企业官网建设流程全解析

目录

1.创建一个基础项目

2.创建父子工程

2.1 父工程中引入spring boot

2.2 创建子工程

2.2.1 子工程引入spring ai

2.2.2 spring-ai-starter-model-openai

3. 构建API请求的原理

4. DeepSeek AI聊天实战（ChatModel）

5. ChatClient接口

6. DeepSeek AI聊天实战（ChatClient）

6.1 实战1（系统提示词）

6.2 实战2（结构化输出）

6.3 实战3（流式输出）

7. Advisors介绍

7.1 SimpleLoggleAdvisor

8. ChatModel和ChatClient的区别

8.1 分析ChatModel接口

8.2 分析ChatClient接口

8.3 区别介绍

文章代码：spring-ai-first-term-practice/spring-ai-demo · 巨蛇神/JavaEE进阶 - 码云 - 开源中国

1.创建一个基础项目

2.创建父子工程

2.1 父工程中引入spring boot

在父工程的pom文件中引入spring-boot-starter-parent。（也就是引入spring boot）

因为后续我引入的是spring-ai-bom 版本是2.0.1，所以我就引入4.1.1版本的spring boot。大家看完文章之后可以使用其他版本的spring ai看看有什么区别。

<!-- 加入spring boot -->
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>4.1.1</version>
<relativePath/> <!-- lookup parent from repository -->
</parent>

注意，我们后续将要引入spring-ai-bom，这个依赖的每个版本，可能需要的spring boot版本要求是不一样的。例：Spring AI 2.0.x与Spring AI 1.1.8 它们分别支持的spring boot版本区间

官方：Spring AI

2.2 创建子工程

2.2.1 子工程引入spring ai

(把spring-ai-bom引入父工程也行，这样所有的子工程就都相当于引入了这个依赖)

子工程引入依赖：

（你或许不知道“spring-ai-starter-model-openai”这个依赖是干什么的，但没关系，下面会讲解）

<dependencies> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> <scope>test</scope> </dependency> <!-- 引入OpenAI API 协议 --> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-starter-model-openai</artifactId> </dependency> <dependency> <groupId>org.projectlombok</groupId> <artifactId>lombok</artifactId> <optional>true</optional> </dependency> </dependencies> <dependencyManagement> <dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-bom</artifactId> <version>2.0.1</version> <type>pom</type> <scope>import</scope> </dependency> </dependencies> </dependencyManagement>

2.2.2 spring-ai-starter-model-openai

Spring AI 生态专门为OpenAI及兼容其API服务的大模型设计了“spring-ai-starter-model-openai”用于快速集成大语言模型能力到spring boot应用中。(如DeepSeek也兼容了OpenAI)

同一个文档页面往下话到底，就看到：

该依赖核心价值包括：

• 简化配置：自动封装OpenAI API的请求和响应
• 统一接口：提供ChatClient等标准化接口，支持无缝切换不同模型提供商
• Spring 生态集成：与Spring Boot的自动配置、依赖注入等特性深度整合

核心价值解释：

1.简化配置：兼容了OpenAI API格式的模型都可以引入“spring-ai-starter-model-openai”后，通过配置文件(如application.yml)或代码 组装成一个OpenAI API格式的API请求。

以发送DeepSeek API请求为例。DeepSeek兼容了OpenAI API格式，因此可以在application.yml文件中配置如下：

上图中，我申请的DeepSeek的api-key配置到了环境变量中，你也可以把api-key直接粘贴，例api-key: sk-123...321

3. 构建API请求的原理

上图配置操作非常简单，但是为什么如这样简单的配置就构建了一个API请求？——你猜的没错！引入的“spring-ai-starter-model-openai”依赖使用了OpenAI API请求模板：

nitice：以DeepSeek官方示例为例。DeepSeek官方提供了一些配置选项，选择后，API请求就会在带有哪些配置。

2.统一接口 和 3.Spring 生态集成 这两价值现在不好直接体现，请直接看实战。

4. DeepSeek AI聊天实战（ChatModel）

1. 配置聊天大模型后，在需要使用时，直接注入ChatModel（OpenAiChatModel实现了ChatModel接口。也可以一个构造ChatClient，后面讲）
2. call(String)方法，把用户输入的信息（用户提示词）传给聊天大模型，大模型通过自己已有的知识，回答你。它是对话式AI应用最核心的方法，通过call调用AI。

package com.jusheshen.ai.controller; import org.springframework.ai.openai.OpenAiChatModel; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RestController; @RequestMapping("/deepseek") @RestController public class DeepSeekController { @Autowired private OpenAiChatModel dsChatModel; //注入DeepSeek的deepseek-v4-flash模型，因为yml配置的base-url是deepseek @RequestMapping("/chat") public String chat(String prompt){ //用户输入提示词 String call = dsChatModel.call(prompt); //用户提示词传给大模型，模型处理后返回处理结果 return call; } }

