Spring Cloud Alibaba 整合 Spring AI 的详细教程使用

整合 Spring Cloud Alibaba 与 Spring AI 的详细教程

Spring Cloud Alibaba 提供了一套完整的微服务解决方案，而 Spring AI 专注于人工智能能力的集成。以下是将两者整合的详细步骤：

小白零基础全栈学习开发

环境准备

确保开发环境满足以下要求：

• JDK 1.8 或更高版本
• Maven 3.2+ 或 Gradle 6.x+
• Spring Boot 2.7.x 或 3.x
• Spring Cloud Alibaba 2022.x 或更高版本
• Spring AI 相关依赖（根据具体AI服务选择）

创建基础项目

小白零基础全栈学习开发

使用 Spring Initializr 创建项目，选择以下依赖：

• Spring Web
• Spring Cloud Alibaba Nacos Discovery（服务发现）
• Spring Cloud Alibaba Sentinel（流量控制）
• Spring AI（根据具体AI服务选择模块）

pom.xml 关键依赖示例：

<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId>
</dependency>
<dependency>
<groupId>com.alibaba.cloud</groupId>
<artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-openai-spring-boot-starter</artifactId>
</dependency>

配置 Nacos 服务注册

在 application.yml 中配置 Nacos：

spring:
cloud:
nacos:
discovery:
server-addr: 127.0.0.1:8848
application:
name: ai–service

配置 AI 服务

根据选择的 AI 服务配置参数，以 OpenAI 为例：

spring:
ai:
openai:
api-key: ${OPENAI_API_KEY}
model: gpt–3.5–turbo

创建 AI 服务接口

小白零基础全栈学习开发

实现一个简单的 AI 服务接口：

package com.cloud.nb.pay.controller;

import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatOptions;
import jakarta.servlet.http.HttpServletResponse;
import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.SimpleLoggerAdvisor;
import org.springframework.http.MediaType;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;

@Slf4j
@RestController
@RequestMapping("/helloworld")
public class HelloworldController {
private static final String DEFAULT_PROMPT = "你是一个博学的智能聊天助手，请根据用户提问回答！";

private final ChatClient dashScopeChatClient;

public HelloworldController(ChatClient.Builder chatClientBuilder) {
this.dashScopeChatClient = chatClientBuilder
.defaultSystem(DEFAULT_PROMPT)
// 实现 Logger 的 Advisor
.defaultAdvisors(
new SimpleLoggerAdvisor()
)
// 设置 ChatClient 中 ChatModel 的 Options 参数
.defaultOptions(
DashScopeChatOptions.builder()
.withTopP(0.7)
.build()
)
.build();
}

/**
* ChatClient 简单调用
*/
@GetMapping("/simple/chat")
public String simpleChat(@RequestParam(value = "query", defaultValue = "你好，很高兴认识你，能简单介绍一下自己吗？")String query) {

return dashScopeChatClient.prompt(query).call().content();
}

/**
* ChatClient 流式调用
*/
@GetMapping(value = "/stream/chat2", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
public Flux<String> streamChat2(
@RequestParam(value = "query", defaultValue = "你好，很高兴认识你，能简单介绍一下自己吗？") String query) {

return dashScopeChatClient.prompt(query)
.stream()
.content()
.map(content -> content + "\\n")
.doOnSubscribe(subscription ->
log.info("开始流式响应查询: {}", query));
}
}

集成 Sentinel 流控

配置 Sentinel 对 AI 接口进行保护：

spring:
cloud:
sentinel:
transport:
dashboard: localhost:8080
eager: true

为接口添加流控规则：

@SentinelResource(value = "aiChat", blockHandler = "blockHandler")
@GetMapping("/chat")
public String chat(@RequestParam String message) {
return chatClient.call(message);
}

public String blockHandler(String message, BlockException ex) {
return "请求过于频繁，请稍后再试";
}

服务间调用示例

小白零基础全栈学习开发

通过 OpenFeign 实现服务间调用 AI 功能：

@FeignClient(name = "ai-service")
public interface AIServiceClient {

@GetMapping("/ai/chat")
String chat(@RequestParam String message);
}

部署与测试

启动 Nacos 和 Sentinel 控制台后运行应用，测试以下功能：

• 访问 /ai/chat?message=你好 测试AI功能
• 通过 Nacos 控制台查看服务注册状态
• 通过 Sentinel 控制台查看流量监控

高级配置

对于生产环境，建议添加以下配置：

• 配置 Nacos 集群
• 设置 Sentinel 持久化规则
• 为 AI 服务添加熔断降级策略
• 配置分布式追踪（如 SkyWalking）监控AI调用链路

注意事项

• AI 服务的 API 调用可能有速率限制，需要合理配置流控规则
• 敏感信息如 API Key 应使用配置中心管理
• 不同 AI 服务（如OpenAI、Azure AI等）的配置参数有所差异
• 微服务调用AI功能时需要考虑网络延迟和超时设置

以上步骤完成了 Spring Cloud Alibaba 与 Spring AI 的基本整合。根据实际需求可以进一步扩展功能，如添加AI结果缓存、异步处理等优化措施。