本文介绍Spring AI 1.0如何让Java开发者无需学习Python通过添加几个依赖就能在现有项目中快速构建AI智能体。从5分钟快速上手到实现AI记忆功能、工具调用能力再到企业级应用和实战案例提供了完整指南帮助Java开发者轻松进入AI时代并分享了常见避坑技巧。自从 Spring AI 1.0 发布后Java 开发者也能用熟悉的 Spring Boot 生态搭建 AI 智能体了。不用学 Python不用重写代码就在你现有的项目里加几个依赖就能跑起来。上周我试了一下从创建项目到跑通第一个能「记忆」的 AI 助手真的只花了 5 分钟。今天就把这个实战经验分享给大家。一、快速开始3 步跑起来第一步创建项目用 Spring Initializr 创建一个 Spring Boot 项目Java 17加上这几个依赖1 2 3 4 5 6 7 8 9 10 11 12 !-- Spring Web -- dependency groupId org.springframework.boot /groupId artifactId spring-boot-starter-web /artifactId /dependency !-- Spring AI OpenAI国外用或 Spring AI Alibaba国内用 -- dependency groupId org.springframework.ai /groupId artifactId spring-ai-openai-spring-boot-starter /artifactId version 1.0.0-M4 /version /dependency国内开发者推荐用 Spring AI Alibaba1 2 3 4 5 dependency groupId com.alibaba.cloud.ai /groupId artifactId spring-ai-alibaba-starter /artifactId version 1.0.0-M3.2 /version /dependency第二步配置 API Key1 2 3 4 5 6 7 8 9 10 # application.yml spring: ai: openai: api-key: ${OPENAI_API_KEY} # 你的 OpenAI API Key # 阿里云版本用这个 # alibaba: # qwen: # api-key: ${QWEN_API_KEY} # model: qwen-turbo第三步写个测试接口1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 RestController public class ChatController { private final ChatClient chatClient; public ChatController (ChatClient.Builder builder) { this .chatClient builder.build(); } GetMapping(/chat) public String chat (RequestParam String msg) { return chatClient.prompt() .user(msg) .call() .content(); } }启动项目访问http://localhost:8080/chat?msg你好就能看到 AI 的回复了。是不是很简单3步快速开始二、给 AI 加上「记忆」现在的 AI 记性不好你说第二句话它已经不记得第一句了。给它加上ChatMemory就能记住之前的对话1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 RestController public class ChatController { private final ChatClient chatClient; private final ChatMemory chatMemory new InMemoryChatMemory (); public ChatController (ChatClient.Builder builder) { this .chatClient builder .defaultAdvisors( new MessageChatMemoryAdvisor (chatMemory)) .build(); } GetMapping(/chat) public String chat ( RequestParam String msg, RequestParam(defaultValue default) String sessionId ) { return chatClient.prompt() .user(msg) .advisors(spec - spec .param(CHAT_MEMORY_CONVERSATION_ID_KEY, sessionId)) .call() .content(); } }关键点MessageChatMemoryAdvisor- 记忆功能的 AdvisorCHAT_MEMORY_CONVERSATION_ID_KEY- 每个用户一个独立的 sessionId试一下1 2 /chat?msg我叫小明sessionIduser1 /chat?msg我叫什么sessionIduser1第二次调用它会回答「你叫小明」因为它记住了。ChatMemory 架构图三、让 AI 会「用工具」光聊天不够还要让 AI 能执行操作。比如查询数据库、调用 API。这就要用到Tool Calling以前叫 Function CallingSpring AI 1.0 改名了。定义工具1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Component public class UserTools { Tool(description 根据用户ID查询用户信息) public User getUserById (String userId) { // 实际项目中这里查数据库 return new User (userId, 张三 , zhangsanexample.com ); } Tool(description 获取当前时间) public String getCurrentTime () { return LocalDateTime.now().toString(); } } record User (String id, String name, String email) {}注册工具1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 RestController public class AgentController { private final ChatClient chatClient; public AgentController (ChatClient.Builder builder, UserTools userTools) { this .chatClient builder .defaultTools(userTools) // 注册工具 .build(); } GetMapping(/agent) public String agent (RequestParam String msg) { return chatClient.prompt() .user(msg) .call() .content(); } }测试效果1 2 3 4 5 /agent?msg查询用户123的信息 // AI 会自动调用 getUserById(123) 返回结果 /agent?msg现在几点了 // AI 会自动调用 getCurrentTime() 返回结果神奇吧AI 会自己判断什么时候该调用什么工具。四、避坑指南坑 1Function Calling 已废弃老教程还在用FunctionCallback和.functions()别跟着学。Spring AI 1.0.0.M6 已经废弃了 Function Calling改用 Tool Calling1 2 3 4 5 // ❌ 旧版不要用 .functions( myFunction ) // ✅ 新版推荐 .tools( new MyTools ())坑 2ChatMemory 不生效检查这两点是否添加了MessageChatMemoryAdvisor是否设置了CHAT_MEMORY_CONVERSATION_ID_KEY参数1 2 3 // 容易漏掉这两行 .defaultAdvisors( new MessageChatMemoryAdvisor (chatMemory)) .param(CHAT_MEMORY_CONVERSATION_ID_KEY, sessionId)坑 3API Key 管理不当千万别把 API Key 硬编码。