1.notice：Spring AI给我们提供了许多可配置的选项：

2.notice：在Spring AI 1.0.0-M6及更早，starter 还叫“spring-ai-openai-spring-boot-starter”，‌Spring AI 1.0.0-M7及之后版本改名叫“spring-ai-starter-model-openai”

随着Spring AI版本的改变，有一些工件ID也发生了变化，如果哪天依赖用着用着出错了，就来Upgrade Notes :: Spring AI Reference 看看是否发生改变。

3.notice：Spring AI已经为主流的模型供应商提供了单独的适配器，如DeepSeek可引入“spring-ai-starter-model-deepseek”。但更提倡引用“spring-ai-starter-model-openai”，因为许多供应商兼容OpenAI API格式，在切换大模型时可以省掉部分替换依赖的时间。

如上述，如果想把DeepSeek的模型换成ChatGPT的话直接改base-url、model和api-key就行。(base-url不写都可以，ChatGPT本身就是OpenAI的模型，有默认的base-url)

5. ChatClient接口

• ChatModel和ChatClient是Spring AI框架构建对话式AI应用的两大核心接口，上面使用了ChatModel完成与AI模型的交互。接下来介绍ChatModel和ChatClient的区别。
• ChatClient对ChatModel进行了封装，ChatModel更接近底层（大模型），ChatClient提供给用户开箱即用的服务。ChatClient实现了Fluent API可链式调用，它还支持同步和异步调用大模型。

官方示例：Chat Client API :: Spring AI Reference

@RestController class MyController { private final ChatClient chatClient; //ChatClient.Builder就是ChatModel,替换成ChatModel 更直观 public MyController(ChatClient.Builder chatClientBuilder) { this.chatClient = chatClientBuilder.build(); } @GetMapping("/ai") String generation(String userInput) { return this.chatClient.prompt()//链式调用 .user(userInput) .call() .content(); } }

下面我接着以DeepSeek模型为例，你也可以配置其他厂商的模型。

6. DeepSeek AI聊天实战（ChatClient）

6.1 实战1（系统提示词）

6.2 实战2（结构化输出）

上述AI返回信息没有固定格式，有时候信息冗余在一块。ChatClient允许自定义AI返回类型，以下面为例：

构建一个输入菜名，返回所需配料的AI。并且自定义菜谱类。

其实代码层面，我根本没和AI说食谱类的dish属性是什么意思，ingredients是什么意思，但AI就是知道把菜名赋给dish，配料赋给ingredients。可看出AI很聪明。

6.3 实战3（流式输出）

平时在其他平台与AI对话时，你可能注意注意到 AI回复的信息都是一个字一个字的往外蹦的。我上面与AI所有的交互都是等AI大模型处理、返回完，再全部信息返回给后端，接着再return给前端，这就导致在处理复杂问题时，用户在前端要面对一个白板很长时间，这体验感真是糟糕透了，所以下面实现流式输出。

notice：一定要设置编码，否则输出的就是中文乱码！

@RequestMapping(value = "/stream",produces = "text/html;charset=utf-8") public Flux<String> stream(String message){ return chatClient.prompt() .user(message) //调用AI 流式输出 .stream() //返回数据 .content(); }

7. Advisors介绍

Spring AI中的Advisors是基于AOP思想实现的，Advisors类似于Spring中的拦截器。下图是Advisor的执行时机，这种链式处理机制确保了每个Advisor都会被执行。Advisor的核心功能在于对请求进行拦截过滤和增强, 帮助我们在API调用前后解决各种问题。

以SimpleLoggleAdvisor为例。

7.1 SimpleLoggleAdvisor

SimpleLoggleAdvisor是Spring AI内置的Advisor之一，主要用来打印日志。手动添加到Advisor链中，即可自动打印所有经过大模型的聊天请求和响应。

SimpleLoggleAdvisor效果展示：

对于SimpleLoggleAdvisor打印的日志级别，可以自定义，而且自定义的模板与spring boot一样。

logging: level: org.springframework.ai.chat.client.advisor: debug

8. ChatModel和ChatClient的区别

现知道ChatClient是ChatModel的高级封装，使用起来也更加方便，但要真正知道它们两者的区别，必须了解它们各自接口的实现。

8.1 分析ChatModel接口

都知道ChatClient是ChatModel的封装，那么ChatClient能实现的ChatModel也能实现，例：用ChatModel流式输出

8.2 分析ChatClient接口

ChatClient封装了很多API，让人少费劲。

8.3 区别介绍

ChatModel和ChatClient是Spring AI框架提供的与大语言模型(LLM)交互的两大核心接口，但两者设计理念和适用场景不太一样。

• ChatModel是Spring AI框架中的底层接口，直接与具体的大模型(如OpenAI、通义千问、通义万像)交互，提供基础的call和stream方法，开发者需手动处理提示词组装、参数配置和响应解析等细节，在使用上相对更加灵活。
• ChatClient对ChatModel进行了封装，相比较ChatModel原子类API，ChatClient屏蔽了与AI大模型的交互复杂性，它自动集成提示词管理、响应格式化、结构化输出映射等能力，提高了开发效率。

能力对比：