当前位置： 首页 > news >正文

[AI应用] Spring AI 应用开发指南

news 2026/5/12 18:24:50

1 概述：Spring AI 应用开发指南

简介

  • 在人工智能技术快速发展的当下，其相关技术已成为各行业企业内部技术栈的标配之一，而作为一款主流的企业级Java应用开发框架Spring，也紧跟时代潮流，推出了—— Spring AI 框架。

image

  • Spring AI 是 Spring 官方推出的 AI 工程化框架，旨在简化 Java 开发者集成 AI 模型（如 OpenAI、Azure OpenAI 等）的过程。

Spring AI 作为主流的AI大模型应用开发框架之一，它的推出标志着—— Spring 框架也正式进入大模型时代。
其提供了开发AI大模型所需的模型API，简化了AI大模型应用的开发工作。

  • Spring AI
  • URL : https://spring.io/projects/spring-ai
  • Slogan : Spring AI 是一个面向人工智能工程的应用框架。它的目标是将 Spring 生态系统的设计原则（例如可移植性和模块化设计）应用于人工智能领域，并推广使用 POJO 作为人工智能领域应用程序的构建模块。
  • License : Apache-2.0

image

主要特性

Spring AI 提供以下功能：

  • 支持所有主流 AI模型提供商，例如 Anthropic、OpenAI、Microsoft、Amazon、Google和Ollama。支持的模型类型包括：

    • 聊天结束
    • 嵌入
    • 文字转图像
    • 音频转录
    • 文本转语音
    • Moderation

  • 支持跨 AI 提供商的可移植 API，包括同步 API 和流式 API 选项。同时还提供对特定模型功能的访问。

  • 结构化输出- 将 AI 模型输出映射到 POJO。

  • 支持所有主要矢量数据库提供商，例如Apache Cassandra、Azure Vector Search、Chroma、Milvus、MongoDB Atlas、Neo4j、Oracle、PostgreSQL/PGVector、PineCone、Qdrant、Redis 和 Weaviate。

  • 跨 Vector Store 提供商的可移植 API，包括一种新颖的类似 SQL 的元数据筛选 API。

  • 工具/函数调用- 允许模型请求执行客户端工具和函数，从而根据需要访问必要的实时信息。

  • 可观测性——提供有关人工智能相关操作的洞察。

  • 用于数据工程的文档注入式ETL 框架。

  • AI 模型评估- 用于帮助评估生成的内容并防止产生幻觉反应的实用程序。

  • ChatClient API - 用于与 AI 聊天模型通信的 Fluent API，其惯用方式与 WebClient 和 RestClient API 类似。

  • Advisors API - 封装了重复出现的生成式 AI 模式，转换发送到语言模型 (LLM) 和从语言模型 (LLM) 发送的数据，并提供了跨各种模型和用例的可移植性。

  • 支持聊天对话记忆和检索增强生成（RAG）。

  • Spring Boot 自动配置和启动器适用于所有 AI 模型和向量存储 - 使用start.spring.io选择所需的模型或向量存储。

此功能集允许您实现常见的用例，例如“ Q&A over your documentation”或“ Chat with your documentation.”。

版本沿革

image

  • 最新版:
  • v2.0.0-M3 : 2026.3.17

https://github.com/spring-projects/spring-ai/releases/tag/v2.0.0-M3

  • v1.1.3 : 2026.3.17

https://github.com/spring-projects/spring-ai/releases/tag/v1.1.3

根据搜索结果，Spring AI 项目的版本演变历程如下。

请注意，所有信息均基于公开的网络资料整理：

1. 早期探索与孵化阶段 (Legacy)

  • 0.8.1 (2024年3月)：这是早期公开记录的一个旧版本，属于项目孵化期的探索性版本。

2. 里程碑版本阶段 (Milestone Releases)