正确姿势使用环境变量或用配置中心Nacos、Apollo生产环境用密钥管理服务1 2 3 4 5 6 // ❌ 错误 String apiKey sk-xxx ; // ✅ 正确 Value(${spring.ai.openai.api-key}) private String apiKey;坑 4超时设置不合理AI 调用可能很慢默认超时可能不够。1 2 3 4 5 6 spring: ai: openai: chat: options: completion-timeout: 60s # 根据实际情况调整避坑清单五、企业级应用集成到现有项目1. 模块化设计建议单独建一个ai-module模块1 2 3 4 5 6 7 your-project/ ├── business-module/ # 业务模块 ├── ai-module/ # AI 能力模块 │ ├── agent/ # 智能体 │ ├── tools/ # 工具定义 │ └── config/ # AI 配置 └── api-module/ # API 接口2. 统一异常处理1 2 3 4 5 6 7 8 9 ControllerAdvice public class AIExceptionHandler { ExceptionHandler(AIException.class) public ResponseEntityString handleAIException (AIException e) { // 优雅降级返回默认响应或提示用户稍后重试 return ResponseEntity.ok( AI 服务暂时不可用请稍后再试 ); } }3. 监控和日志1 2 3 4 5 6 7 8 9 // 记录 Token 使用量 Component public class TokenLogger { EventListener public void handleChatEvent (ChatCompletionEvent event) { log.info( Token used: {} , event.getUsage()); } }六、实战案例智能客服助手最后gei一个完整的实战案例 —— 一个能查订单、能改状态的智能客服1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 RestController RequestMapping(/customer-service) public class CustomerServiceAgent { private final ChatClient chatClient; public CustomerServiceAgent (ChatClient.Builder builder, OrderTools orderTools) { this .chatClient builder .defaultSystem( 你是一个智能客服助手可以帮助用户查询订单、修改状态 ) .defaultTools(orderTools) .defaultAdvisors( new MessageChatMemoryAdvisor ( new InMemoryChatMemory ())) .build(); } GetMapping(/chat) public String chat ( RequestParam String msg, RequestParam String userId ) { return chatClient.prompt() .user(msg) .advisors(spec - spec .param(CHAT_MEMORY_CONVERSATION_ID_KEY, userId)) .call() .content(); } } Component class OrderTools { Tool(description 查询订单状态) public String getOrderStatus (String orderId) { // 查数据库返回订单状态 return 订单 orderId 状态为已发货 ; } Tool(description 修改订单收货地址) public String updateAddress (String orderId, String newAddress) { // 更新数据库 return 订单 orderId 地址已修改为 newAddress; } }效果1 2 3 4 5 /chat?msg我的订单123到哪了userIduser1 // AI 自动调用 getOrderStatus(123) 返回状态 /chat?msg把订单123的地址改成北京市朝阳区userIduser1 // AI 自动调用 updateAddress(123, 北京市朝阳区)智能客服流程图写在最后Spring AI 让 Java 开发者进入 AI 时代变得超级简单。不需要重写项目不需要学 Python就在你熟悉的 Spring Boot 里加几个依赖就能跑起来。我的建议是先跑通 Demo- 5 分钟快速体验再加 Memory- 让 AI 记住对话最后加 Tools- 让 AI 能干活记住Function Calling 已废弃用 Tool CallingChatMemory 要设置 Conversation IDAPI Key 别硬编码大模型入门学习教程 附PDF文档文末获取现在国内外关于大模型入门教程做的比较好的并不多这其实也是一件好事有难度和有门槛才能避免烂大街现在大模型入门教程热度最高的包括李宏毅老师、吴恩达老师、Datawhale开源社区等选择合适的入门学习教程能少走弯路抓住核心内容快速达到前沿的水平甚至是发表大模型相关的论文都是可以的这一期主要是给大家推荐李宏毅老师的最新课程大模型入门学习教程这个教程的主要内容如下总共11讲第1讲总体介绍这一讲主要介绍现在大模型作为生成式人工智能其发展的历史过程以及大模型落地的主要应用方向了解大模型主要学习什么内容难度不大简单看一下就行第2讲提示词和AI代理人首先介绍什么是提示词工程提示词就是人类和大模型交互的语言对于大模型的引导需要通过提示词来完成然后介绍如何引导模型进行思考比如COT是什么在模型训练过程中提供额外信息第3讲生成策略同一个问题多次询问大模型大模型会给出不同的回答如何提高回复的准确率以及稳定性是一个重要的大模型生成策略。了解大模型的生成概率与什么有关比如top_p, top_ktemperature等第4讲深度学习和Transformer这一部分先介绍一些深度学习基础内容大模型的模型都是深度学习模型了解深度学习中基础内容是有必要的比如损失函数反向传播梯度下降等然后介绍大模型的基础框架transformertransformer模型结构一定要非常熟悉很重要第5讲大模型评估和道德问题这一部分先介绍大模型的评估标准现在有很多benchmark从各个方面来评测大模型的不同能力评估指标很多开源的模型往往会选择有利于自己的指标进行展示然后介绍大模型中存在的道德问题因为大模型不能随意生成一些不符合道德社会文明的内容第6讲AI的可解释性给大模型一个输入只能得到一个输出但是我们并不清楚大模型的思考过程是怎么样的这个问题大模型是怎么思考的提升大模型的可解释性有助于后续研究如何提升大模型的推理性能像COT就是显式展示大模型的思考过程然后还可以让语言模型来解释语言模型第7讲视觉大模型常说的大模型都指的是文本大模型输入是文本输出也是文本而现实世界中可能我们的输入既有文本又有图片和视频输出也可能是多样化的视觉大模型就是能解决文本和视觉两种模态的大模型第8讲GPT-4o前面都是关于大 模型的理论这一部分是拆解一个完整的大模型是怎么样的以GPT-4o为例进行说明GPT**-4o是首个端到端多模态通用模型**是迈向AGI的一步能够实现文本音频和图片的多模态交互上面就是大模型的入门教程的所有内容学完这些可以去看看关于大模型微调大模型训练大模型推理加速RAG和Agent等相关的内容后面最好整一两个项目来实践一下上述资料获取1. 关注公众号【大模型应用开发LLM】领取即可获取2. 这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】