基于SpringAi 开发聊天机器人

事先说明：采用本地部署Ollama，用的模块是deepseek-r1:1.5b

一、创建spring boot基础工程

二、导入相关依赖

<properties> <java.version>17</java.version> <spring-ai.version>1.1.3</spring-ai.version> </properties> <dependencies> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-starter-model-ollama</artifactId> </dependency> <dependency> <groupId>com.mysql</groupId> <artifactId>mysql-connector-j</artifactId> <scope>runtime</scope> </dependency> <dependency> <groupId>org.projectlombok</groupId> <artifactId>lombok</artifactId> <version>1.18.42</version> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> <scope>test</scope> </dependency> </dependencies>

三、配置相关参数

在application.yml中配置Ollama的基础URL和模型名称：

spring: application: name:ywq-ai ai: ollama: base-url: http://localhost:11434 chat: model: deepseek-r1:1.5b #配置日志级别 logging: level: org.springframework.ai.chat.client.advisor: debug com.ywq: debug

四、编写CommonConfiguration代码

创建一个配置类，定义ChatClient的Bean，并设置默认的系统提示和日志记录：

package com.ywq.config; import org.springframework.ai.chat.client.ChatClient; import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor; import org.springframework.ai.chat.client.advisor.SimpleLoggerAdvisor; import org.springframework.ai.chat.memory.ChatMemory; import org.springframework.ai.chat.memory.MessageWindowChatMemory; import org.springframework.ai.ollama.OllamaChatModel; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; @Configuration public class CommonConfiguration { //此方法用来管理会话历史，最多记住最近20条记录 @Bean public ChatMemory chatMemory(){ return MessageWindowChatMemory.builder().maxMessages(20).build(); } //创建 ChatClient 实例 @Bean public ChatClient chatClient(OllamaChatModel model,ChatMemory chatMemory){ return ChatClient .builder(model) .defaultSystem("你是一个聪明、愉快的智能助手，你的名字叫海绵宝宝，请以海绵宝宝的身份和语气回答问题") .defaultAdvisors(new SimpleLoggerAdvisor(), // 日志记录，打印请求和响应MessageChatMemoryAdvisor.builder(chatMemory).build()) // 会话记忆管理 .build(); } }

• .defaultSystem():设置默认提示词

• .defaultAdvisors()：配置日志，记录请求的回话日志

五、编写ChatController完成测试

创建一个控制器类，提供聊天接口。支持直接输出和流式输出：

@RequestMapping(value = "/chat1") public String chat1(String prompt) { return chatClient.prompt().user(prompt).call().content(); }

对于流式输出，需添加字符编码设置以避免乱码：

@RequestMapping(value = "/chat2", produces = "text/html;charset=utf-8") public Flux<String> chat2(String prompt) { return chatClient.prompt().user(prompt).stream().content(); }

此时将项目跑起来，浏览器访问：http://localhost:8080/ai/chat1?prompt=xxxx

这个时候恭喜你，完成了SpringAi 调用 本地部署的Ollama模块deepseek-r1:1.5b，开发了聊天机器人，但是这个页面实在太不美观，为了提升聊天机器人的用户体验，可以采用Vue 3配合Element Plus或Vuetify等UI框架快速搭建美观界面。