1. Spring Boot与Spring AI整合概述Spring Boot作为Java生态中最流行的应用开发框架其开箱即用的特性极大简化了企业级应用的搭建过程。而Spring AI作为新兴的AI能力整合模块为开发者提供了便捷的AI功能接入方式。两者的结合让传统Java应用快速获得智能能力成为可能。在实际项目中我们经常遇到需要为现有系统添加智能功能的场景。比如客服系统中的自动问答、订单系统的异常检测、内容平台的智能推荐等。传统做法需要单独开发AI服务并通过API调用而Spring Boot Spring AI的方案可以直接在应用层集成显著降低系统复杂度和网络开销。2. 环境准备与基础配置2.1 项目初始化使用Spring Initializr创建基础项目选择以下依赖Spring Web (用于构建RESTful接口)Spring AI (核心AI功能)Lombok (简化代码)!-- pom.xml关键依赖 -- dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-web/artifactId /dependency dependency groupIdorg.springframework.ai/groupId artifactIdspring-ai-core/artifactId version0.8.0/version /dependency2.2 配置AI服务连接在application.yml中配置AI服务端点spring: ai: openai: api-key: ${OPENAI_API_KEY} base-url: https://api.openai.com/v1提示建议将敏感信息如API Key通过环境变量注入不要直接写在配置文件中3. 核心功能实现3.1 文本生成服务创建TextGenerationService实现基础的AI文本生成Service public class TextGenerationService { Autowired private OpenAiChatClient chatClient; public String generateText(String prompt) { PromptTemplate promptTemplate new PromptTemplate( 你是一个专业的{role}请根据以下要求回答问题 {question} ); MapString, Object params Map.of( role, Java工程师, question, prompt ); return chatClient.call(promptTemplate.render(params)); } }3.2 REST接口暴露创建控制器提供对外APIRestController RequestMapping(/api/ai) public class AiController { Autowired private TextGenerationService textService; PostMapping(/generate) public ResponseEntityString generateText(RequestBody String prompt) { return ResponseEntity.ok(textService.generateText(prompt)); } }4. 高级功能扩展4.1 流式响应处理对于长文本生成使用流式响应提升用户体验GetMapping(/stream) public SseEmitter streamGenerate(RequestParam String prompt) { SseEmitter emitter new SseEmitter(); chatClient.stream(new Prompt(prompt)) .subscribe( chunk - { try { emitter.send(chunk.getContent()); } catch (IOException e) { emitter.completeWithError(e); } }, emitter::completeWithError, emitter::complete ); return emitter; }4.2 自定义提示模板创建可复用的提示模板public class CodeReviewPromptTemplate implements PromptTemplate { Override public String render(MapString, Object context) { return 作为资深{language}专家请审查以下代码 {code} 要求 1. 指出潜在问题 2. 给出优化建议 3. 评分1-10分 .formatted( context.get(language), context.get(code) ); } }5. 生产环境注意事项5.1 性能优化请求批处理对多个相似请求合并处理结果缓存对确定性结果使用Redis缓存限流控制实现RateLimiter防止API滥用Bean public RateLimiter aiRateLimiter() { return RateLimiter.create(10); // 每秒10个请求 }5.2 安全防护输入校验防范Prompt注入攻击敏感信息过滤自动移除PII数据访问控制结合Spring Security实现权限管理PreAuthorize(hasRole(AI_USER)) PostMapping(/secure-generate) public ResponseEntityString secureGenerate(Valid RequestBody AiRequest request) { // 安全处理逻辑 }6. 典型应用场景6.1 智能客服系统集成示例public class CustomerSupportService { private static final String SUPPORT_PROMPT 你是一名专业的客服代表请用{language}回答关于{product}的问题 问题{question} ; public String handleInquiry(String question, String product, String language) { PromptTemplate template new PromptTemplate(SUPPORT_PROMPT); // 实现逻辑 } }6.2 代码审查助手与GitHub Webhook集成PostMapping(/github-webhook) public void handleGitHubEvent(RequestBody GitHubEvent event) { if (pull_request.equals(event.getAction())) { String review codeReviewService.review(event.getDiff()); githubClient.postComment(event.getPrId(), review); } }7. 调试与问题排查7.1 常见错误处理错误类型可能原因解决方案403错误API密钥无效检查密钥配置和权限429错误请求限流实现退避重试机制500错误服务端问题检查AI服务状态7.2 日志监控配置建议日志配置logging: level: org.springframework.ai: DEBUG file: name: ai-service.log实现健康检查端点GetMapping(/health) public Health health() { try { chatClient.call(new Prompt(ping)); return Health.up().build(); } catch (Exception e) { return Health.down(e).build(); } }8. 项目优化方向实现多AI供应商切换OpenAI/Claude等添加本地模型支持通过Ollama等开发管理控制台监控AI使用情况实现自动化的Prompt版本管理配置多供应商示例Bean ConditionalOnProperty(name spring.ai.provider, havingValue openai) public ChatClient openAiClient() { return new OpenAiChatClient(/* config */); } Bean ConditionalOnProperty(name spring.ai.provider, havingValue claude) public ChatClient claudeClient() { return new ClaudeChatClient(/* config */); }在实际项目中Spring Boot与Spring AI的整合显著提升了开发效率。特别是在需要快速验证AI能力的场景下这种方案可以在几小时内搭建出可用的原型。对于生产环境建议逐步完善监控、限流等保障机制。
