Spring with AI (1): 起始集成——OpenAI接入

本文代码：https://github.com/JunTeamCom/ai-demo/tree/release-1.0
Spring with AI系列，只关注上层AI的应用程序（基于JAVA搭建），不关注底层的LLM原理、搭建等技术。

用不太精确的语言，描述Spring AI涉及的几个知识点，方便与非技术的人类沟通交流（BOSS/HR/PM）：

1. OpenAI接入：就是参考ChatGPT的接口文档，去接入千问、DeepSeek、ChatGPT等各家的在线AI程序
2. RAG与向量数据库：
   2.1 RAG：就是增强搜索，在大模型基础上再去读另一个数据库，实现实时联网的查询操作、补充AI的知识储备
   2.2 向量数据库：就是给RAG使用的。能够把人类的自然语言，中文、英文等，变成计算机能够理解的快速查询的数据格式
3. MCP与Agent：
   3.1 MCP就是给AI使用的，怎么接入的说明文档（协议）
   3.2 Agent就是基于这个说明文档，做的执行相关操作的程序

1 代码生成(Spring Initializr)

依然是熟悉的 Start Spring：

仅仅集成需要的Spring Web + OpenAI即可。

然后创建Github仓库：

拖拽上传文件：

2 打开代码

本地克隆代码：

git clone https://github.com/JunTeamCom/ai-demo.git
git checkout release-1.0

然后用VSCode/IDEA等IDE打开工程。
直接启动运行会报错：

报错内容很明确，没有配置OpenAI的授权账密。

一种选择，是ChatGPT+Proxy的方式，进行使用；
另一种选择，是使用Qwen或DeepSeek账号配置（他们提供了和OpenAI兼容的API）。

本文选择了第二种策略，参考文档：
Qwen的OpenAI 接口兼容

相关配置示例（application.yaml）：

# DeepSeek 配置，完全兼容openai配置
# spring:
#   ai:
#     openai:
#       base-url: https://api.deepseek.com  # DeepSeek的OpenAI式Endpoint
#       api-key: ${DASHSCOPE_API_KEY}
#       chat.options:
#         model: deepseek-chat  # 指定DeepSeek的模型名称

# 通义千问配置；api-key放到环境变量里，不要提交到Github上！！！
spring:
  ai:
    openai:
      base-url: https://dashscope.aliyuncs.com/compatible-mode  # Qwen的OpenAI式Endpoint
      api-key: ${DASHSCOPE_API_KEY}
      chat.options:
        model: qwen3.5-plus

这样一个Web服务器，就正常启动了：

当然，如果要跑Chat，需要再定义Controller和相关处理逻辑。

3 第一次亲密Chat

自上而下构建Spring程序：

├───web
├───service
│   └───impl
└───model

3-1 Controller

注意的是：

1. 通过@RestController注解，实现一个Restful控制器类；通过@RequestBody注解，定义POST请求的报文
2. 通过@Autowired注解，引入Service类

package com.junteam.ai.demo.web;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestBody;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

import com.junteam.ai.demo.model.ChatAnswer;
import com.junteam.ai.demo.model.ChatQuestion;
import com.junteam.ai.demo.service.ChatService;

@RestController
@RequestMapping("/web")
public class WebController {
    @Autowired
    private ChatService chatService;
    @PostMapping(path = "/ask", produces = "application/json")
    public ChatAnswer ask(@RequestBody ChatQuestion chatQuestion) {
        return chatService.ask(chatQuestion);
    }
}

3-2 Service

接口类型定义：

package com.junteam.ai.demo.service;

import com.junteam.ai.demo.model.ChatAnswer;
import com.junteam.ai.demo.model.ChatQuestion;

public interface ChatService {
    ChatAnswer ask(ChatQuestion question);
}

接口实现定义：
需要注意的是，通过@Service注解，将OpenAIChatServiceImpl实现类注入；
后续可以再实现一个LocalAIChatServiceImpl

package com.junteam.ai.demo.service.impl;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.stereotype.Service;

import com.junteam.ai.demo.model.ChatAnswer;
import com.junteam.ai.demo.model.ChatQuestion;
import com.junteam.ai.demo.service.ChatService;

@Service
public class OpenAIChatServiceImpl implements ChatService {

    private final ChatClient chatClient;

    public OpenAIChatServiceImpl(ChatClient.Builder chatClientBuilder) {
        this.chatClient = chatClientBuilder.build();
    }

    @Override
    public ChatAnswer ask(ChatQuestion question) {
        var answerText = chatClient.prompt()
                .user(question.question())
                .call()
                .content();
        return new ChatAnswer(answerText);
    }
}

3-3 Model

实体类，全部使用record类型，简化操作；
当然也可以使用Lombok的@Data注解，尤其是小于JDK 14的情况下。

package com.junteam.ai.demo.model;

public record ChatQuestion(String question) {

}

package com.junteam.ai.demo.model;

public record ChatAnswer(String answer) {

}

4 运行结果

在GitBash中运行：

curl http://localhost:8080/web/ask \
  -H "Content-Type: application/json" \
  -d '{"question": "美国的首都是哪里？"}' 

成功得到结果：

{"answer":"美国的首都是**华盛顿哥伦比亚特区**（Washington, D.C.），通常简称为**华盛顿**。"}

需要注意的是，LLM返回结果为Markdown格式。