通过之前的学习，我们已掌握 Spring AI 核心模块（对话、Embedding、RAG）与优化技巧。本文将聚焦电商行业高频痛点，通过实战案例 —— 电商客服智能知识库 RAG 系统，带大家完成从需求分析、环境搭建到系统测试的全流程开发。该系统支持本地 PDF 格式的电商规则文档导入、Milvus 向量存储、双 Advisor 检索增强，可精准解答用户关于退换货政策、物流查询、促销活动等咨询，帮助企业提升客服响应效率、降低沟通成本，同时避免大模型 “幻觉” 问题。
一、项目需求与技术选型
1. 核心需求
支持导入本地 PDF 格式电商规则文档（如《电商知识库标准条款》等）。
实现电商场景高频问题智能问答（如 “双 11 买的口红拆封能退吗？”“未发货订单怎么改地址？”“偏远地区包邮吗？”）。
支持两种检索模式：精准条款匹配（QuestionAnswerAdvisor）与复杂场景增强（RetrievalAugmentationAdvisor），适配不同咨询场景。
回答需基于知识库内容，标注信息来源，避免编造规则，同时过滤与电商业务无关的查询。
支持提取用户问题中的核心实体（商品类型、购买时间、需求类型），提升检索精准度。
2. 技术选型
二、项目初始化与环境配置
1. 创建 Spring Boot 项目
项目名称：Weiz-SpringAI-RAG-EcommerceCustomer
JDK 版本：17
Spring Boot 版本：3.5.3
核心依赖：Spring Web、Spring AI 相关依赖（智普 AI、Milvus、RAG 组件、Tika 文档解析，PDF 文档解析）
2. 配置 pom.xml 依赖
<?xml version="1.0"encoding="UTF-8"?><project xmlns="http://maven.apache.org/POM/4.0.0"xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd"><modelVersion>4.0.0</modelVersion><parent><groupId>com.example</groupId><artifactId>Weiz-SpringAI</artifactId><version>0.0.1-SNAPSHOT</version></parent><artifactId>Weiz-SpringAI-RAG-EcommerceCustomer</artifactId><name>Weiz-SpringAI-RAG-EcommerceCustomer</name><description>Weiz-SpringAI-RAG-EcommerceCustomer</description><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-zhipuai</artifactId></dependency><!--spring-ai-client-chat 中包括TokenTextSplitter、TextReader、Document等工具--><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-client-chat</artifactId></dependency><!--PDF 文档解析依赖--><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-pdf-document-reader</artifactId></dependency><!--DOC 文档解析依赖（Tika）--><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-tika-document-reader</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency><!--Milvus向量数据库Starter--><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-vector-store-milvus</artifactId></dependency><!--QuestionAnswerAdvisor依赖--><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-advisors-vector-store</artifactId></dependency><!--RetrievalAugmentationAdvisor依赖--><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-rag</artifactId></dependency></dependencies></project>3. 配置 application.properties
# 应用基础配置 spring.application.name=Weiz-SpringAI-RAG-EcommerceCustomerserver.port=8080# 智普 AI 配置 spring.ai.zhipuai.api-key=你的智普 AI APIKeyspring.ai.zhipuai.base-url=https://open.bigmodel.cn/api/paas spring.ai.zhipuai.embedding.options.model=embedding-2spring.ai.zhipuai.chat.options.model=GLM-4-Flash#Milvus向量数据库配置 spring.ai.vectorstore.milvus.client.host=localhost spring.ai.vectorstore.milvus.client.port=19530spring.ai.vectorstore.milvus.client.token=root:Milvusspring.ai.vectorstore.milvus.database-name=defaultspring.ai.vectorstore.milvus.collection-name=guide_exam_store spring.ai.vectorstore.milvus.initialize-schema=truespring.ai.vectorstore.milvus.embedding-dimension=1024# 日志配置（便于调试） logging.level.org.springframework.ai=INFO logging.level.com.example=DEBUG三、知识库构建：电商规则文档导入与向量入库
1. 准备电商客服知识库文档
