引子

當 LLM 的浪潮以不可阻擋之勢席卷全球，從改變用戶交互到重塑商業模式，我們每一位開發者都身處這場技術變革的中心。作為龐大的 Java 生態中的一員，你是否也曾思考：當 Python 似乎成為 AI 的“官方語言”時，我們這些深耕 Spring 全家桶的開發者，該如何快速擁抱這個新時代？如今，Spring 團隊親自出手，為數百萬 Java 開發者帶來了官方答案——Spring AI。它將 AI 開發的復雜性進行封裝，讓集成 AI 能力變得像添加一個普通的 Starter 一樣簡單。

本文是 《Spring AI 進階之路》 系列的第一篇，我們將從最基礎的整合開始。你將看到，在 Spring Boot 的幫助下，集成一個強大的 AI 模型，真的只需三步！

話不多說，讓我們直接開始動手實踐。

前置準備

在開始三步集成前，先確保你已準備好以下基礎環境：

1. JDK 17+：Spring Boot 3 和 Spring AI 基于較新的 Java 版本，確保你的 JDK 版本不低于 17。
2. Maven 或 Gradle：本文以 Maven 為例，它是我們管理項目依賴的得力助手。
3. 一個順手的 IDE：選擇你最熟悉的 IDE 即可，本文以 IntelliJ IDEA 為例。
4. 一個 LLM廠商的 API Key：本文以 DeepSeek 為例，價格便宜且無需科學上網，使用起來很方便。

第一步：添加依賴

讓我們從創建項目開始。如果你使用 Spring Initializr 會更簡單，但為了讓大家理解每一步的細節，我們選擇從零開始創建一個 Maven 項目。

首先，創建一個新的Maven空項目：

項目創建完成后，我們需要配置 pom.xml。整個依賴配置分為三個部分：

1.設置 Spring Boot 父項目

<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

通過 BOM 統一管理 Spring AI相關依賴的版本，避免版本沖突：

<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.添加具體依賴

<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，雖然我們前面提到本次使用的是 DeepSeek 的 API，但引入的卻是 spring-ai-starter-model-openai。這是因為 DeepSeek 采用了與 OpenAI 完全兼容的 API 規范，我們可以直接復用 OpenAI 的客戶端實現。這種設計讓切換不同的 AI 服務商變得非常簡單——只需要更換 API Key 和端點地址即可。

第二步：配置憑證

有了依賴，接下來需要告訴 Spring AI 如何連接到 AI 服務。在 src/main/resources 目錄下創建 application.yml 文件（如果不存在的話），添加以下配置：

spring:ai:openai:api-key: {這里換成你自己的}base-url: https://api.deepseek.comchat:options:model: deepseek-chat

?? 提醒：直接將 API Key 寫在配置文件中僅適合本地開發和快速測試，但絕對不要在生產環境中這樣做！在生產環境中，推薦使用環境變量來管理你的密鑰。

第三步：編寫代碼調用

萬事俱備，讓我們開始編寫代碼來調用 AI 模型。

1.注入AI客戶端

接下來，創建一個 REST 控制器來處理 AI 對話請求。Spring AI 的魅力在于，它將復雜的 AI 交互抽象成了簡單的 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.啟動測試

啟動應用，Spring Boot 的控制臺會顯示啟動信息。待應用成功啟動后，我們可以通過Apifox，向這個測試接口發送請求：

3.配置跨域

最終我們一定需要從前端應用調用這個接口，所以別忘了配置 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);}
}

小結

至此，我們完成了 Spring AI 的基礎集成。不過，如果你仔細觀察測試結果，會發現當前的實現存在一個明顯的體驗問題：我們必須等待 AI 完全生成答案后才能看到結果。相比之下，那種逐字輸出的效果就友好得多。用戶能實時看到 AI 的"思考過程"，體驗更加流暢自然。

那么，如何在 Spring AI 中實現這種流式響應呢？這正是下一篇文章要探討的內容。我們將介紹如何使用 SSE（Server-Sent Events）技術，讓你的 AI 應用也能實現實時的打字機效果。

如果你對本文有任何疑問或建議，歡迎在評論區交流。下篇見！