Java大模型開發入門 (13/15)：擁抱官方標準

在這里插入圖片描述

前言

到目前為止，我們整個系列的旅程都是在功能強大的LangChain4j框架上構建的。它就像一個裝備齊全的“瑞士軍刀”，為我們提供了構建RAG和Agents所需的所有底層和高層工具。

然而，在Java企業級開發的世界里，有一個名字我們永遠無法忽視——Spring。當AI浪潮來襲，Spring官方團隊自然不會缺席。他們推出了自己的解決方案：Spring AI。

那么，Spring AI是什么？它和我們已經熟練使用的LangChain4j是什么關系？是競爭者還是協作者？它能為我們帶來什么新的價值？今天，我們將一起探索這個由Spring官方打造的AI框架，體驗它所帶來的“原生”開發感受。

第一部分：什么是Spring AI？

Spring AI是一個應用框架，旨在將AI功能（特別是基于大語言模型的功能）以一種**“Spring原生”**的方式，無縫集成到企業級應用中。

它的核心設計哲學不是從零開始創造一切，而是：

提供統一的頂層抽象：無論底層模型是來自OpenAI、Google、Azure還是HuggingFace，Spring AI都力求提供一套統一的、面向接口的API，如ChatClient和EmbeddingClient。
擁抱Spring生態：充分利用Spring Boot的自動配置、依賴注入和外部化配置等核心特性。你不需要手動創建客戶端，只需要在application.properties中填寫配置，相應的Bean就會被自動創建和注入。
可移植性：它的目標是讓你的業務代碼與具體的AI模型提供商解耦。理論上，你只需要修改配置文件，就能從OpenAI切換到Azure OpenAI，而無需改動Java代碼。

Spring AI vs. LangChain4j：是什么關系？
它們并非嚴格的競爭關系，而是不同層面的抽象。Spring AI更側重于簡化集成和提升Spring開發者的體驗。事實上，Spring AI的某些模塊底層就是由LangChain4j驅動的！你可以把Spring AI看作是一個更高層次的“門面”，它為你整合了包括LangChain4j在內的多種AI庫，并用一層標準的Spring接口將其包裝起來。

第二部分：在Spring Boot中集成Spring AI

讓我們在一個新的分支或項目中，體驗一下Spring AI的配置過程。

修改pom.xml
Spring AI有自己的BOM（Bill of Materials）來管理版本。我們需要先引入BOM，再添加具體的Starter。

  <properties><java.version>21</java.version><!-- 定義Spring AI的版本 --><spring-ai.version>1.0.0-M3</spring-ai.version></properties><dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>${spring-ai.version}</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency><!-- Spring AI OpenAI Starter --><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-openai-spring-boot-starter</artifactId></dependency><!-- Spring AI Vector Store - Simple (內存向量存儲) --><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-transformers-spring-boot-starter</artifactId></dependency><!-- JSON處理 --><dependency><groupId>com.fasterxml.jackson.core</groupId><artifactId>jackson-databind</artifactId></dependency><!-- Lombok --><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><optional>true</optional></dependency></dependencies><build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins></build><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>

注意：請根據Spring AI的最新發布情況調整版本和倉庫配置。

修改application.properties
Spring AI有自己的一套配置屬性，命名空間是spring.ai。


# ==========================================
# Spring AI Demo 配置文件
# ==========================================# 服務器端口配置
server.port=8080# ==========================================
# Spring AI OpenAI 配置
# ==========================================# OpenAI API密鑰 (請設置環境變量 OPENAI_API_KEY)
spring.ai.openai.api-key=${OPENAI_API_KEY:your-api-key-here}# OpenAI API基礎URL (支持代理服務)
spring.ai.openai.base-url=${OPENAI_BASE_URL:https://yibuapi.com/}# 聊天模型配置
spring.ai.openai.chat.options.model=${OPENAI_MODEL:gpt-4o-mini}
spring.ai.openai.chat.options.temperature=${OPENAI_TEMPERATURE:0.7}
spring.ai.openai.chat.options.max-tokens=${OPENAI_MAX_TOKENS:2000}# ==========================================
# 應用程序配置
# ==========================================# 應用名稱
spring.application.name=springboot-langchain4j-demo# 日志配置
logging.level.org.springframework.ai=DEBUG
logging.level.org.example.demo=DEBUG# ==========================================
# Web配置
# ==========================================# 靜態資源配置
spring.web.resources.static-locations=classpath:/static/
spring.web.resources.cache.period=3600# 編碼配置
server.servlet.encoding.charset=UTF-8
server.servlet.encoding.enabled=true
server.servlet.encoding.force=true

