企业官网建设流程全解析

SpringAI

Spring AI 是 Spring 官方针对人工智能（AI）应用开发推出的标准化框架。

它的核心宗旨是将 Spring 开发者熟悉的“依赖注入、统一抽象、声明式配置、面向接口编程”等生态优势，完美复刻到 AI 和大模型开发领域。

Java 程序员，想在项目里接入大模型、搞 RAG 知识库或者搞 Agent，Spring AI 就是量身定制的大模型开发脚手架。

Spring AI 如何调用模型

Spring AI 推荐使用ChatClient；Spring Boot 会根据 starter 和配置自动创建ChatModel、EmbeddingModel与ChatClient.Builder。

Spring AI ChatClient 文档

1. Maven 依赖

使用 Ollama：

<dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>2.0.0</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><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></dependencies>

该 starter 同时提供 Ollama Chat 和 Embedding 自动配置。Spring AI Ollama 文档

2. 模型配置

application.yml：

spring:ai:ollama:base-url:http://localhost:11434chat:options:model:qwen3:8btemperature:0.7embedding:options:model:qwen3-embedding:0.6b

确保本地已经存在模型，模型下载详情见：https://blog.csdn.net/sinat_32502451/article/details/163534744

ollama pull qwen3:8b ollama pull qwen3-embedding:0.6b

3. 使用 ChatClient 调用模型

packagecom.example.ai;importorg.springframework.ai.chat.client.ChatClient;importorg.springframework.stereotype.Service;importreactor.core.publisher.Flux;@ServicepublicclassAiChatService{privatefinalChatClientchatClient;publicAiChatService(ChatClient.BuilderchatClientBuilder){this.chatClient=chatClientBuilder.build();}/** * 同步调用模型。 */publicStringchat(Stringquestion){returnchatClient.prompt().user(question).call().content();}/** * 携带系统提示词调用模型。 */publicStringchat(StringsystemPrompt,Stringquestion){returnchatClient.prompt().system(systemPrompt).user(question).call().content();}/** * 流式调用模型。 */publicFlux<String>stream(Stringquestion){returnchatClient.prompt().user(question).stream().content();}}

核心调用只有：

Stringanswer=chatClient.prompt().system("你是一个 Java 技术助手").user("介绍一下 Spring AI").call().content();

各方法含义：

• prompt()：创建一次模型请求。
• system()：设置系统提示词。
• user()：设置用户消息。
• call()：同步调用模型。
• stream()：流式调用模型。
• content()：取得模型返回的文本。

4. 提供 REST 接口

packagecom.example.ai;importorg.springframework.http.MediaType;importorg.springframework.web.bind.annotation.GetMapping;importorg.springframework.web.bind.annotation.RequestMapping;importorg.springframework.web.bind.annotation.RequestParam;importorg.springframework.web.bind.annotation.RestController;importreactor.core.publisher.Flux;@RestController@RequestMapping("/api/ai")publicclassAiController{privatefinalAiChatServiceaiChatService;publicAiController(AiChatServiceaiChatService){this.aiChatService=aiChatService;}/** * 普通问答。 */@GetMapping("/chat")publicStringchat(@RequestParamStringquestion){returnaiChatService.chat(question);}/** * 流式问答。 */@GetMapping(value="/stream",produces=MediaType.TEXT_EVENT_STREAM_VALUE)publicFlux<String>stream(@RequestParamStringquestion){returnaiChatService.stream(question);}}

普通调用：

curl'http://localhost:8080/api/ai/chat?question=介绍一下Spring%20AI'

流式调用：

curl-N'http://localhost:8080/api/ai/stream?question=介绍一下Spring%20AI'

5. 使用底层 ChatModel

ChatClient底层使用的是ChatModel。如果需要更直接地控制调用，可以直接注入：

packagecom.example.ai;importorg.springframework.ai.chat.model.ChatModel;importorg.springframework.ai.chat.model.ChatResponse;importorg.springframework.ai.chat.prompt.Prompt;importorg.springframework.stereotype.Service;@ServicepublicclassLowLevelChatService{privatefinalChatModelchatModel;publicLowLevelChatService(ChatModelchatModel){this.chatModel=chatModel;}/** * 直接通过 ChatModel 调用模型。 */publicStringchat(Stringquestion){Promptprompt=newPrompt(question);ChatResponseresponse=chatModel.call(prompt);returnresponse.getResult().getOutput().getText();}}

也可以显式构造消息：

importjava.util.List;importorg.springframework.ai.chat.messages.SystemMessage;importorg.springframework.ai.chat.messages.UserMessage;importorg.springframework.ai.chat.model.ChatResponse;importorg.springframework.ai.chat.prompt.Prompt;SystemMessagesystemMessage=newSystemMessage("你是一个 Java 技术助手");UserMessageuserMessage=newUserMessage("Spring AI 是什么？");Promptprompt=newPrompt(List.of(systemMessage,userMessage));ChatResponseresponse=chatModel.call(prompt);Stringanswer=response.getResult().getOutput().getText();

6. 调用 Embedding 模型

Spring Boot 同样会自动创建EmbeddingModel。Spring AI Ollama Embedding 文档

packagecom.example.ai;importjava.util.List;importorg.springframework.ai.embedding.EmbeddingModel;importorg.springframework.stereotype.Service;@ServicepublicclassAiEmbeddingService{privatefinalEmbeddingModelembeddingModel;publicAiEmbeddingService(EmbeddingModelembeddingModel){this.embeddingModel=embeddingModel;}/** * 将一段文本转换为向量。 */publicfloat[]embed(Stringtext){returnembeddingModel.embed(text);}/** * 批量将文本转换为向量。 */publicList<float[]>embedAll(List<String>texts){returnembeddingModel.embed(texts);}}

使用：

float[]vector=aiEmbeddingService.embed("Spring AI 模型调用示例");System.out.println(vector.length);

底层交互过程

Java 代码：

chatClient.prompt().user("你好").call().content();

Spring AI 内部执行：

ChatClient ↓ OllamaChatModel ↓ 将 Prompt 转换成 Ollama JSON 请求 ↓ POST http://localhost:11434/api/chat ↓ Ollama 调用 qwen3:8b ↓ JSON 响应转换为 ChatResponse ↓ content() 返回文本

Embedding 调用则是：

EmbeddingModel.embed(text) ↓ OllamaEmbeddingModel ↓ POST http://localhost:11434/api/embed ↓ qwen3-embedding:0.6b ↓ 返回 float[] 向量

Java 业务代码本身是供应商无关的。以后切换到 OpenAI、Azure OpenAI 或其他模型时，通常只需要更换 starter 和application.yml，ChatClient、ChatModel、EmbeddingModel的调用代码可以保持不变。

资料

spring-ai官方文档： https://docs.spring.io/spring-ai/reference/index.html