引子

当 LLM 的浪潮以不可阻挡之势席卷全球，从改变用户交互到重塑商业模式，我们每一位开发者都身处这场技术变革的中心。作为庞大的 Java 生态中的一员，你是否也曾思考：当 Python 似乎成为 AI 的“官方语言”时，我们这些深耕 Spring 全家桶的开发者，该如何快速拥抱这个新时代？如今，Spring 团队亲自出手，为数百万 Java 开发者带来了官方答案——Spring AI。它将 AI 开发的复杂性进行封装，让集成 AI 能力变得像添加一个普通的 Starter 一样简单。

本文是 《Spring AI 进阶之路》 系列的第一篇，我们将从最基础的整合开始。你将看到，在 Spring Boot 的帮助下，集成一个强大的 AI 模型，真的只需三步！

话不多说，让我们直接开始动手实践。

前置准备

在开始三步集成前，先确保你已准备好以下基础环境：

1. JDK 17+：Spring Boot 3 和 Spring AI 基于较新的 Java 版本，确保你的 JDK 版本不低于 17。
2. Maven 或 Gradle：本文以 Maven 为例，它是我们管理项目依赖的得力助手。
3. 一个顺手的 IDE：选择你最熟悉的 IDE 即可，本文以 IntelliJ IDEA 为例。
4. 一个 LLM厂商的 API Key：本文以 DeepSeek 为例，价格便宜且无需科学上网，使用起来很方便。

第一步：添加依赖

让我们从创建项目开始。如果你使用 Spring Initializr 会更简单，但为了让大家理解每一步的细节，我们选择从零开始创建一个 Maven 项目。

首先，创建一个新的Maven空项目：

项目创建完成后，我们需要配置 pom.xml。整个依赖配置分为三个部分：

1.设置 Spring Boot 父项目

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

2.管理 Spring AI 的版本

通过 BOM 统一管理 Spring AI相关依赖的版本，避免版本冲突：

<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>

3.添加具体依赖

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

你可能注意到，虽然我们前面提到本次使用的是 DeepSeek 的 API，但引入的却是 spring-ai-starter-model-openai。这是因为 DeepSeek 采用了与 OpenAI 完全兼容的 API 规范，我们可以直接复用 OpenAI 的客户端实现。这种设计让切换不同的 AI 服务商变得非常简单——只需要更换 API Key 和端点地址即可。

第二步：配置凭证

有了依赖，接下来需要告诉 Spring AI 如何连接到 AI 服务。在 src/main/resources 目录下创建 application.yml 文件（如果不存在的话），添加以下配置：

spring:ai:openai:api-key: {这里换成你自己的}base-url: https://api.deepseek.comchat:options:model: deepseek-chat

⚠️ 提醒：直接将 API Key 写在配置文件中仅适合本地开发和快速测试，但绝对不要在生产环境中这样做！在生产环境中，推荐使用环境变量来管理你的密钥。

第三步：编写代码调用

万事俱备，让我们开始编写代码来调用 AI 模型。

1.注入AI客户端

接下来，创建一个 REST 控制器来处理 AI 对话请求。Spring AI 的魅力在于，它将复杂的 AI 交互抽象成了简单的 Spring Bean：

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.web.bind.annotation.*;@RestController
@RequestMapping("/chat")
public class ChatController {private ChatClient chatClient;public ChatController(ChatClient.Builder chatClientBuilder) {this.chatClient = chatClientBuilder.build();}@GetMapping("/test")public String completion(@RequestParam String message) {return chatClient.prompt().user(message).call().content();}  }

2.启动测试

启动应用，Spring Boot 的控制台会显示启动信息。待应用成功启动后，我们可以通过Apifox，向这个测试接口发送请求：

3.配置跨域

最终我们一定需要从前端应用调用这个接口，所以别忘了配置 CORS：

import org.springframework.context.annotation.Configuration;
import org.springframework.web.servlet.config.annotation.CorsRegistry;
import org.springframework.web.servlet.config.annotation.WebMvcConfigurer;@Configuration
public class CorsConfig implements WebMvcConfigurer {@Overridepublic void addCorsMappings(CorsRegistry registry) {registry.addMapping("/**").allowedOrigins("/chat/*").allowedMethods("GET", "POST", "PUT", "DELETE", "OPTIONS").allowedHeaders("*").allowCredentials(true).maxAge(3600);}
}

小结

至此，我们完成了 Spring AI 的基础集成。不过，如果你仔细观察测试结果，会发现当前的实现存在一个明显的体验问题：我们必须等待 AI 完全生成答案后才能看到结果。相比之下，那种逐字输出的效果就友好得多。用户能实时看到 AI 的"思考过程"，体验更加流畅自然。

那么，如何在 Spring AI 中实现这种流式响应呢？这正是下一篇文章要探讨的内容。我们将介绍如何使用 SSE（Server-Sent Events）技术，让你的 AI 应用也能实现实时的打字机效果。

如果你对本文有任何疑问或建议，欢迎在评论区交流。下篇见！