僅僅這樣配置，Spring AI的Starter就會為我們自動創建一個配置好的ChatClient Bean。

第三部分：實戰 - 使用`ChatModel` 進行聊天

現在，我們將創建一個新的Service和Controller，體驗一下ChatModel 的流暢API。

創建SpringAiService.java

package com.example.aidemoapp.service;import lombok.RequiredArgsConstructor;
import org.springframework.ai.chat.model.ChatModel;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.PromptTemplate;
import org.springframework.stereotype.Service;@Service
@RequiredArgsConstructor
public class SpringAiService {private final ChatModel chatModel;/*** 簡單聊天對話*/
public String getSimpleChatResponse(String userPrompt) {return chatModel.call(userPrompt);
}/*** 使用模板的聊天對話*/
public String getChatResponseWithTemplate(String topic, String style) {String template = "請用{style}的風格來介紹{topic}，內容要詳細且有趣。";PromptTemplate promptTemplate = new PromptTemplate(template);Prompt prompt = promptTemplate.create(Map.of("topic", topic,"style", style));return chatModel.call(prompt).getResult().getOutput().getContent();
}
}

代碼解析：

我們沒有看到任何OpenAi...相關的類，代碼完全面向ChatModel 這個抽象接口。
API調用是鏈式的，非常清晰：定義提示 -> 發起調用 -> 獲取內容。

創建SpringAiController.java

package com.example.aidemoapp.controller;import com.example.aidemoapp.service.SpringAiService;
import lombok.RequiredArgsConstructor;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;@RestController
@RequestMapping("/api/spring-ai")
@RequiredArgsConstructor
public class SpringAiController {private final SpringAiService springAiService;/*** 簡單聊天接口*/@GetMapping("/chat")public Map<String, Object> chat(@RequestParam("query") String query) {try {String response = springAiService.getSimpleChatResponse(query);return Map.of("success", true,"data", response,"message", "聊天成功");} catch (Exception e) {return Map.of("success", false,"data", "","message", "聊天失敗: " + e.getMessage());}}/*** 模板聊天接口*/@PostMapping("/chat/template")public Map<String, Object> chatWithTemplate(@RequestBody Map<String, String> request) {try {String topic = request.get("topic");String style = request.get("style");String response = springAiService.getChatResponseWithTemplate(topic, style);return Map.of("success", true,"data", response,"message", "模板聊天成功");} catch (Exception e) {return Map.of("success", false,"data", "","message", "模板聊天失敗: " + e.getMessage());}}
}

第四步：對比與思考

現在我們可以清楚地看到Spring AI和LangChain4j在設計哲學上的異同：

配置方式：兩者都支持外部化配置，但命名空間不同。Spring AI的spring.ai.*對于Spring開發者來說更具辨識度。
核心抽象：
- Spring AI：核心是ChatModel ，一個非常直接、面向任務的客戶端。它的目標是讓你用最少的代碼完成最常見的任務。
- LangChain4j：核心是ChatLanguageModel接口和AiServices工廠/注解。它更側重于將一個Java接口映射為一個AI服務，提供了更靈活的、聲明式的編程模型。
易用性：
- 對于簡單的聊天或嵌入任務，Spring AI的ChatClient極其簡單直接，學習成本幾乎為零。
- 對于構建復雜的RAG或Agent流，LangChain4j通過RetrievalAugmentor和@Tool等組件提供了更結構化、更專門的解決方案。

我應該用哪個？

如果你是Spring重度用戶，且需求是快速將聊天、RAG等標準功能集成到應用中，Spring AI是你的不二之選。它的無縫集成和極低的上手門檻會讓你事半功倍。
如果你需要構建高度定制化的AI工作流，或者需要使用一些LangChain4j獨有的高級功能，直接使用LangChain4j會給你更大的靈活性和控制力。

好消息是，你不必二選一。你完全可以在一個Spring AI項目中使用LangChain4j的組件，它們可以和諧共存。