为什么要做 SpringBoot 3.3 AI 整合SpringBoot 3.3 作为最新稳定版不仅强化了原生虚拟线程、AOT 编译等性能特性还对 HTTP 客户端、配置体系做了轻量化优化。而当前 AI 应用的核心痛点之一就是快速落地——大多数开发者不需要从零搭建 AI 服务只需要把成熟的大模型能力嵌入现有业务系统。这篇文章的核心价值就是用最少的代码、最标准的 SpringBoot 方式在5分钟内完成 AI 接口的整合与调用同时兼顾可扩展性和生产级规范。前置准备1. 环境要求JDK 17SpringBoot 3.x 最低要求推荐使用 JDK 21 享受虚拟线程特性SpringBoot 3.3.0一个可用的 AI 大模型 API Key示例使用 OpenAI 兼容接口可替换为国产模型如通义千问、文心一言等2. 项目初始化通过 Spring Initializr 快速生成项目选择以下依赖Spring Web提供 HTTP 接口能力Spring Boot DevTools开发阶段热重载可选Jackson DatabindJSON 序列化/反序列化自动引入5分钟快速整合步骤1. 配置 AI 接口信息在application.yml中配置 AI 服务的核心参数所有敏感信息通过环境变量注入避免硬编码spring:ai:openai:api-key:${AI_API_KEY:your-default-key}base-url:${AI_BASE_URL:https://api.openai.com/v1}chat:model:${AI_MODEL:gpt-3.5-turbo}temperature:0.7# 控制生成内容的随机性0-1之间如果你使用国产大模型只需要替换base-url和model参数即可例如通义千问的base-url为https://dashscope.aliyuncs.com/api/v1model为qwen-turbo。2. 引入 AI 客户端依赖SpringBoot 3.3 官方提供了 Spring AI Starter 简化整合直接在pom.xml中添加依赖org.springframework.ai spring-ai-openai-spring-boot-starter 0.8.1国内镜像可能无法直接拉取依赖可添加阿里云 Maven 镜像aliyunmaven https://maven.aliyun.com/repository/public3. 实现 AI 服务调用逻辑创建AIService类通过OpenAiChatClient实现大模型对话能力这是整个整合的核心代码importorg.springframework.ai.openai.OpenAiChatClient;importorg.springframework.ai.openai.api.OpenAiApi;importorg.springframework.ai.openai.api.OpenAiChatOptions;importorg.springframework.stereotype.Service;ServicepublicclassAIService{privatefinalOpenAiChatClientchatClient;// 构造方法注入客户端Spring AI 自动完成配置初始化publicAIService(OpenAiChatClientchatClient){this.chatClientchatClient;}/** * 基础对话方法 * param prompt 用户提问 * return AI 回复内容 */publicStringchat(Stringprompt){returnchatClient.call(prompt);}/** * 带参数配置的对话方法 * param prompt 用户提问 * param temperature 随机性参数 * param maxTokens 最大生成token数 * return AI 回复内容 */publicStringchatWithOptions(Stringprompt,Floattemperature,IntegermaxTokens){OpenAiChatOptionsoptionsOpenAiChatOptions.builder().withTemperature(temperature).withMaxTokens(maxTokens).build();returnchatClient.call(prompt,options);}}4. 暴露 HTTP 接口创建AIController类提供对外调用的 RESTful 接口同时添加参数校验和异常处理importjakarta.validation.constraints.NotBlank;importorg.springframework.http.ResponseEntity;importorg.springframework.validation.annotation.Validated;importorg.springframework.web.bind.annotation.GetMapping;importorg.springframework.web.bind.annotation.RequestParam;importorg.springframework.web.bind.annotation.RestController;RestControllerValidatedpublicclassAIController{privatefinalAIServiceaiService;publicAIController(AIServiceaiService){this.aiServiceaiService;}GetMapping(/api/ai/chat)publicResponseEntitychat(NotBlank(message提问内容不能为空)RequestParamStringprompt,RequestParam(requiredfalse,defaultValue0.7)Floattemperature,RequestParam(requiredfalse,defaultValue1024)IntegermaxTokens){try{StringresponseaiService.chatWithOptions(prompt,temperature,maxTokens);returnResponseEntity.ok(response);}catch(Exceptione){returnResponseEntity.internalServerError().body(AI 服务调用失败e.getMessage());}}}5. 测试验证启动 SpringBoot 应用通过以下方式测试接口浏览器直接访问http://localhost:8080/api/ai/chat?prompt请用Java写一个快速排序算法Postman 调用请求方式GET请求地址http://localhost:8080/api/ai/chat请求参数prompt请解释一下SpringBoot的自动配置原理预期输出 SpringBoot的自动配置原理基于Spring框架的条件化配置能力核心流程如下 1. 启动时扫描META-INF/spring/org.springframework.boot.autoconfigure.AutoConfiguration.imports文件加载所有自动配置类 2. 通过Conditional系列注解判断是否满足配置条件如类路径是否存在特定类、配置属性是否开启等 3. 满足条件的自动配置类会被实例化完成Bean的注册和初始化 4. 用户可以通过EnableAutoConfiguration注解排除不需要的自动配置或者通过application.yml覆盖默认配置 ## 生产级扩展优化 ### 1. 多模型适配 通过 Spring AI 的抽象层可以轻松切换不同大模型只需要修改依赖和配置 java // 抽象客户端接口支持多模型切换 import org.springframework.ai.chat.ChatClient; Service public class AIService { private final ChatClient chatClient; // 注入抽象ChatClient自动适配不同模型实现 public AIService(ChatClient chatClient) { this.chatClient chatClient; } }2. 请求限流与降级使用 Spring Cloud Gateway 或 Resilience4j 实现接口限流和降级避免 AI 服务异常影响核心业务importio.github.resilience4j.circuitbreaker.annotation.CircuitBreaker;importio.github.resilience4j.ratelimiter.annotation.RateLimiter;ServicepublicclassAIService{// 限流每秒最多处理10个请求降级调用失败时返回默认内容RateLimiter(nameaiChatLimiter,fallbackMethodfallbackChat)CircuitBreaker(nameaiChatCircuit,fallbackMethodfallbackChat)publicStringchatWithOptions(Stringprompt,Floattemperature,IntegermaxTokens){// 原实现}publicStringfallbackChat(Stringprompt,Floattemperature,IntegermaxTokens,Throwablethrowable){return当前AI服务繁忙请稍后再试;}}3. 日志与监控添加 Spring Boot Actuator 和 Micrometer 监控 AI 接口的调用情况management:endpoints:web:exposure:include:health,metrics,prometheusmetrics:tags:application:ai-demo常见问题解决API Key 配置不生效检查环境变量是否正确注入或在启动参数中添加-DAI_API_KEYyour-key依赖拉取失败添加阿里云 Maven 镜像或直接下载依赖包手动导入调用超时在application.yml中配置超时时间spring:ai:openai:timeout:30s国产模型兼容问题Spring AI 已支持通义千问、文心一言等国产模型只需引入对应 Starter 并修改配置参数总结通过 SpringBoot 3.3 Spring AI 的组合我们仅用5分钟就完成了从项目初始化到 AI 接口调用的全流程同时代码完全符合生产级规范配置与代码分离敏感信息通过环境变量注入面向抽象编程支持多模型无缝切换完善的参数校验和异常处理天然支持 Spring 生态的扩展能力这种整合方式既满足了快速落地的需求又为后续的性能优化、多模型融合等进阶功能预留了扩展空间是当前 AI 应用开发的最优实践之一。