Java使用Spring AI的10個實用技巧分享

更新時間：2025年06月10日 10:34:54 作者：程序員岳焱

在當(dāng)今的軟件開發(fā)領(lǐng)域,人工智能的集成已經(jīng)成為提升應(yīng)用功能和用戶體驗的重要手段,對于 Java 開發(fā)者而言,Spring AI 提供了一套強大且便捷的工具,本文將深入探討 Java 使用 Spring AI 的 10 個實用技巧,感興趣的小伙伴跟著小編一起來看看吧

引言
技巧 1：使用 @EnableSpringAI 注解快速啟動
技巧 2：通過 AiClient 接口注入不同提供商的客戶端
技巧 3：使用 PromptTemplate 分離業(yè)務(wù)邏輯和提示詞
技巧 4：實現(xiàn) MessageConverter 處理復(fù)雜數(shù)據(jù)格式
技巧 5：集成 Spring Security 保護 AI 接口
技巧 6：使用 AiFunction 注解暴露 Java 方法給 AI 模型
技巧 7：配置 AiClientProperties 調(diào)整連接超時和重試策略
技巧 8：使用 ReactiveAiClient 實現(xiàn)非阻塞請求處理
技巧 9：通過 AiMessageHistory 維護多輪對話上下文
技巧 10：自定義 AiResponseHandler 處理大文本的分段生成
總結(jié)

引言

在當(dāng)今的軟件開發(fā)領(lǐng)域，人工智能的集成已經(jīng)成為提升應(yīng)用功能和用戶體驗的重要手段。對于 Java 開發(fā)者而言，Spring AI 提供了一套強大且便捷的工具，使得在 Java 項目中集成 AI 功能變得更加輕松。本文將深入探討 Java 使用 Spring AI 的 10 個實用技巧，幫助開發(fā)者充分發(fā)揮 Spring AI 的潛力，打造出更加智能、高效的應(yīng)用程序。

技巧 1：使用 @EnableSpringAI 注解快速啟動

在 Spring Boot 應(yīng)用中，快速啟動 Spring AI 的配置可以通過@EnableSpringAI注解輕松實現(xiàn)。這個注解會自動觸發(fā)一系列 AI 相關(guān)的配置，極大地簡化了我們的工作。

首先，在項目的依賴中引入 Spring AI 相關(guān)的庫。如果使用 Maven，在pom.xml文件中添加如下依賴：

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter</artifactId>
    <version>1.0.0</version>
</dependency>
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-deepseek</artifactId>
    <version>1.0.0</version>
</dependency>

然后，在 Spring Boot 的主應(yīng)用類上添加@EnableSpringAI注解：

@SpringBootApplication
@EnableSpringAI
public class MySpringAiApplication {
    public static void main(String[] args) {
        SpringApplication.run(MySpringAiApplication.class, args);
    }
}

通過上述簡單操作，Spring 會自動掃描并配置 AI 相關(guān)的 Bean，我們無需手動編寫大量繁瑣的配置代碼，即可快速開啟 Spring AI 之旅。

技巧 2：通過 AiClient 接口注入不同提供商的客戶端

Spring AI 的AiClient接口是一個強大的抽象，它允許我們輕松地集成不同的 AI 服務(wù)提供商，如 DeepSeek 等。

在application.yml中添加 DeepSeek 客戶端的配置：

spring:
  ai:
    deepseek:
      api-key: your_deepseek_api_key
      base-url: https://api.deepseek.com/v1

然后，創(chuàng)建一個配置類來注入DeepSeekClient：

@Configuration
public class AiClientConfig {
    @Bean
    public DeepSeekClient deepSeekClient(DeepSeekClientProperties properties) {
        return new DeepSeekClient(properties.getApiKey());
    }
}

這樣，在其他組件中，我們就可以通過依賴注入的方式使用DeepSeekClient了：

@Service
public class MyAiService {
    private final DeepSeekClient deepSeekClient;

    public MyAiService(DeepSeekClient deepSeekClient) {
        this.deepSeekClient = deepSeekClient;
    }

    public String generateText(String prompt) {
        // 使用DeepSeekClient進行文本生成
        return deepSeekClient.generate(prompt).getGeneratedText();
    }
}

通過這種方式，我們可以根據(jù)項目需求輕松切換不同的 AI 服務(wù)提供商，而無需對業(yè)務(wù)邏輯進行大規(guī)模修改。

技巧 3：使用 PromptTemplate 分離業(yè)務(wù)邏輯和提示詞

在使用 AI 進行文本生成等任務(wù)時，提示詞的管理至關(guān)重要。PromptTemplate允許我們將業(yè)務(wù)邏輯與提示詞分離，提高代碼的可維護性和復(fù)用性。