将 电商知识库标准条款.doc 文档放入 src/main/resources 目录，文档内容示例：
一、退换货政策（核心条款） （一）通用退换货规则1.7天无理由退换：用户签收商品后7天内，商品完好（吊牌未拆、包装完整、 无使用痕迹），支持无理由退换；美妆、个护类商品拆封后仍支持7天无理由退 换，但需保留赠品及原包装配件。2.质量问题退换：商品存在破损、功能故障、材质不符等质量问题，支持签收后30天内免费退换，往返运费由商家承担；需提供问题商品清晰照片、快递面单作为 凭证，48小时内响应处理。3.退换货流程：用户发起申请 → 商家审核（24小时内）→ 用户寄回商品（7天 内）→ 商家验收 → 退款/换货（验收后48小时内）。 （二）特殊商品退换规则1.定制类商品：刻字首饰、定制尺寸服装、个性化印刷品等，无质量问题不支持退 换；质量问题需在签收后48小时内反馈，提供定制凭证及问题证明。2.食品/美妆类：食品、饮料、保健品等开封后不支持退换；美妆类商品（口红、 粉底液等）使用后出现过敏需提供医院诊断证明，支持全额退款。3.数码家电类：未拆封数码家电支持7天无理由退换；拆封后仅支持质量问题退 换，需提供品牌售后检测报告；保修服务按品牌官方政策执行。.......后面省略2. 编写知识库初始化配置
创建com.example.weizspringai.config.KnowledgeBaseConfig 类，实现 DOC 文档解析、文本切分与向量入库：
importorg.springframework.ai.document.Document;importorg.springframework.ai.reader.tika.TikaDocumentReader;importorg.springframework.ai.transformer.splitter.TokenTextSplitter;importorg.springframework.ai.vectorstore.VectorStore;importorg.springframework.core.io.ClassPathResource;importorg.springframework.core.io.Resource;importorg.springframework.stereotype.Component;importjakarta.annotation.PostConstruct;importjava.util.ArrayList;importjava.util.List;@ComponentpublicclassKnowledgeBaseConfig{privatefinalVectorStorevectorStore;publicKnowledgeBaseConfig(VectorStorevectorStore){this.vectorStore=vectorStore;}/** * 项目启动时初始化知识库：解析 PDF 文档 → 切分文本 → 向量入库 */@PostConstructpublicvoidinitKnowledgeBase(){try{System.out.println("开始初始化电商客服知识库...");// 1. 定义需要导入的 PDF 文档列表List<String>pdfFiles=List.of("电商知识库标准条款.docx");List<Document>allSplitDocs=newArrayList<>();for(StringfileName:pdfFiles){// 2. 读取单个 PDF 文档Resourceresource=newClassPathResource(fileName);TikaDocumentReaderreader=newTikaDocumentReader(resource);List<Document>rawDocs=reader.read();// 3. 优化文本切分策略（适配电商规则条款化特点）TokenTextSplittersplitter=TokenTextSplitter.builder().withChunkSize(600)// 每段最大 600 Token（匹配规则条款长度）.withMinChunkSizeChars(200)// 每段最小 200 字符.withKeepSeparator(true)// 保留条款分隔符.build();// 4. 切分当前文档并添加到总列表List<Document>splitDocs=splitter.apply(rawDocs);allSplitDocs.addAll(splitDocs);System.out.println("已解析文档："+fileName+"，生成 "+splitDocs.size()+" 个文本片段");}// 5. 批量向量入库（Spring AI 自动调用 EmbeddingModel 完成向量化）vectorStore.add(allSplitDocs);System.out.println("知识库初始化完成，共导入 "+allSplitDocs.size()+" 个文本片段");}catch(Exceptione){System.err.println("知识库初始化失败："+e.getMessage());e.printStackTrace();}}}四、RAG 核心配置： Advisor 初始化
创建com.example.ecommerceservicerag.config.RAGConfig类，配置QuestionAnswerAdvisor与 RetrievalAugmentationAdvisor 等 RAG 组件，优化提示词以提取电商业务实体、提升检索精准度：
