# Spring AI 应用开发指南## 引言随着人工智能技术的飞速发展，越来越多的企业开始将AI技术应用于实际业务中。Spring框架作为Java生态系统中最受欢迎的框架之一，为开发者提供了强大的功能和灵活的扩展性。本文将为您介绍如何使用Spring框架

1 概述：Spring AI 应用开发指南 简介 在人工智能技术快速发展的当下，其相关技术已成为各行业企业内部技术栈的标配之一，而作为一款主流的企业级Java应用开发框架Spring，也紧跟时代潮流，推出了—— Spring AI 框架。 Spring AI 是 Spring 官方推出的 AI 工程化框架，旨在简化 Java 开发者集成 AI 模型（如 OpenAI、Azure OpenAI 等）的过程。 Spring AI 作为主流的AI大模型应用开发框架之一，它的推出标志着—— Spring 框架也正式进入大模型时代。 其提供了开发AI大模型所需的模型API，简化了AI大模型应用的开发工作。 Spring AI URL : https://spring.io/projects/spring-ai Slogan : Spring AI 是一个面向人工智能工程的应用框架。它的目标是将 Spring 生态系统的设计原则（例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。 License : Apache-2.0 主要特性 Spring AI 提供以下功能： 支持所有主流 AI模型提供商，例如 Anthropic、OpenAI、Microsoft、Amazon、Google和Ollama。支持的模型类型包括： 聊天结束 嵌入 文字转图像 音频转录 文本转语音 Moderation 支持跨 AI 提供商的可移植 API，包括同步 API 和流式 API 选项。同时还提供对特定模型功能的访问。 结构化输出- 将 AI 模型输出映射到 POJO。 支持所有主要矢量数据库提供商，例如Apache Cassandra、Azure Vector Search、Chroma、Milvus、MongoDB Atlas、Neo4j、Oracle、PostgreSQL/PGVector、PineCone、Qdrant、Redis 和 Weaviate。 跨 Vector Store 提供商的可移植 API，包括一种新颖的类似 SQL 的元数据筛选 API。 工具/函数调用- 允许模型请求执行客户端工具和函数，从而根据需要访问必要的实时信息。 可观测性——提供有关人工智能相关操作的洞察。 用于数据工程的文档注入式ETL 框架。 AI 模型评估- 用于帮助评估生成的内容并防止产生幻觉反应的实用程序。 ChatClient API - 用于与 AI 聊天模型通信的 Fluent API，其惯用方式与 WebClient 和 RestClient API 类似。 Advisors API - 封装了重复出现的生成式 AI 模式，转换发送到语言模型 (LLM) 和从语言模型 (LLM) 发送的数据，并提供了跨各种模型和用例的可移植性。 支持聊天对话记忆和检索增强生成（RAG）。 Spring Boot 自动配置和启动器适用于所有 AI 模型和向量存储 - 使用start.spring.io选择所需的模型或向量存储。 此功能集允许您实现常见的用例，例如“ Q&A over your documentation”或“ Chat with your documentation.”。 版本沿革 最新版: v2.0.0-M3 : 2026.3.17 https://github.com/spring-projects/spring-ai/releases/tag/v2.0.0-M3 v1.1.3 : 2026.3.17 https://github.com/spring-projects/spring-ai/releases/tag/v1.1.3 根据搜索结果，Spring AI 项目的版本演变历程如下。 请注意，所有信息均基于公开的网络资料整理： 1. 早期探索与孵化阶段 (Legacy) 0.8.1 (2024年3月)：这是早期公开记录的一个旧版本，属于项目孵化期的探索性版本。 2. 里程碑版本阶段 (Milestone Releases) 从2024年中旬开始，Spring AI 进入了快速迭代的里程碑版本发布期，旨在逐步完善核心功能并收集社区反馈。 1.0.0-M1 (2024年5月30日)：首个公开的里程碑版本，初步确立了项目架构。 1.0.0-M2 (2024年7月)：继续完善基础功能。 1.0.0-M3 (2024年10月8日)：增加了对更多模型的支持。