假設(shè)我們有一個簡單的文本總結(jié)需求，定義一個提示詞模板：

public class SummaryService {
    private static final String SUMMARY_TEMPLATE = "請總結(jié)以下內(nèi)容：{text}";

    public String summarizeText(String text) {
        PromptTemplate promptTemplate = new PromptTemplate(SUMMARY_TEMPLATE);
        // 使用模板生成具體的提示詞
        String prompt = promptTemplate.render("text", text);
        // 這里假設(shè)已經(jīng)有一個AiClient實例用于生成文本
        String summary = aiClient.generate(prompt).getGeneratedText();
        return summary;
    }
}

在上述代碼中，SUMMARY_TEMPLATE定義了提示詞的結(jié)構(gòu)，{text}是一個占位符。通過render方法，我們將實際的文本內(nèi)容填充到占位符中，生成最終的提示詞。這樣，當(dāng)我們需要修改提示詞的格式或邏輯時，只需在SUMMARY_TEMPLATE中進行調(diào)整，而不會影響到業(yè)務(wù)邏輯代碼。

技巧 4：實現(xiàn) MessageConverter 處理復(fù)雜數(shù)據(jù)格式

在實際應(yīng)用中，我們可能需要處理各種復(fù)雜的數(shù)據(jù)格式，如 JSON、XML 等。Spring AI 的MessageConverter接口可以幫助我們實現(xiàn)數(shù)據(jù)格式的轉(zhuǎn)換，以便更好地與 AI 模型交互。

以 JSON 格式為例，我們定義一個自定義的MessageConverter來將 JSON 字符串轉(zhuǎn)換為 AI 模型所需的Message對象：

@Component
public class JsonMessageConverter implements MessageConverter {
    private final ObjectMapper objectMapper = new ObjectMapper();

    @Override
    public Message toMessage(String json) {
        try {
            // 假設(shè)JSON結(jié)構(gòu)中有一個"content"字段表示用戶輸入
            JsonInput jsonInput = objectMapper.readValue(json, JsonInput.class);
            return new UserMessage(jsonInput.getContent());
        } catch (Exception e) {
            throw new RuntimeException("Failed to convert JSON to Message", e);
        }
    }

    @Override
    public String fromMessage(Message message) {
        try {
            JsonOutput jsonOutput = new JsonOutput(message.getContent());
            return objectMapper.writeValueAsString(jsonOutput);
        } catch (Exception e) {
            throw new RuntimeException("Failed to convert Message to JSON", e);
        }
    }

    private static class JsonInput {
        private String content;

        public String getContent() {
            return content;
        }

        public void setContent(String content) {
            this.content = content;
        }
    }

    private static class JsonOutput {
        private String result;

        public JsonOutput(String result) {
            this.result = result;
        }

        public String getResult() {
            return result;
        }
    }
}

在上述代碼中，toMessage方法將 JSON 字符串解析為UserMessage對象，fromMessage方法則將Message對象轉(zhuǎn)換回 JSON 格式。這樣，我們可以在與 AI 模型交互時，方便地處理 JSON 數(shù)據(jù)，確保數(shù)據(jù)格式的兼容性。

技巧 5：集成 Spring Security 保護 AI 接口

當(dāng)我們將 AI 功能暴露為接口供外部使用時，安全保護是必不可少的。Spring Security 可以幫助我們輕松實現(xiàn)對 AI 接口的安全防護。

首先，添加 Spring Security 的依賴：

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-security</artifactId>
</dependency>

然后，創(chuàng)建一個 Spring Security 配置類：

@Configuration
@EnableWebSecurity
public class SecurityConfig extends WebSecurityConfigurerAdapter {
    @Override
    protected void configure(HttpSecurity http) throws Exception {
        http
           .csrf().disable()
           .sessionManagement().sessionCreationPolicy(SessionCreationPolicy.STATELESS)
           .and()
           .authorizeRequests()
                .antMatchers("/ai/**").authenticated()
                .anyRequest().permitAll()
           .and()
           .addFilterBefore(new JwtAuthenticationFilter(), UsernamePasswordAuthenticationFilter.class);
    }

    @Bean
    public JwtAuthenticationFilter jwtAuthenticationFilter() throws Exception {
        return new JwtAuthenticationFilter();
    }
}

在上述配置中，我們禁用了 CSRF 保護（因為在無狀態(tài)的 API 場景中通常不需要），設(shè)置了會話創(chuàng)建策略為無狀態(tài)，并且配置了對/ai/**路徑下的請求進行身份驗證。JwtAuthenticationFilter是一個自定義的過濾器，用于處理 JWT 認(rèn)證，具體實現(xiàn)如下：

public class JwtAuthenticationFilter extends OncePerRequestFilter {
    private static final String HEADER_STRING = "Authorization";
    private static final String TOKEN_PREFIX = "Bearer ";

