需要三步-5。

第一步：添加依赖

<parent>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-parent</artifactId>
    <version>3.5.0</version>
</parent>

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>1.0.0</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

<dependencies>
    <!-- Spring AI OpenAI Starter -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-model-openai</artifactId>
    </dependency>
    <!-- Spring Boot Web -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
</dependencies>

注：DeepSeek采用与OpenAI完全兼容的API规范，可以直接复用OpenAI客户端实现-5。

第二步：配置凭证

spring:
  ai:
    openai:
      api-key: ${OPENAI_API_KEY}  # 使用环境变量，切勿硬编码
      base-url: https://api.deepseek.com  # 兼容OpenAI API的端点
      chat:
        model: deepseek-chat

第三步：编写调用代码

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

@RestController
public class ChatController {
    
    private final ChatClient chatClient;
    
    public ChatController(ChatClient.Builder chatClientBuilder) {
        this.chatClient = chatClientBuilder.build();
    }
    
    @GetMapping("/chat")
    public String chat() {
        return chatClient.prompt()
            .user("Tell me an interesting fact about Java")
            .call()
            .content();
    }
}

就这么简单。注入ChatClient，调个prompt，拿到结果-8。如果没有Spring AI，你可能要手动处理HTTP请求、JSON序列化、错误重试、流式响应……代码量翻几倍。

第三部分：核心能力深度解析

3.1 ChatClient：AI交互的首选接口

ChatClient提供了流畅的DSL API，是Spring AI官方推荐的主要交互方式-4 -7。它与WebClient、RestClient等Spring经典API风格一致。

对比直接使用ChatModel，ChatClient的优势明显：

特性	ChatModel	ChatClient
API复杂度	高（需手动构建Prompt）	低（流式DSL）
Advisor支持	❌ 不支持	✅ 内置支持
记忆管理	需手动实现	✅ 自动会话记忆
流式响应	需额外封装	✅ 一行代码开启

3.2 Advisor：拦截器让AI应用更智能

Advisor是Spring AI的一个核心设计，它封装了常见的生成式AI模式——在调用模型前后对数据进行转换和增强-7 -10。

// 开启会话记忆——让AI记住对话上下文
String response = chatClient.prompt()
    .user("我的名字是张三")
    .advisors(new PromptChatMemoryAdvisor(chatMemory))
    .call()
    .content();

// 第二次调用，AI能记住之前说过的话
String response2 = chatClient.prompt()
    .user("我叫什么名字？")
    .advisors(new PromptChatMemoryAdvisor(chatMemory))
    .call()
    .content();  // 返回：你叫张三

Advisor的插拔式设计让开发者可以在不修改核心业务逻辑的情况下，对模型的输入输出进行灵活定制——提示词改写、安全过滤、日志记录、记忆管理都可以通过Advisor实现-4 -10。

3.3 Tool Calling：让AI真正“动手做事”

Tool Calling（函数调用）是Agent能力的核心。Spring AI通过@Tool注解让模型能够调用Java方法，与外部系统交互-1 -4。

import org.springframework.ai.tool.annotation.Tool;

@Service
public class WeatherService {
    
    @Tool(description = "获取指定城市的实时天气")
    public String getWeather(String city) {
        // 实际调用天气API
        return city + "：晴，25°C";
    }
}

// 在Controller中注入并使用
@RestController
public class AgentController {
    
    private final ChatClient chatClient;
    
    public AgentController(ChatClient.Builder builder, WeatherService weatherService) {
        this.chatClient = builder
            .defaultTools(weatherService)  // 注册工具
            .build();
    }
    
    @GetMapping("/weather-agent")
    public String askWeather() {
        return chatClient.prompt()
            .user("北京今天天气怎么样？")
            .call()
            .content();  // 模型自动判断需要调用getWeather工具
    }
}

3.4 RAG与向量存储

Spring AI提供了统一的向量存储抽象层，支持PGVector、Milvus、Redis、Chroma等主流向量数据库-1 -4 -7。

通过QuestionAnswerAdvisor，RAG能力可以一行代码开启-4：

@GetMapping("/rag")
public String ragQuery(@RequestParam String question) {
    return chatClient.prompt()
        .user(question)
        .advisors(new QuestionAnswerAdvisor(vectorStore, SearchRequest.defaults()))
        .call()
        .content();
}

第四部分：Spring AI 2.0——Agent时代的新底座

Spring AI 2.0已于2026年6月正式发布GA版本，标志着框架从“让Java调用大模型”走向“让Java构建Agent应用”的新阶段-12。

关键升级：

Tool Calling全面重构：统一了所有模型的工具执行机制，ToolCallingAdvisor成为标准方式-3 -9
ChatMemory改进：消息窗口溢出时按用户消息边界截断，避免对话被切断-3
结构化输出增强：支持直接在entity()调用中配置输出格式和校验-3
空安全全面引入：整个代码库使用JSpecify注解，工程项目更健壮-12
MCP协议升级：Streamable HTTP成为默认服务器协议，弃用SSE传输方式-9

Spring AI 2.0基于Spring Boot 4.1和Spring Framework 7，最低要求Java 21-3 -12。

结语：Java开发的“AI标配”

Spring AI的价值，不是提供一个“能调大模型的API”，而是让Java开发者能用Spring的方式做AI应用开发。它把模型切换、工具调用、记忆管理、RAG这些复杂的事情封装成了熟悉的Spring模式。

对于已经在Spring技术栈上投入的企业，Spring AI几乎是零成本的AI能力升级路径——不用换技术栈，不用重新培训团队，用Spring的方式写AI应用。

对于开发者而言，Spring AI正在成为Java开发者的“AI标配”。无论是给现有系统加上AI能力，还是从零开始搭建RAG知识库或Agent应用，Spring AI都值得你认真了解-4。

未来的竞争，不在于“会不会调API”，而在于“能不能把AI能力融入业务”。Spring AI，就是Java开发者抓住这波机会的桥梁。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

spring