用Java做人工智能_java AI development

最新推荐文章于 2026-04-03 20:10:49 发布

原创最新推荐文章于 2026-04-03 20:10:49 发布 · 904 阅读

15 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#java #人工智能 #开发语言

用Java做人工智能_java AI development_API

Spring AI：简化Java大模型应用开发的框架

当前Java调用大模型时缺乏优秀的AI应用框架，导致开发效率低下。Spring作为老牌Java应用框架厂商，推出了Spring AI来解决这个问题。它借鉴了LangChain的核心理念，并结合了Java面向对象编程的特性，为开发者提供了一套标准化接口，使得一次编写代码后可以通过更改配置轻松切换不同的AI实现(如OpenAI、Azure、阿里云等)。这种方式不仅简化了对接不同AI提供商的复杂度，还提供了统一的抽象层，极大地减少了开发和迁移的工作量。此外，由于有专门团队维护，Spring AI能够持续更新和支持最新的AI技术，确保其在不断变化的大模型领域保持竞争力。

Spring AI Alibaba：为国内开发者提供安全智能的AI集成方案

当大模型进入国内市场时，面临的一个关键挑战是如何在确保内容安全的同时，使模型足够智能以满足业务需求。Spring AI Alibaba正是为应对这一挑战而设计的理想选择。它不仅具备强大的内容安全管理能力，而且集成了Qwen-2.5，该模型在OpenCompass评选中被评为开源模型中的第一名，展现了其卓越的性能和广泛的应用潜力。

Spring AI Alibaba是Spring AI框架针对阿里巴巴云产品及服务的一次本地化实现，专为使用阿里云通义系列AI能力(如对话、图像生成等)的开发者提供了简便易用的接口与工具。通过引入Spring AI Alibaba，开发人员可以轻松地在其应用程序中嵌入高级AI功能，无需深入研究复杂的底层技术细节。此外，Spring AI Alibaba支持多种类型的AI任务，并且能够无缝集成到现有的Spring Boot项目中，这极大地简化了AI应用的开发流程。其核心优势包括但不限于：对不同AI提供者间接口的标准化处理，允许代码一次编写即可跨平台运行；以及直接兼容Flux流输出的设计，使得基于流的数据处理变得简单高效。总之，Spring AI Alibaba为希望利用最新AI技术来增强自己产品的开发者们提供了一个强大而灵活的解决方案。

基于SpringBoot集成Spring AI Alibaba实现对话模型并构建支持prompt的流式返回接口

基于SpringBoot集成Spring AI Alibaba完成一个简单对话模型，并构建支持prompt的流返回接口

首先，根据提供的我了解的信息内容，我们了解到使用Spring AI Alibaba可以方便地为我们的项目添加AI能力，尤其是基于阿里云通义千问的服务。对于希望实现的特定功能，即通过GET请求提供一个跨域(CORS)支持、能够处理prompt并以Flux<String>形式返回结果的聊天接口，我们需要遵循一定的步骤来配置和编码。

环境与依赖准备

JDK版本：确保您的开发环境中的JDK版本不低于17。
Spring Boot版本：使用3.3.x系列版本。
申请API Key：按照我了解的信息中给出的方法，在阿里云上申请通义千问服务的API Key，并记录下来用于后续配置。
Maven仓库设置：因为当前使用的Spring AI Alibaba组件还处于milestone阶段，所以需要在pom.xml文件中添加对Spring Milestones及Snapshots仓库的支持。

<repositories>
    <repository>
      <id>sonatype-snapshots</id>

      <url>https://oss.sonatype.org/content/repositories/snapshots</url>

      <snapshots>
        <enabled>true</enabled>

      </snapshots>

    </repository>

    <repository>
      <id>spring-milestones</id>

      <name>Spring Milestones</name>

      <url>https://repo.spring.io/milestone</url>

      <snapshots>
        <enabled>false</enabled>

      </snapshots>

    </repository>

    <repository>
      <id>spring-snapshots</id>

      <name>Spring Snapshots</name>

      <url>https://repo.spring.io/snapshot</url>

      <releases>
        <enabled>false</enabled>

      </releases>

    </repository>

</repositories>

添加依赖项：在pom.xml中加入Spring Boot Parent以及spring-ai-alibaba-starter依赖，以便自动装配必要的组件如ChatClient等。

<parent>
  <groupId>org.springframework.boot</groupId>

  <artifactId>spring-boot-starter-parent</artifactId>

  <version>3.3.4</version>

  <relativePath/>
</parent>

<dependencies>
  <dependency>
    <groupId>com.alibaba.cloud.ai</groupId>

    <artifactId>spring-ai-alibaba-starter</artifactId>

    <version>1.0.0-M2</version>

  </dependency>

  <!-- 其他必需或可选依赖 -->
</dependencies>

配置API Key

在应用程序启动时或者通过环境变量设置通义千问API Key。这里采用环境变量方式：

同时，在application.properties或application.yml中添加如下配置以引用该环境变量值：

编写Controller

创建一个新的Controller类来定义我们的聊天接口，注意要启用跨域支持并且返回类型为Flux<String>以适应流式输出需求。

@RestController
@RequestMapping("/ai")
@CrossOrigin(origins = "*")  // 启用跨域访问
public class ChatController {

  private final ChatClient chatClient;
  @Value("classpath:correct-and-expand.st")
  Resource resource;

  public ChatController(ChatClient.Builder builder) {
    this.chatClient = builder.build();
  }

  @GetMapping("/steamChat")
  public Flux<String> steamChat(@RequestParam String input) {
    PromptTemplate promptTemplate = new PromptTemplate(resource);
    Prompt prompt = promptTemplate.create(Map.of("input", input));
    return chatClient.prompt(prompt).stream().content();
  }
}