官方助力:SpringAI快速尝鲜体验(SpringBoot3+Gradle8+JDK17)

SpringAI

自从OpenAI的ChatGPT爆火之后，各种AI大模型开始席卷互联网，作为知名框架的Spring官方也是小小的顺应了一波潮流，就在不久前官方推出了针对AI的部分，称为SpringAI目前最新版本为0.8.1,下面是官网的截图。

直通车https://spring.io/projects/spring-ai

根据官方的介绍，这个Spring AI 是一个人工智能工程应用框架。其目标是将 Spring 生态系统的设计原则（如可移植性和模块化设计）应用于人工智能领域，并推广使用 POJO 作为人工智能领域应用程序的构建模块。之前我们开发一个AI项目，都是自己找API，写接口，零开始一步一步开发，但是现在有了SpringAI，它可以帮我们快速整合各大主流的AI模型，并支持常规方式和流式输出以及图片处理等基本功能，快速开发一个AI项目可谓是有手手就行了，降低了一定的门槛；

目前支持的AI模型有：

想要了解更多相关的信息可以去官网看看，下面就以OpenAI模型为例，快速体验一把SpringAI；对于模型的支持上，对国内玩家来说，美中不足的大概就是还不支持国内的一些模型，比如阿里的通义千问，百度的文心一言等等；

---

快速尝鲜

项目创建

使用SpringBoot初始化器创建一个SpringBoot项目，记得添加对应的AI依赖；

我的项目配置信息参考:

JDK:17Gradle:8.7SpringBoot:3.2.4

注意，如果你要使用Snapshot版本，可能需要做一些小变动，具体看官方文档:https://docs.spring.io/spring-ai/reference/getting-started.html

---

属性配置

由于这里需要用到OpenAI的key,所以默认你已经拥有了这个前提；

确定使用的AI模型之后，我们需要在配置文件中添加一些必要的配置，比如OpenAi的key等信息；不同的模型配置会有差异，这里始终以OpenAI为例，其他模型请自行移步官网，后文就不再赘述。

spring:  application:    name: DemonSpringAI  ai:    openai:      api-key: #你的key      chat:        options:          model: gpt-3.5-turbo          temperature: 0.7

---

接口开发

在controller包下直接创建一个ChatController,内容如下:

/** * ===================我亦无它================================ * project name: SortingAlgorithms * author: Gemini48 * date: 2024/4/10 * blog: <a href="https://www.ilikexff.cn/">八尺妖剑</a> * description default * ====================唯手熟尔=============================== **/package cn.ilikexff.demonspringai.controller;import org.springframework.ai.chat.ChatResponse;import org.springframework.ai.chat.messages.UserMessage;import org.springframework.ai.chat.prompt.Prompt;import org.springframework.ai.openai.OpenAiChatClient;import org.springframework.beans.factory.annotation.Autowired;import org.springframework.web.bind.annotation.GetMapping;import org.springframework.web.bind.annotation.RequestParam;import org.springframework.web.bind.annotation.RestController;import reactor.core.publisher.Flux;import java.util.Map;@RestControllerpublic class ChatController {        @GetMapping("/hello")    public String hello() {        return "hello！";    }        private final OpenAiChatClient chatClient;    @Autowired    public ChatController(OpenAiChatClient chatClient) {        this.chatClient = chatClient;    }   @GetMapping("/ai/generate")    public Map generate(@RequestParam(value = "message",defaultValue = "自我介绍并给我讲个笑话。") String message) {        return Map.of("AI的回答:",chatClient.call(message));    }    @GetMapping("/ai/streams")    public Flux<ChatResponse> generateStream(@RequestParam(value = "message",defaultValue = "请自我介绍并给我讲个笑话。") String message) {        Prompt prompt = new Prompt(new UserMessage(message));        return chatClient.stream(prompt);    }}

注意，上面的接口中，除了第一个/hello是我写的测试接口，其他两个分别是SpringAI提供的controller，分别支持一般的文本内容输出(即请求会等待所有响应完毕之后再将回答一次性打印出来返回)与流式输出，这个就不用过多解释了吧，AI回答的每一个字都会实时的打印，这也是如今很常见的响应模式，比如OpenAI的官方提供的ChatGPT就是基于这种流的形式进行输出的；

下面我们使用postman分别对两个接口进行简单的测试，看看是否可以正常得到AI的回答：

常规接口测试

流式接口测试

由于是流式的实时输出，因此无法通过截图的方式很好的展现，因此这里直接使用内置的http请求来进行测试并展现一部分截图：

到此为止，我们就完成了使用SpringAI快速体验，有一说一，确实节约了不少的开发时间；

注意

关于代理，由于国内访问openai成功的概率几乎为0，所以如果想成功走完这整个流程，提供两种方式：

使用国内镜像站代替官方默认的 api.openai.com

如果使用这种方式，请在.yml配置文件中新增一个base-url字段，修改后的内容如下：

spring:  ai:    openai:      api-key: # 你的 key      chat:        options:          model: gpt-3.5-turbo          temperature: 0.7      base-url: # 镜像站地址

使用代理访问

我这里采用的是代理的方式进行的，下面是参考代码:当然，至于如何处理代理，那就不是这篇文章讨论的重点了，靠自己的野路子去摸索吧。

---

Vue3前端部分

时间不早了，看评论区各位同学的需求吧，如果需要前端实现的呼声够多，再抽时间补齐这部分，感谢阅读!

本文链接：https://www.kjpai.cn/news/2024-04-18/160058.html，文章来源：网络cs，作者：纳雷武，版权归作者所有，如需转载请注明来源和作者，否则将追究法律责任！