importorg.springframework.ai.chat.client.ChatClient;importorg.springframework.ai.chat.client.advisor.vectorstore.QuestionAnswerAdvisor;importorg.springframework.ai.rag.advisor.RetrievalAugmentationAdvisor;importorg.springframework.ai.rag.generation.augmentation.ContextualQueryAugmenter;importorg.springframework.ai.rag.retrieval.search.VectorStoreDocumentRetriever;importorg.springframework.ai.vectorstore.SearchRequest;importorg.springframework.ai.vectorstore.VectorStore;importorg.springframework.context.annotation.Bean;importorg.springframework.context.annotation.Configuration;@ConfigurationpublicclassRAGConfig{privatefinalVectorStorevectorStore;publicRAGConfig(VectorStorevectorStore){this.vectorStore=vectorStore;}/** * 配置 QuestionAnswerAdvisor（适合精准条款查询，如具体政策匹配） */@BeanpublicQuestionAnswerAdvisorquestionAnswerAdvisor(){returnQuestionAnswerAdvisor.builder(vectorStore).searchRequest(SearchRequest.builder().similarityThreshold(0.07)// 优化阈值，适配电商规则检索.topK(4)// 取 Top4 相似片段，提升精准度.build()).build();}/** * 配置 RetrievalAugmentationAdvisor（适合复杂场景查询，如促销+退换货组合问题） */@BeanpublicRetrievalAugmentationAdvisorretrievalAugmentationAdvisor(){// 1. 向量检索器（配置检索参数）VectorStoreDocumentRetrieverretriever=VectorStoreDocumentRetriever.builder().vectorStore(vectorStore).similarityThreshold(0.07).topK(4).build();// 查询增强器ContextualQueryAugmenterqueryAugmenter=ContextualQueryAugmenter.builder().allowEmptyContext(true).build();// 3. 构建检索增强 AdvisorreturnRetrievalAugmentationAdvisor.builder().documentRetriever(retriever).queryAugmenter(queryAugmenter).build();}/** * 配置 ChatClient（集成智普 AI GLM-4-Flash，适配电商客服语气） */@BeanpublicChatClientchatClient(org.springframework.ai.chat.model.ChatModelchatModel){returnChatClient.builder(chatModel).defaultSystem(""" 你是友好的电商客服顾问，仅基于提供的知识库内容回答用户问题，规则如下： 1. 回答需亲切、简洁、准确，符合电商客服沟通语气，避免生硬表述； 2. 涉及政策规则时，分点说明关键信息，让用户一目了然； 3. 回答末尾必须标注信息来源（格式：信息来源：[文档名称 - 相关条款类别]）； 4. 若未查询到相关信息，回复"非常抱歉，暂未查询到该问题的相关规则，建议联系人工客服咨询~"； 5. 仅回应与电商购物（退换货、促销、物流等）相关的问题，无关问题直接回复上述统一话术。 """).build();}}五、编写控制器：提供问答接口
创建com.example.ecommerag.controller.CustomerServiceController 类，提供精准条款查询与复杂场景增强查询两种接口，适配电商客服日常咨询场景：
importorg.springframework.ai.chat.client.ChatClient;importorg.springframework.ai.chat.client.advisor.vectorstore.QuestionAnswerAdvisor;importorg.springframework.ai.rag.advisor.RetrievalAugmentationAdvisor;importorg.springframework.beans.factory.annotation.Autowired;importorg.springframework.web.bind.annotation.GetMapping;importorg.springframework.web.bind.annotation.RequestMapping;importorg.springframework.web.bind.annotation.RequestParam;importorg.springframework.web.bind.annotation.RestController;importjava.util.List;importjava.util.Map;@RestController@RequestMapping("/ecommerce/service")publicclassCustomerServiceController{@AutowiredprivateChatClientchatClient;@AutowiredprivateQuestionAnswerAdvisorquestionAnswerAdvisor;@AutowiredprivateRetrievalAugmentationAdvisorretrievalAugmentationAdvisor;/** * 