从2024年中旬开始，Spring AI 进入了快速迭代的里程碑版本发布期，旨在逐步完善核心功能并收集社区反馈。

  • 1.0.0-M1 (2024年5月30日)：首个公开的里程碑版本，初步确立了项目架构。
  • 1.0.0-M2 (2024年7月)：继续完善基础功能。
  • 1.0.0-M3 (2024年10月8日)：增加了对更多模型的支持。
  • 1.0.0-M4 (2024年12月)：功能进一步丰富。
  • 1.0.0-M5 (2025年1月9日)：优化了 API 设计。
  • 1.0.0-M6 (2025年3月)：此版本起，构件开始发布到 Maven Central 仓库，方便了开发者使用。
  • 1.0.0-M7 (2025年4月14日)：接近正式版的功能冻结。
  • 1.0.0-M8 (2025年4月30日)：最后一个里程碑版本，主要进行 Bug 修复和文档完善。

3. 候选版本阶段 (Release Candidate)

  • 1.0.0-RC1 (2025年5月13日)：发布候选版本，标志着功能已基本稳定，邀请社区进行最后的测试。

4. 正式通用版本阶段 (General Availability - GA)

  • 1.0.0 GA (2025年5月20日)：首个正式版本。

    • 意义：标志着 Spring AI 正式进入【生产就绪状态】，API 趋于稳定。
    • 核心特性：提供了统一的 ChatClient 接口，支持 OpenAI、Anthropic、Azure、Google 等【主流模型厂商】；引入了 RAG（检索增强生成）基础支持、【对话记忆管理】以及基础的 Function Calling 能力。
    • 环境要求：主要支持 Spring Boot 3.4.x 及 JDK 17+。

  • 1.0.x 维护版本 (2025年下半年)：

    • 在 1.0.0 之后，陆续发布了 1.0.1, 1.0.2, 1.0.3 等补丁版本，主要用于修复 Bug 和小幅改进（截至2025年10月，1.0.3 是当时的最新稳定分支）。

  • 1.1.0 GA (2025年11月12日)：第二个重大正式版本。

    • 背景：距离 1.0 发布仅半年，包含了超过 850 项变更（354个功能增强、241个Bug修复等）。
    • 核心升级：
      • Agent 框架：引入了更高级的 AI Agent（智能体）构建能力，支持多 Agent 协作。
      • MCP (Model Context Protocol)：深度集成了 MCP 协议，支持更标准的上下文交互。
      • 评估工具：新增了 AI 模型输出的评估（Evaluation）工具。
      • 新模型支持：增加了对更多新兴模型（如 DeepSeek 等）的自动配置支持。
      • 技术栈：更好地兼容 Spring Framework 6/7 和 Java 21+ 的新特性（如 AOT 编译优化）。

5. 当前状态 (截至 2026年3月)

  • 主线版本：1.1.x 系列是目前推荐的生产环境使用版本。
  • 开发版本：1.2.0-SNAPSHOT 或更高版本可能正在开发中，用于探索更新的 AI 特性。
  • 生态扩展：基于 Spring AI 的扩展项目（如 Spring AI Alibaba）也紧随其后发布了相应的 1.0 和 1.1 版本，专门针对阿里云百炼及通义千问模型进行了优化。

总结：Spring AI 从 2024 年初的孵化项目，经过约一年的快速迭代（8个里程碑版本），于 2025 年 5 月达到 1.0 成熟度，并在同年 11 月通过 1.1 版本大幅增强了 Agent 和协议支持能力，目前已发展成为 Java 生态中构建企业级 AI 应用的主流框架。

Spring AI: v1.1.3 vs. v2.0.0-M3

基于现有的公开资料和网络搜索结果，关于 Spring AI v1.1.3 与 v2.0.0-M3 的区别，
由于 v2.0.0-M3 的具体发布说明（Release Notes）在当前的公开网络资源中尚未有详尽的独立文档（通常里程碑版本的详细变更集中在 M1 和 GA 前的 RC 阶段，且 M3 是一个非常新的版本或特定内部版本），
为此将基于 v1.1.x 系列的最终状态 与 v2.0.0-M1（及后续 2.0 系列已知的重大架构变更） 的核心差异进行对比。