    @Override
    protected void doFilterInternal(HttpServletRequest request, HttpServletResponse response, FilterChain filterChain) throws ServletException, IOException {
        String header = request.getHeader(HEADER_STRING);
        if (header == null ||!header.startsWith(TOKEN_PREFIX)) {
            filterChain.doFilter(request, response);
            return;
        }
        String token = header.replace(TOKEN_PREFIX, "");
        Claims claims = Jwts.parser().setSigningKey("your_secret_key").parseClaimsJws(token).getBody();
        String username = claims.getSubject();
        List<String> roles = (List<String>) claims.get("roles");
        List<SimpleGrantedAuthority> authorities = roles.stream()
               .map(SimpleGrantedAuthority::new)
               .collect(Collectors.toList());
        UsernamePasswordAuthenticationToken authenticationToken = new UsernamePasswordAuthenticationToken(username, null, authorities);
        SecurityContextHolder.getContext().setAuthentication(authenticationToken);
        filterChain.doFilter(request, response);
    }
}

通過上述配置和過濾器，我們實現(xiàn)了基于 JWT 的身份驗證，確保只有經(jīng)過授權(quán)的用戶才能訪問 AI 接口，保障了系統(tǒng)的安全性。

技巧 6：使用 AiFunction 注解暴露 Java 方法給 AI 模型

AiFunction注解是 Spring AI 提供的一個強大功能，它允許我們將 Java 方法暴露為 AI 模型可以調(diào)用的函數(shù)。這在很多場景下非常有用，比如讓 AI 模型根據(jù)業(yè)務(wù)需求調(diào)用特定的 Java 邏輯。

假設(shè)我們有一個計算商品折扣價格的 Java 方法，我們可以使用AiFunction注解將其暴露：

@Component
public class DiscountService {
    @AiFunction(
        name = "calculateDiscountPrice",
        description = "計算商品的折扣價格，輸入商品原價和折扣率，返回折扣后的價格"
    )
    public double calculateDiscountPrice(double originalPrice, double discountRate) {
        return originalPrice * (1 - discountRate);
    }
}

在上述代碼中，@AiFunction注解指定了函數(shù)的名稱和描述。這樣，AI 模型在需要計算折扣價格時，就可以通過調(diào)用calculateDiscountPrice函數(shù)來實現(xiàn)。

技巧 7：配置 AiClientProperties 調(diào)整連接超時和重試策略

為了優(yōu)化 AI 客戶端與服務(wù)提供商之間的交互性能，我們可以通過配置AiClientProperties來調(diào)整連接超時和重試策略。

在application.yml中添加如下配置：

spring:
  ai:
    deepseek:
      client:
        connection-timeout: 5000
        read-timeout: 10000
        max-retries: 3

上述配置中，spring.ai.deepseek.client.connection-timeout設(shè)置了連接超時時間為 5 秒，spring.ai.deepseek.client.read-timeout設(shè)置了讀取超時時間為 10 秒，spring.ai.deepseek.client.max-retries設(shè)置了最大重試次數(shù)為 3 次。

在代碼中，我們可以通過注入DeepSeekClientProperties來獲取這些配置并應(yīng)用到DeepSeekClient中：

@Configuration
public class DeepSeekClientConfig {
    @Bean
    public DeepSeekClient deepSeekClient(DeepSeekClientProperties properties) {
        DeepSeekClient client = new DeepSeekClient(properties.getApiKey());
        client.setConnectionTimeout(properties.getConnectionTimeout());
        client.setReadTimeout(properties.getReadTimeout());
        client.setMaxRetries(properties.getMaxRetries());
        return client;
    }
}

通過合理配置連接超時和重試策略，可以提高 AI 客戶端在網(wǎng)絡(luò)不穩(wěn)定等情況下的可靠性和性能。

技巧 8：使用 ReactiveAiClient 實現(xiàn)非阻塞請求處理

在高并發(fā)的應(yīng)用場景中，使用響應(yīng)式編程模型可以顯著提高系統(tǒng)的性能和資源利用率。Spring AI 提供的ReactiveAiClient接口允許我們以非阻塞的方式處理 AI 請求。

假設(shè)我們有一個需要調(diào)用 AI 模型生成文本的服務(wù)，使用ReactiveAiClient可以這樣實現(xiàn)：

@Service
public class ReactiveAiTextGenerationService {
    private final ReactiveDeepSeekClient reactiveDeepSeekClient;

    public ReactiveAiTextGenerationService(ReactiveDeepSeekClient reactiveDeepSeekClient) {
        this.reactiveDeepSeekClient = reactiveDeepSeekClient;
    }

    public Mono<String> generateText(String promptText) {
        Prompt prompt = new Prompt(new UserMessage(promptText));
        return reactiveDeepSeekClient.generate(prompt)
               .map(response -> response.getGeneratedText());
    }
}

