本课目标

  • 搭好 Spring AI 项目最小骨架
  • 理解 ChatModel 与 ChatClient 的职责分界
  • 跑通第一次对话

Java 程序员搞 AI，第一反应常常是"我要不要学 Python？"。不，你不需要。Spring AI 让 Java 生态跟大模型对话就像调一个 Service 一样自然。本讲不写 Demo——直接搭一个能跑的项目骨架，让它说出第一句话。

核心内容

依赖与配置：少即是多

Spring Boot 3.4+ 加上 spring-ai-openai-spring-boot-starter 就够了。Spring AI 兼容所有 OpenAI 协议接口的模型提供商——DeepSeek、通义千问、智谱、Ollama 本地模型都是同一个接口。换模型 = 改两行配置。

这个兼容性是 Spring AI 最大的工程价值之一。你今天用 DeepSeek 做开发（便宜），明天上线切 GPT-4（稳定），代码一行不动。

两层 API：ChatModel vs ChatClient

Spring AI 给你两层选择：

  • ChatModel：底层 API，精细控制每次请求的参数。适合需要定制请求行为的场景。
  • ChatClient：Fluent API，链式调用。你 90% 的代码应该在这一层。通过 Builder 注入，跟 Spring 的 DI 体系无缝集成。

直觉：ChatModel 是方向盘+油门+离合，ChatClient 是自动挡。日常开车用自动挡，赛道日用方向盘。别一上来就纠结底层。

第一次对话：比你想的简单

注入 ChatClient，.prompt().call().content()，三行代码模型就跟你说话了。复杂吗？不复杂。但这三行背后 Spring AI 做了：序列化请求、处理 HTTP、解析响应、错误重试。

三个"别在这栽跟头"

  1. API Key 别写死在代码里。application.yml 或环境变量，这是安全底线。
  2. 初期的 token 消耗比你想象的大。每次调用不只是你的那句 prompt——Spring AI 会自动注入 system message 和 conversation history。打日志看实际发送的 payload。
  3. 开发环境用便宜的模型。DeepSeek 或本地 Ollama 跑通逻辑，上线再切贵的。别用 GPT-4 调 Bug。

动手练习

搭一个 Spring Boot 项目，跑通一次对话。把 application.yml 中的 API Key 改成环境变量引用。然后分别用 ChatModel 和 ChatClient 各写一遍"请用一句话介绍你自己"，对比两者的代码量和可读性。