重要提示：

  • v1.1.3 是 1.1.x 系列的一个稳定补丁版本（Patch Release），主要包含 Bug 修复和小幅优化。
  • v2.0.0-M3 是 2.0 系列的第三个里程碑版本（Milestone），属于非生产就绪的开发版本，其核心特征是破坏性更新（Breaking Changes）和底层架构的重构。

以下是两者的核心区别：

1. 基础运行环境要求（最显著的硬性区别）

这是两个版本之间最大的“分水岭”，直接决定了项目能否启动。

特性 Spring AI v1.1.3 (1.x 系列) Spring AI v2.0.0-M3 (2.x 系列)
最低 JDK 版本 JDK 17 (LTS) JDK 21 (LTS) (强制要求，利用 Java 21 新特性)
Jakarta EE 规范 Jakarta EE 9/10 Jakarta EE 11
Spring Framework Spring Framework 6.2+ Spring Framework 7.0+
Spring Boot 版本 Spring Boot 3.4.x (兼容 3.3+) Spring Boot 4.0.x (GA) (基于 Spring Framework 7)

影响：如果你当前的项目运行在 JDK 17 或 Spring Boot 3.x 上，无法直接升级到 v2.0.0-M3，必须同步升级整个技术栈。

2. 核心架构与 API 变更

v2.0 系列不仅仅是功能增加，更是一次架构重构，旨在解决 1.x 中的设计债务并适应 AI 领域的快速变化。

  • ChatClient API 的重构：

    • v1.1.3: 使用较为初版的 ChatClient 接口，虽然支持流式和非流式，但在复杂上下文管理和拦截器链（Advisors）的配置上相对繁琐。
    • v2.0.0-M3: 对 ChatClient 进行了彻底的重新设计（Reactive-first 或更流畅的构建者模式），简化了多轮对话和复杂 Agent 工作流的代码结构。API 包名或方法签名可能发生变动（Breaking Change）。

  • Model Context Protocol (MCP) 的深度集成：

    • v1.1.3: 引入了 MCP 的初步支持，允许暴露工具和资源，但配置较为手动。
    • v2.0.0-M3: MCP 成为核心一等公民。原生支持 MCP Server/Client 的自动配置，支持更复杂的工具发现机制和动态资源加载，甚至可能内置了对 MCP 标准更新的即时支持（如 SSE 传输层的优化）。

  • 向量存储 (Vector Store) 的增强：

    • v1.1.3: 支持主流向量库（Redis, PGVector, Milvus 等），但部分高级过滤功能（Metadata Filtering）在不同实现间表现不一致。
    • v2.0.0-M3: 统一了向量存储的过滤表达式语言（Filter Expression Language），特别是针对 Redis Vector Store 进行了史诗级增强（支持混合搜索、范围查询优化），并可能引入了对新型向量数据库的原生支持。

3. 功能特性的演进

功能领域 v1.1.3 (稳定版特性) v2.0.0-M3 (前沿实验特性)
Agent 框架 提供基础的 React Agent 和工作流支持，需较多样板代码。 原生 Agent 编排。引入更高级的 AgentBuilder，支持多 Agent 协作、更智能的状态管理和内置的“反思”机制。
模型支持 支持 OpenAI, Azure, Anthropic, Google, Ollama 等主流厂商。 新增/更新模型适配。默认集成更新的模型 SDK（如 OpenAI Java SDK 最新版），可能原生支持 Claude 3.5/4, GPT-4o-mini 等新模型的特定功能（如缓存、JSON Mode 优化）。
观察性与评估 基础的 Micrometer 指标和简单的评估接口。 深度可观测性。与 Spring Observability 深度整合，提供针对 LLM Token 消耗、延迟、幻觉率的细粒度追踪；评估框架（Evaluation Harness）更加完善。
RAG 管道 基础的 ETL 和检索流程。 智能 RAG。支持更复杂的预处理管道，自动分块策略优化，以及基于语义的动态检索策略。