精准条款查询接口（基于 QuestionAnswerAdvisor） * 适用场景：查询具体规则条款（如包邮条件、退换货时限、价保规则） */@GetMapping("/chat/precise")publicMap<String,String>preciseChat(@RequestParam("question")Stringquestion){Stringanswer=chatClient.prompt().user(question).advisors(List.of(questionAnswerAdvisor)).call().content();returnMap.of("question",question,"answer",answer,"mode","precise（精准条款查询）");}/** * 复杂场景增强查询接口（基于 RetrievalAugmentationAdvisor） * 适用场景：组合类、流程类问题（如促销期退换货、已下单改地址、VIP用户物流查询） */@GetMapping("/chat/enhanced")publicMap<String,String>enhancedChat(@RequestParam("question")Stringquestion){Stringanswer=chatClient.prompt().user(question).advisors(List.of(retrievalAugmentationAdvisor)).call().content();returnMap.of("question",question,"answer",answer,"mode","enhanced（复杂场景增强）");}}六、测试与验证
测试 1：查询具体概念（精准问答）
访问http://localhost:8083/ecommerce/service/chat/precise?question=新疆地区订单多少金额包邮？，响应结果：{"question":"新疆地区订单多少金额包邮？","answer":"新疆属于偏远地区，订单金额满199元可享受包邮服务，不满199元需收取20元运费哦~ 信息来源：[物流服务标准 - 包邮政策]","mode":"precise（精准条款查询）"}测试 2：查询多步骤问题（检索增强）
访问http://localhost:8080/ecommerce/service/chat/enhanced?question=双11买的口红拆封了能退吗？我是VIP用户？，响应结果：{"question":"双11买的口红拆封了能退吗？我是VIP用户？","answer":"非常抱歉，根据我们的退换货政策，口红属于美妆类商品，拆封后不支持7天无理由退换。不过，作为VIP用户，您在促销期间退换货可以享受免审核和优先处理的特权。如果您确实需要退换，建议联系客服了解具体情况。信息来源：[电商知识库标准条款文档模板 - 退换货政策]","mode":"enhanced（复杂场景增强）"}测试 3：流程类查询（未发货订单改地址）
访问http://localhost:8080/ecommerce/service/chat/enhanced?question=我刚下单还没发货，想修改收货地址可以吗？，响应结果：{"question":"我刚下单还没发货，想修改收货地址可以吗？","answer":"当然可以，您下单后24小时内可以通过APP修改收货地址和联系电话。如果超过24小时，需要联系客服协调，但仅支持同城市地址修改哦。信息来源：[电商知识库标准条款文档模板 - 订单修改与追踪]。","mode":"enhanced（复杂场景增强）"}测试 4：查询无关问题（验证过滤）
访问http://localhost:8083/ecommerce/service/chat/precise?question=怎么办理信用卡？，响应结果：{"question":"怎么办理信用卡？","answer":"非常抱歉，暂未查询到关于如何办理信用卡的相关规则，建议联系人工客服咨询~信息来源：[电商知识库标准条款文档模板 - 退换货政策]","mode":"precise（精准条款查询）"}测试结果表明，系统完全满足需求：能精准回答导游考试相关问题，支持不同类型的查询场景，且能过滤无关问题，符合生产级应用的要求。
七、项目扩展方向
1、多格式文档支持
扩展支持 PDF、Excel、PPT 等格式的知识库导入，使用 Spring AI 提供的对应文档阅读器。
2、知识库增量更新
实现知识库的新增、修改、删除功能，避免每次更新都需重启服务。
3、前端可视化界面
开发 Web 前端，支持文档上传、问题输入、回答展示、历史记录查询等功能。
4、权限控制
添加用户认证与授权功能，限制知识库的访问权限（如仅导游考试学员可使用）。
5、系统监控
集成 Prometheus + Grafana，监控 Milvus 检索性能、大模型调用耗时、接口响应速度等指标。
总结
本文我们通过一个完整的导游考试知识库 RAG 系统，演示了 Spring AI 在实际业务场景中的落地流程。从需求分析、技术选型，到环境配置、知识库构建，再到核心组件开发与系统测试，每一步都围绕 “实用、稳定、高效” 的原则展开。通过该项目，我们不仅巩固了 Spring AI 的核心技术（Embedding、RAG、向量数据库集成），还掌握了从 0 到 1 构建 AI 应用的思维方式。
Spring AI 作为 Java 生态的原生生成式 AI 框架，其最大价值在于降低了 AI 技术的落地门槛，让 Java 开发者无需跨生态即可快速构建智能应用。随着大模型技术的持续演进，Spring AI 也在不断迭代升级，未来将支持更多场景、更多模型、更多功能。
