Spring AI Alibaba实战：5分钟搞定通义千问流式API接入（附完整代码）

Spring AI Alibaba实战：5分钟搞定通义千问流式API接入（附完整代码）

当Java开发者需要快速验证大模型能力时，往往被复杂的API文档和繁琐的配置流程劝退。今天我们就用最精简的代码，在Spring Boot项目中实现通义千问的流式对话功能——从零开始到完整运行，整个过程不超过5分钟。

1. 环境准备与密钥配置

在开始编码前，我们需要确保基础环境就绪。不同于传统Spring Boot项目，这里需要特别注意三个关键点：

1. JDK版本：必须使用JDK 17或更高版本（推荐Amazon Corretto 17）
2. Spring Boot版本：要求3.3.x以上（当前稳定版为3.3.4）
3. 阿里云API密钥：前往阿里云百炼控制台开通服务并获取密钥

将获取的API密钥配置到环境变量中：

export AI_DASHSCOPE_API_KEY=您的实际密钥

或者在application.properties中直接写入：

spring.ai.dashscope.api-key=sk-您的实际密钥

提示：生产环境建议使用Vault或KMS等密钥管理服务，避免硬编码敏感信息

2. 项目依赖配置

由于Spring AI Alibaba尚处于快速迭代阶段，需要在pom.xml中添加特殊仓库配置：

<repositories> <repository> <id>spring-milestones</id> <url>https://repo.spring.io/milestone</url> </repository> <repository> <id>spring-snapshots</id> <url>https://repo.spring.io/snapshot</url> <snapshots><enabled>true</enabled></snapshots> </repository> </repositories>

核心依赖项配置如下：

<dependencies> <!-- Spring AI Alibaba 核心组件 --> <dependency> <groupId>com.alibaba.cloud.ai</groupId> <artifactId>spring-ai-alibaba-starter</artifactId> <version>1.0.0-M2</version> </dependency> <!-- WebFlux 响应式支持 --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-webflux</artifactId> </dependency> </dependencies>

3. 流式API控制器实现

创建ChatController.java文件，实现支持流式输出的对话接口：

@RestController @RequestMapping("/api/chat") public class ChatController { private final ChatClient chatClient; @Autowired public ChatController(ChatClient.Builder builder) { this.chatClient = builder.build(); } @GetMapping(produces = MediaType.TEXT_EVENT_STREAM_VALUE) public Flux<String> streamChat(@RequestParam String message) { return chatClient.prompt() .user(u -> u.text(message)) .stream() .content(); } }

这段代码实现了几个关键功能：

• 通过ChatClient.Builder自动装配聊天客户端
• 使用MediaType.TEXT_EVENT_STREAM_VALUE声明流式输出
• 通过stream().content()实现实时数据流返回

4. 进阶功能扩展

基础功能实现后，我们可以通过以下方式增强接口能力：

4.1 添加Prompt模板

在resources/templates目录下创建chat.st模板文件：

user: 请用专业但易懂的方式回答以下问题：{question}

修改控制器代码使用模板：

@Value("classpath:templates/chat.st") private Resource templateResource; @GetMapping("/expert") public Flux<String> expertAnswer(@RequestParam String question) { PromptTemplate template = new PromptTemplate(templateResource); Prompt prompt = template.create(Map.of("question", question)); return chatClient.prompt(prompt).stream().content(); }

4.2 流式性能优化

对于高并发场景，建议配置连接池参数：

spring.ai.dashscope.connect-timeout=5000 spring.ai.dashscope.read-timeout=30000 spring.ai.dashscope.max-connections=50

4.3 异常处理机制

增强控制器的健壮性：

@ExceptionHandler(DashScopeException.class) public ResponseEntity<String> handleAiError(DashScopeException ex) { return ResponseEntity.status(502) .body("AI服务异常: " + ex.getError().getMessage()); }

5. 测试与验证

启动应用后，可以通过以下方式测试接口：

cURL测试命令：

curl -N "http://localhost:8080/api/chat?message=如何学习Spring框架"

前端对接示例（使用EventSource）：

const eventSource = new EventSource('/api/chat?message=你好'); eventSource.onmessage = (e) => { console.log('收到数据:', e.data); // 实时渲染到页面... };

响应示例：

data: Spring框架学习建议... data: 1. 从官方文档开始... data: 2. 实践核心模块...

在实际项目中，我发现流式接口对网络稳定性要求较高。当遇到中断时，最佳实践是：

1. 客户端保留已接收内容
2. 自动重连时携带最后收到的片段ID
3. 服务端支持断点续传逻辑