1. Spring AI初探你的第一个智能聊天应用记得第一次接触AI聊天功能时我盯着那个能对答如流的对话框看了足足十分钟。现在用Spring AI框架只需要四步就能实现同样的效果。先创建一个标准的Spring Boot项目这个不用多说IDE里点几下就能搞定。关键在第二步的依赖配置。打开pom.xml加入这个神奇的starterdependency groupIdorg.springframework.ai/groupId artifactIdspring-ai-openai-spring-boot-starter/artifactId /dependency接下来在application.yml里配置你的API密钥spring: ai: openai: api-key: sk-your-key-here base-url: https://api.openai.com最后写个简单的ControllerRestController public class ChatController { Resource private OpenAiChatClient chatClient; GetMapping(/chat) public String chat(RequestParam String msg) { return chatClient.call(msg); } }启动项目访问/chat?msg你好你就能收到AI的回复了。我测试时问了句Spring AI是什么它回了我整整三段专业解释比我自己写的还详细。这种方式虽然简单但有个小问题——无法控制AI的回答风格接下来我们会看到更高级的用法。2. 进阶聊天Prompt工程实战第一次用默认参数调用API时AI给我的代码建议又臭又长。后来发现通过Prompt模板可以精确控制输出质量。比如要生成Python代码可以这样构造PromptString template 你是一个资深Python工程师请用简洁的方式实现以下需求 需求{question} 要求 1. 使用Python 3.8语法 2. 添加类型注解 3. 包含单元测试 ; Prompt prompt new Prompt(template.replace({question}, userQuestion)); ChatResponse response chatClient.call(prompt);温度参数temperature是个特别实用的调节旋钮。做技术问答时我设为0.3让回答更严谨写创意文案时会调到0.8。配置方法很简单OpenAiChatOptions options OpenAiChatOptions.builder() .withModel(gpt-4) .withTemperature(0.3F) .build();实测对比同样的技术问题temperature0.7时AI会加入类比解释0.2时则直接给出代码片段。建议根据场景动态调整配置文件里可以设置默认值spring.ai.openai.chat.options.modelgpt-4 spring.ai.openai.chat.options.temperature0.53. 流式响应提升用户体验的秘诀当AI需要长时间思考时用户看着空白页面很容易失去耐心。用流式响应就能实现打字机效果GetMapping(/stream-chat) public FluxString streamChat(RequestParam String msg) { return chatClient.stream(new Prompt(msg)) .map(response - response.getResult().getOutput().getContent()); }前端用SSE接收时每收到一个数据块就追加到DOM体验顺滑很多。我在项目里实测响应时间超过3秒的问答使用流式后用户满意度提升了40%。性能提示流式响应会保持连接开放记得配置合理的超时时间spring: ai: openai: chat.options.timeout: 30s4. 图像生成从描述到视觉呈现用代码画画听起来很科幻但Spring AI让它变得异常简单。先确保引入了图像模块dependency groupIdorg.springframework.ai/groupId artifactIdspring-ai-openai-spring-boot-starter/artifactId /dependency然后三行代码就能生成图片GetMapping(/generate-image) public String generateImage(RequestParam String description) { ImageResponse response imageClient.call( new ImagePrompt(description)); return response.getResult().getOutput().getUrl(); }我让AI生成未来城市夜景得到的图片直接惊艳了产品团队。更专业的需求可以指定参数ImagePrompt prompt new ImagePrompt(description, OpenAiImageOptions.builder() .withQuality(hd) .withSize(1024x1024) .withStyle(vivid) .build());实用技巧生成的图片默认只保存几小时需要持久化的话可以这样处理byte[] imageData restTemplate.getForObject(imageUrl, byte[].class); Files.write(Paths.get(output.png), imageData);5. 多模态实践当文字遇到图像最新版的GPT-4 Vision能同时理解图片和文字。比如上传一张产品截图问这个UI有哪些改进空间AI能给出具体建议。实现代码比想象中简单PostMapping(/analyze-image) public String analyzeImage(RequestParam String question, RequestParam MultipartFile image) { UserMessage userMessage new UserMessage(question, List.of(new Media(image.getContentType(), image.getBytes()))); ChatResponse response chatClient.call( new Prompt(userMessage, OpenAiChatOptions.builder() .withModel(gpt-4-vision-preview) .build())); return response.getResult().getOutput().getContent(); }测试时我传了张复杂的架构图问这个系统有哪些潜在瓶颈AI不仅指出了数据库设计问题还给出了优化方案。这种交互方式正在改变我们的人机协作模式。6. 避坑指南实战中的经验教训在项目上线前一定要设置速率限制。有次我忘记限流调试时不小心发起了大量请求结果API配额十分钟就耗尽了。Spring Boot的RateLimiter可以帮上忙RateLimiter(value 5, timeout 1) GetMapping(/protected-chat) public String protectedChat(RequestParam String msg) { return chatClient.call(msg); }错误处理也很关键。AI服务可能不稳定需要优雅降级try { return chatClient.call(prompt); } catch (ApiException e) { log.error(API调用失败, e); return 系统正在思考中请稍后再试; }对于内容安全建议添加过滤层public String safeChat(String userInput) { if (containsSensitiveWords(userInput)) { return 问题包含敏感内容; } return chatClient.call(userInput); }这些经验都是用真金白银换来的。有次我们没做输入过滤用户让AI生成了一些不合适的内容差点引发公关危机。现在所有用户输入都会经过三层校验。