在上述代碼中，generateText方法返回一個Mono<String>，表示一個異步的文本生成操作。通過這種方式，我們可以在不阻塞線程的情況下處理大量的 AI 請求，提高系統(tǒng)的吞吐量和響應(yīng)速度。

技巧 9：通過 AiMessageHistory 維護多輪對話上下文

在涉及多輪對話的場景中，如聊天機器人，維護對話上下文非常重要。Spring AI 的AiMessageHistory可以幫助我們輕松實現(xiàn)這一點。

創(chuàng)建一個服務(wù)類來管理對話歷史：

@Service
public class ChatService {
    private final AiMessageHistory messageHistory;
    private final DeepSeekClient deepSeekClient;

    public ChatService(DeepSeekClient deepSeekClient, AiMessageHistory messageHistory) {
        this.deepSeekClient = deepSeekClient;
        this.messageHistory = messageHistory;
    }

    public String chat(String userInput) {
        UserMessage userMessage = new UserMessage(userInput);
        messageHistory.addMessage(userMessage);
        String response = deepSeekClient.generate(messageHistory.getMessages()).getGeneratedText();
        AiMessage aiResponse = new AiMessage(response);
        messageHistory.addMessage(aiResponse);
        return response;
    }
}

在上述代碼中，每次用戶輸入消息時，我們將其添加到messageHistory中，然后使用messageHistory中的所有消息與 AI 模型進行交互，獲取 AI 的響應(yīng)后，再將響應(yīng)添加到messageHistory中。這樣，messageHistory始終維護著完整的對話上下文，使得 AI 模型能夠根據(jù)之前的對話內(nèi)容進行更準(zhǔn)確的回復(fù)。

技巧 10：自定義 AiResponseHandler 處理大文本的分段生成

在處理大文本生成時，一次性獲取全部文本可能會導(dǎo)致內(nèi)存問題或長時間等待。Spring AI 允許我們自定義AiResponseHandler來處理流式響應(yīng)，實現(xiàn)大文本的分段生成。

首先，定義一個自定義的AiResponseHandler：

public class CustomAiResponseHandler implements AiResponseHandler {
    private final List<String> partialTexts = new ArrayList<>();

    @Override
    public void handleResponse(AiResponse response) {
        String partialText = response.getGeneratedText();
        partialTexts.add(partialText);
        System.out.println("接收到分段文本: " + partialText);
    }

    public String getFullText() {
        return String.join("", partialTexts);
    }
}

在實際使用時，我們可以將自定義的AiResponseHandler與ReactiveAiClient結(jié)合，實現(xiàn)響應(yīng)式的流式文本生成處理：

@Service
public class StreamingTextGenerationService {
    private final ReactiveDeepSeekClient reactiveDeepSeekClient;

    public StreamingTextGenerationService(ReactiveDeepSeekClient reactiveDeepSeekClient) {
        this.reactiveDeepSeekClient = reactiveDeepSeekClient;
    }

    public Mono<Void> generateStreamingText(String promptText, CustomAiResponseHandler handler) {
        Prompt prompt = new Prompt(new UserMessage(promptText));
        return reactiveDeepSeekClient.generateStreaming(prompt)
                .doOnNext(handler::handleResponse)
                .then();
    }
}

在generateStreamingText方法中，reactiveDeepSeekClient.generateStreaming發(fā)起流式文本生成請求，doOnNext操作會在每次接收到分段響應(yīng)時調(diào)用CustomAiResponseHandler的handleResponse方法，最后通過then操作返回一個表示操作完成的Mono<Void>。

通過這種方式，我們可以有效處理大文本生成場景，避免一次性加載大量文本導(dǎo)致的內(nèi)存壓力，同時還能在文本生成過程中及時展示內(nèi)容，提升用戶體驗。

總結(jié)

本文詳細(xì)介紹了 Java 使用 Spring AI 的 10 個實用技巧，從項目初始化到復(fù)雜場景優(yōu)化均有覆蓋。這些技巧涵蓋了 Spring AI 應(yīng)用開發(fā)的全流程，無論是初涉 AI 開發(fā)的新手，還是尋求技術(shù)突破的資深開發(fā)者，都能從中獲取實用的技術(shù)方案。通過合理運用這些技巧，Java 開發(fā)者可以更高效地將 AI 能力融入項目，打造出功能強大、體驗出色的智能應(yīng)用

以上就是Java使用Spring AI的10個實用技巧分享的詳細(xì)內(nèi)容，更多關(guān)于Java使用Spring AI的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: