摘要：

        在本文中，我们将探索Spring AI——一个为Java开发者社区设计的革命性的人工智能框架。了解其核心功能、如何集成到现有的Spring应用中，以及它如何简化AI项目的开发。

前言：

        在当今这个由数据和智能驱动的时代，人工智能（AI）已经成为推动业务创新和优化用户体验的关键力量。从个性化推荐系统到自然语言处理，AI技术正在以前所未有的速度渗透到我们生活的每一个角落。然而，尽管AI的承诺如此诱人，对于许多Java开发者来说，将AI集成到现有的应用和服务中仍然是一项挑战。这是因为大多数AI框架和工具往往要求开发者具备专门的知识，或者需要在使用不同的技术栈之间进行昂贵的转换。

        Java一直是企业级应用开发的主力军，以其成熟的生态系统、强大的性能和跨平台的能力而受到广泛赞誉。但是，当涉及到AI时，Java社区似乎缺乏一个既能与Spring等现有框架无缝集成，又能为开发者提供易于上手的AI解决方案的平台。

        那么，对于Java开发者来说，有没有一个易于上手且功能强大的AI框架呢？答案是肯定的。随着Spring AI的推出，Java开发者现在有了一个专为他们量身打造的AI框架。Spring AI不仅承诺将AI的力量带到Java开发者的指尖，而且还保证与Java开发者已经熟悉的Spring生态系统无缝集成。这无疑是Java和AI领域的一大进步。

        在本文中，我们将深入探讨Spring AI，了解它如何为Java开发者提供一个平滑的AI集成路径，以及它如何帮助开发者快速构建和部署智能应用。无论您是AI新手还是有经验的开发者，Spring AI都旨在使您能够轻松地将AI的强大功能集成到您的Java应用中，从而开启新一代智能应用的篇章。

入门示例：

话不多说，先看示例：

@RestController@RequestMapping("/chat")public class SimpleAiController {private final ChatClient chatClient;@Autowiredpublic SimpleAiController(ChatClient chatClient) {this.chatClient = chatClient;}@GetMapping("/ai/simple")public Map<String, String> completion(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {return Map.of("generation", chatClient.call(message));}}

调用Restful接口：

>curl localhost:8080/ai/simple{"generation":"Why couldn't the bicycle stand up by itself? Because it was two tired!"}

可以看到，还是一贯的Spring风格，调用十分简单。以后用Java写AI应用再也不用写复杂的封装代码，或者到Github寻找一些不能确定靠不靠谱的三方框架了，Java程序员开发AI应用也能像写CRUD代码一样轻松了。（这里推荐一个比较优秀的Java AI框架-langchian4j，使用十分简单，之前在公司开发AI功能的时候发现的，但因为是三方框架，不敢直接集成到公司项目里，最后只能含泪封装了一大堆参数）

Spring AI简介：

        Spring AI旨在简化包含人工智能功能的应用程序的开发，而不会造成不必要的复杂性。

        该项目从著名的 Python 项目中汲取灵感，例如 LangChain 和 LlamaIndex，但 Spring AI 并不是这些项目的直接移植。该项目成立的信念是，下一波生成式 AI 应用程序将不仅适用于 Python 开发人员，而且将在许多编程语言中无处不在。

        Spring AI 的核心是提供抽象，作为开发 AI 应用程序的基础。这些抽象具有多种实现，只需最少的代码更改即可轻松交换组件。

Spring AI 提供以下功能：

支持所有主要的模型提供商，如OpenAI，Microsoft，Amazon，Google和Huggingface。

支持的模型类型包括聊天和文本到图像，还有更多类型正在开发中。

跨 AI 提供商的可移植 API，用于聊天和嵌入模型。支持同步和流 API 选项。还支持下拉以访问特定于模型的功能。

将 AI 模型输出映射到 POJO。

支持所有主要的矢量数据库提供商，例如 Azure Vector Search、Chroma、Milvus、Neo4j、PostgreSQL/PGVector、PineCone、Qdrant、Redis 和 Weaviate

跨 Vector Store 提供程序的可移植 API，包括一个类似 SQL 的新颖元数据过滤器 API，该 API 也是可移植的。

Function calling 函数调用

用于 AI 模型和矢量存储的 Spring Boot 自动配置和启动器。

用于数据工程的 ETL 框架

具体使用：

环境配置：

JDK要求版本：17添加以下存储库定义：

<repositories> <repository> <id>spring-milestones</id> <name>Spring Milestones</name> <url>https://repo.spring.io/milestone</url> <snapshots> <enabled>false</enabled> </snapshots> </repository> <repository> <id>spring-snapshots</id> <name>Spring Snapshots</name> <url>https://repo.spring.io/snapshot</url> <releases> <enabled>false</enabled> </releases> </repository> </repositories>

或

repositories { mavenCentral() maven { url 'https://repo.spring.io/milestone' } maven { url 'https://repo.spring.io/snapshot' }} 依赖管理：

<dependencyManagement> <dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-bom</artifactId> <version>0.8.1-SNAPSHOT</version> <type>pom</type> <scope>import</scope> </dependency> </dependencies></dependencyManagement>

或

dependencies { implementation platform("org.springframework.ai:spring-ai-bom:0.8.1-SNAPSHOT") // Replace the following with the starter dependencies of specific modules you wish to use implementation 'org.springframework.ai:spring-ai-openai'} 配置文件：

spring.ai.openai.api-key=YOUR_API_KEYspring.ai.openai.chat.options.model=gpt-3.5-turbospring.ai.openai.chat.options.temperature=0.7 开始使用

OpenAI 文本生成流式/非流式输出：

非流式：  

@RestController@RequestMapping("/chat")public class SimpleAiController {private final ChatClient chatClient;@Autowiredpublic SimpleAiController(ChatClient chatClient) {this.chatClient = chatClient;}@GetMapping("/ai/simple")public Map<String, String> completion(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {return Map.of("generation", chatClient.call(message));}} 调用：

>curl localhost:8080/ai/simple{"generation":"Why couldn't the bicycle stand up by itself? Because it was two tired!"}

流式：

 

@RestController@RequestMapping("/chat")public class SimpleAiController {private final StreamingChatClient streamChatClient;@Autowiredpublic SimpleAiController(StreamingChatClient streamChatClient) {this.streamChatClient=streamChatClient;}//流式@GetMapping("/ai/stream")public void streamCompletion(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {streamChatClient.stream(message).subscribe(m -> System.out.println("Received message: " + m),throwable -> System.err.println("Error occurred: " + throwable.getMessage()),() -> System.out.println("Stream completed"));return;}}

调用：

 

>curl http://localhost:8080/ai/stream

结果：

OpenAI图片生成：

@RestController@RequestMapping("/chat")public class SimpleAiController {private final ImageClient imageClient;@Autowiredpublic SimpleAiController(ImageClient imageClient) {this.imageClient=imageClient;}@GetMapping("/ai/image")public void imageCompletion() {ImageResponse response = imageClient.call(new ImagePrompt("A cute baby dog",OpenAiImageOptions.builder().withQuality("hd").withN(1).withHeight(1024).withWidth(1024).withModel(OpenAiImageApi.DEFAULT_IMAGE_MODEL).build()));response.getResults().stream().forEach(r -> System.out.println("Image: " + r.getOutput()));}}

调用：

>curl http://localhost:8080/chat/ai/image

结果：

访问Url：

其他：

可以看到调用方式还是非常简单，其他功能可以参考Spring AI官方文档，相信即使是没有接触过AI应用开发的Javaer也能够很快上手。

网络环境解决方案：

借助阿里云FC函数代理