轻松入门SpringAI-SpringAI实战入门案例-平芜编程栈

Spring AI 实战入门案例
（2026年初 · 零基础到能跑完整小应用的路径）

目标：用最短时间让你能自己跑通一个包含以下功能的 Spring AI 小应用：

普通聊天
流式输出（打字机效果）
带记忆的对话
简单 RAG（知识库问答）
结构化输出（JSON → Java 对象）

极简起步项目（5分钟能跑起来）

使用 start.spring.io 创建项目
- Dependencies：Spring Web + Spring AI OpenAI Starter（后面改配置即可兼容 DeepSeek）
- Java 21（推荐）/ 17
application.yml 最简配置（硅基流动 + DeepSeek-R1 示例）

spring:ai:openai:base-url:https://api.siliconflow.cn/v1# 硅基流动（性价比最高）api-key:sk-你的硅基流动key（新用户送很多免费token）chat:options:model:deepseek-ai/DeepSeek-R1# 强推理# model: deepseek-ai/DeepSeek-V3 # 更万能/快temperature:0.7max-tokens:4096

综合入门案例 - 单文件 Controller（复制粘贴就能跑）

@RestController@RequestMapping("/ai/easy")@RequiredArgsConstructorpublicclassEasyAiController{privatefinalChatClientchatClient;privatefinalEmbeddingModelembeddingModel;// 用于 RAG// 内存向量存储（最简单，启动即有）privatefinalVectorStorevectorStore=newSimpleVectorStore(embeddingModel);// 启动时自动加载一点知识（模拟知识库）@PostConstructpublicvoidloadSomeKnowledge(){vardocs=List.of("Spring AI 是 Spring 官方出品的大模型集成框架，目标让 Java 开发者用最熟悉的方式玩 AI。","ChatClient 是核心高层抽象，像 RestClient 一样好用。","目前最受欢迎的国内模型组合：DeepSeek-R1（推理强）+ DeepSeek-V3（综合最强）。","2025年下半年 Spring AI 正式 1.0，2026年已经非常稳定成熟。");vectorStore.add(docs.stream().map(content->newDocument(content,Map.of("type","spring-ai-intro"))).toList());}// 1. 最基础聊天@GetMapping("/chat")publicStringchat(@RequestParamStringq){returnchatClient.prompt().user(q).call().content();}// 2. 流式输出（前端打字机神器）@GetMapping(value="/stream",produces=MediaType.TEXT_EVENT_STREAM_VALUE)publicFlux<String>stream(@RequestParamStringq){returnchatClient.prompt().user(q).stream().content();}// 3. 带记忆 + 系统角色（最实用写法）privatefinalChatMemorymemory=newMessageWindowChatMemory(8);// 保留最近8轮@GetMapping("/memory")publicStringmemoryChat(@RequestParamStringsession,// 区分不同会话@RequestParamStringq){returnchatClient.prompt().system(""" 你是一个说话很幽默、爱用表情、非常接地气的「资深Java老鸟」 尽量用 markdown 排版，喜欢用生活化比喻 """).user(q).advisors(MessageChatMemoryAdvisor.builder().chatMemory(memory).sessionId(session)// 重要：按会话隔离记忆.build()).call().content();}// 4. 简单 RAG（基于上面加载的知识库）@GetMapping("/rag")publicStringrag(@RequestParamStringquestion){// 检索最相似的3段知识varresults=vectorStore.similaritySearch(SearchRequest.query(question).withTopK(3));Stringcontext=results.stream().map(Document::getContent).collect(Collectors.joining("\n\n---\n\n"));returnchatClient.prompt().system("你现在是基于以下文档知识回答问题的专家助手：\n\n"+context+"\n\n只用给出的信息回答，不要编造。如果不知道就说不知道。").user(question).call().content();}// 5. 结构化输出（最推荐的生产用法之一）publicrecordJokeResponse(Stringsetup,Stringpunchline,Stringemoji,Integerdifficulty// 1~10){}@GetMapping("/joke")publicJokeResponsestructuredJoke(@RequestParam(defaultValue="程序员")Stringtheme){varconverter=newBeanOutputConverter<>(JokeResponse.class);StringjsonSchema=converter.jsonSchema;Stringprompt=""" 请讲一个关于「%s」的笑话。 必须严格按照以下 JSON Schema 输出，不要多一个字： %s """.formatted(theme,jsonSchema);Stringjson=chatClient.prompt(prompt).call().content();returnconverter.convert(json);}}

快速进阶方向建议（按实用度排序）

顺序	功能	大概难度	建议练习项目	预计耗时
1	Function Calling	★★☆	写一个「查天气+查汇率+生成周报」的工具助手	4~8h
2	更好的 RAG	★★★	用 PGVector/Redis + 上传 pdf/docx 问答	8~15h
3	Agent / ReAct	★★★★	写一个「程序员小助手」能自己思考调用工具	15~30h+
4	多模态（图片理解）	★★★☆	接入通义千问/智谱GLM-4V 做图片描述/OCR	6~12h
5	语音输入输出	★★★★	Whisper + TTS 语音聊天机器人	20h+