4. 稳定性与适用场景

  • v1.1.3:

    • 定位: 生产就绪 (Production Ready)。
    • 适用: 企业级正式项目，需要长期支持（LTS）和稳定 API 的场景。
    • 优点: 社区案例多，坑已踩完，文档完善，兼容性好（JDK 17/SB 3.4）。

  • v2.0.0-M3:

    • 定位: 里程碑测试版 (Milestone)。
    • 适用: 技术预研、尝鲜、新功能验证、非核心业务系统。
    • 风险: API 随时可能变动，不建议用于生产环境。可能存在未发现的 Bug。
    • 优点: 能体验到最新的架构设计、更好的性能（Java 21 虚拟线程支持可能更深入）和未来标准的支持。

总结建议

  • 如果你的项目正在运行或即将上线，请坚守 v1.1.3（或等待 1.1.x 的后续补丁）。不要为了新功能而盲目升级到底层依赖完全不同的 2.0 里程碑版本。
  • 如果你正在启动一个新项目，且团队有能力处理 JDK 21 和 Spring Boot 4 的迁移成本，并希望利用最新的 AI 架构特性（如更强大的 Agent 和 MCP），可以尝试 v2.0.0-M3，但需做好后续跟随版本迭代修改代码的准备（因为 M3 到 GA 期间 API 仍可能调整）。

注意：由于 v2.0.0-M3 是非常新的里程碑版本，具体的 Bug 修复列表和微小的 API 变动，建议直接查阅 Spring AI 官方 GitHub 仓库的 release-notes 或 CHANGELOG 文件以获取最准确的逐行对比。

前置基础知识

  • Java 基础
  • 常用的技术框架： Spring Boot 等
  • 常用的数据库: MySQL 等

2 快速入门

step1 准备工作

  • 在开始编码前，请确保具备以下条件：
  • OpenAI API Key：在 OpenAI 官网 获取令牌。

或 注册兼容OpenAI的第三方厂商: 硅基流动 / ...

  • [AI/GPT] 硅基流动(SiliconFlow) : AI大模型时代的基础设施(Model API as Service) - 博客园/千千寰宇
  • https://account.siliconflow.cn/
  • Java 环境：JDK 17 或更高版本。例如： OpenJDK 17.0.2
  • 项目构建工具：Maven 或 Gradle。例如： Maven

step2 创建项目

  • 使用 Spring Initializr 快速创建项目，并添加以下依赖：
  • Spring Web：用于构建 Web 接口。例如: Spring Web
  • OpenAI：Spring AI 的 OpenAI Starter。

image

image

Maven 核心依赖配置示例：

<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-openai</artifactId>
</dependency>

step3 配置属性(application.yaml)

  • 在 application.yaml 或 application.properties 中配置你的 API Key。如果在中国国内使用，通常需要配置代理地址
spring:ai:openai:api-key: ${OPENAI_API_KEY}# base-url: https://api.openai-proxy.com # 如需使用代理，请在此配置

image

step4 编写代码实现对话

  • 注入 ChatModel（或旧版本中的 ChatClient）来调用 OpenAI 接口。
@RestController
public class ChatController {private final ChatModel chatModel;@Autowiredpublic ChatController(ChatModel chatModel) {this.chatModel = chatModel;}@GetMapping("/ai/generate")public String generate(@RequestParam(value = "message") String message) {return chatModel.call(message);}
}

image

step5 启动运行、调用接口

  • com.johnnyzen.spring_ai_examples.SpringAiExamplesApplication

image

  • 调用接口
curl -X GET http://127.0.0.1:8080/spring-ai/what-is-the-meaning-of-lifecurl -X GET http://127.0.0.1:8080/spring-ai/what-is-the-meaning-of-life?language=en

image

//message="总结最近一周的AI Agent前沿进展"
curl -X GET http://127.0.0.1:8080/spring-ai/ai/generate?message=%e6%80%bb%e7%bb%93%e6%9c%80%e8%bf%91%e4%b8%80%e5%91%a8%e7%9a%84AI+Agent%e5%89%8d%e6%b2%bf%e8%bf%9b%e5%b1%95
  • URL 编码/解码 - www.toolhelper.cn
    image

