Spring AI 项目介绍

Spring AI 是一个为开发 AI 应用程序提供 Spring 友好的 API 和抽象层的项目。它将 Spring 生态系统的设计原则（如可移植性和模块化设计）应用到 AI 领域，并促进使用 POJO 作为 AI 应用程序的构建块。

核心理念 💡

❝

在其核心，Spring AI 解决了 AI 集成的根本挑战：将您的企业「数据」和「API」与「AI 模型」连接起来。

❞

技术架构层次 🏛️

图1：Spring AI 技术架构层次图

快速开始(以Ollma为例) 🚀

1. 添加依赖

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-ollama</artifactId>
    <version>1.0.0-SNAPSHOT</version>
</dependency>

2. 使用 OllamaChatModel

package cn.jishuba;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.model.ChatModel;
import org.springframework.ai.ollama.OllamaChatModel;
import org.springframework.ai.ollama.api.OllamaApi;
import org.springframework.ai.ollama.api.OllamaOptions;
public class App
{
    public static void main( String[] args )
    {
        // 指定Ollama API的地址
        OllamaApi ollamaApi = OllamaApi.builder()
                .baseUrl("http://localhost:11434")
                .build();
        // 创建Ollama聊天模型
        ChatModel model = OllamaChatModel.builder()
                .defaultOptions(OllamaOptions.builder()
                        .model("qwen2.5:latest")
                        .build())
                .ollamaApi(ollamaApi)
                .build();
        // 创建聊天客户端
        ChatClient chatClient = ChatClient.builder(model)
                .build();
        String response = chatClient.prompt()
                            .user("你好，讲个关于Java的笑话")
                            .call()
                            .content();
        System.out.println(response);
    }
}

整体架构 🏗️

图2：Spring AI 核心架构与生态系统

主要功能模块 🎯

1. AI 模型支持 🤖

支持的模型类型

• 「聊天完成」 (Chat Completion) 💬
• 「嵌入」 (Embedding) 🔗
• 「文本转图像」 (Text to Image) 🎨
• 「音频转录」 (Audio Transcription) 🎵
• 「文本转语音」 (Text to Speech) 🔊
• 「内容审核」 (Moderation) 🛡️

支持的提供商

2. 向量数据库支持 🗄️

支持的向量数据库

3. 核心功能组件 ⚙️

ChatClient API 💬

• 流式 API，类似于 WebClient 和 RestClient
• 支持同步和异步调用
• 内置对话记忆管理
• 支持 RAG (检索增强生成)

Advisors API 🎯

• 封装常见的生成式 AI 模式
• 转换发送到/从语言模型的数据
• 提供跨不同模型的可移植性

工具/函数调用 🛠️

• 允许模型请求执行客户端工具和函数
• 访问实时信息
• 扩展 AI 应用的功能边界

观测性 📊

• 提供 AI 相关操作的洞察
• 监控模型性能和使用情况
• 集成 Spring Boot Actuator

4. 数据处理 📈

ETL 框架

• 文档注入 ETL 框架
• 数据工程支持
• 文档读取器：

• jsoup-reader - HTML 解析
• markdown-reader - Markdown 文档
• pdf-reader - PDF 文档
• tika-reader - 多格式文档

结构化输出

• AI 模型输出到 POJO 的映射
• 类型安全的响应处理

模块关系图 🔄

图3：Spring AI 模块关系与依赖图

主要特性 ✨

🔧 可移植性

• 统一的 API 抽象，轻松切换不同的 AI 提供商
• 标准化的配置方式

🎯 Spring 集成

• 完整的 Spring Boot 自动配置
• 依赖注入支持
• Spring 生态系统兼容

📈 可扩展性

• 模块化设计，按需选择组件
• 插件式架构，易于扩展

🛡️ 企业级

• 完整的观测性支持
• 错误处理和重试机制
• 生产就绪的特性

🌐 多语言支持

• 不仅限于 Python 开发者
• Java 生态系统的完整支持

总结 🎉

Spring AI 为 Java 开发者提供了一个强大、灵活、易于使用的 AI 应用开发框架。通过其模块化设计和 Spring 生态系统的深度集成，开发者可以快速构建生产级的 AI 应用程序，同时保持代码的可维护性和可扩展性。

无论您是要构建聊天机器人、知识问答系统、还是复杂的 AI 工作流，Spring AI 都为您提供了必要的工具和抽象层，让您专注于业务逻辑的实现，而不是底层的 AI 模型集成细节。