Y 推荐文献

  • Spring AI
  • https://spring.io/projects/spring-ai
  • https://docs.spring.io/spring-ai/reference/index.html
  • https://github.com/spring-projects/spring-ai
  • 学习资源
  • 中文文档： Spring AI 参考指南 - Spring 中文网
  • 视频教程： 尚硅谷 Spring AI 实战教程 - Bilibili
  • 开源案例： Spring AI 中文教程 GitHub 仓库 - Github/NingNing0111/spring-ai-zh-tutorial](https://github.com/NingNing0111/spring-ai-zh-tutorial)

X 参考文献

http://www.jsqmd.com/news/507099/

相关文章：

  • 6.4 浏览器接收响应消息并显示内容
  • 学术会议直播怎么选？不只看热闹，关键要选对路子 - 麦麦唛
  • 2026年全国雨雪量计厂家榜单 精准监测适配多场景 实力厂家优选参考 - 深度智识库
  • 告别繁琐SQL：MyBatis-Plus实战指南，解锁Java后端高效开发新范式
  • 世贸通美国投资移民：北卡糖山•希尔顿酒店EB-5项目I-956F获批！ - 速递信息
  • 基于LQR最优控制算法的车辆轨迹跟踪控制实践
  • 2026年性价比高的雅思机考网站推荐与真实测评 - 品牌2025
  • 2026订婚照拍摄攻略：精选工作室助你定格幸福，目前订婚照源头厂家雅云摄影引领行业标杆 - 品牌推荐师
  • [权威测评]2026中国户外照明行业解析：路氏照明的核心竞争力与行业实践 - 深度智识库
  • Qwen3-ASR-1.7B快速上手：Android Termux+GPU云主机协同部署方案
  • 前方高能】当线控转向突然罢工，这辆电动车竟然靠“劈叉“过弯
  • 算法设计与分析-习题12.1
  • 2026年沃伦勒夫Warrenslove生物信息能量手环，可信度评测来袭，市场服务好的沃伦勒夫 Warrenslove生产厂家沃伦勒夫诚信务实提 - 品牌推荐师
  • 数控刀塔哪个牌子好？高性价比与口碑品牌盘点 - 品牌推荐大师
  • 自动化——1.python基础知识点梳理
  • 避坑指南：Matplotlib调用LaTeX渲染时遇到的5个典型报错及解决方法（Windows/macOS/Linux）
  • 科研党收藏！更贴合毕业论文全流程的降AI率网站，千笔AI VS 云笔AI
  • 2026带剑雅真题的雅思机考网站推荐：含最新真题题库与真题音频 - 品牌2025
  • 电动晾衣架怎么选？2026十大品牌权威推荐，隐形晾晒新时代！ - 匠言榜单
  • 干货来了：全行业通用的降AIGC工具 —— 千笔AI
  • 1. eNSP- 配置路由 - 改名字
  • QGC二次开发进阶---多机协同任务中的智能框选与指令批量下发
  • 空间站机械臂的“神经”与“血管”：抗辐照MCU与CANFD芯片的集成架构设计
  • GLM-4.7-Flash保姆级教程：GPU驱动版本兼容性检查+nvidia-container-toolkit配置
  • 锐捷交换机DNS Proxy配置实战：手把手教你用CLI搞定内网域名加速与安全过滤
  • 这次终于选对! 全场景通用降AIGC平台 千笔·降AIGC助手 VS 万方智搜AI
  • .NET10中通过appsettings.json配置文件获取信息的几个方法
  • 成都石灰厂靠谱推荐，有哪些值得考虑？ - 工业推荐榜
  • 文墨共鸣实际作品：政务文书语义比对系统生成的朱砂印评分报告
  • 千问图像生成16Bit惊艳效果：浮空城堡史诗景观与体积雾动态光照生成实录