Spring AI 是由 Spring 官方于 2024 年 11 月正式推出的开源框架，专为 Java 开发者设计，旨在将 Spring 生态系统的核心理念（如可移植性、模块化、约定优于配置）引入生成式 AI 应用开发领域。其目标是让企业级 Java 应用能够像集成 Web 或微服务一样，高效、安全、标准化地接入大模型能力，从而构建聊天机器人、RAG（检索增强生成）、智能代理等 AI 原生应用。
一、Spring AI 的核心定位与价值
在 Spring AI 出现前，AI 开发主要由 Python 主导（如 LangChain、LlamaIndex），Java 开发者需手动拼接 HTTP 调用、解析 JSON、管理流式响应，代码重复且易错。Spring AI 提供了类似 RestTemplate 的高层抽象（如 ChatClient），自动处理底层通信、序列化、错误重试等。
通过标准化 API（如 ChatModel, EmbeddingModel, VectorStore），Spring AI 支持无缝切换不同大模型和向量数据库，避免供应商锁定。开发者只需修改配置，无需重写业务逻辑。
自动配置（Auto-configuration）
Starter 依赖（开箱即用）
与 Spring Security、Observability（Micrometer/OpenTelemetry）、AOT 编译等原生兼容。
二、最新版本与支持情况（截至 2026 年 1 月）
✅ 当前主流稳定版：Spring AI 1.1 GA
发布时间：2025 年 11 月
核心特性：
引入 Agents 框架（支持简单代理、工具链等 5 大模式）
新增 Spring AI Bench 评估工具，用于检测幻觉、评估生成质量
增强 结构化输出，支持复杂 POJO 映射
升级 文档 ETL 框架，集成 Tika 3.2.3，支持多模态（文本+图像）处理
兼容 Spring Framework 7.x 和 Java 21+
🚀 前沿里程碑版：Spring AI 2.0.0-M1
发布时间：2025 年 12 月
这是 2.x 系列的首个里程碑版本，带来“技术栈大换血”：
组件 要求
JDK Java 21+（强制）
Spring Boot 4.0 GA
Spring Framework 7.0
Jakarta EE 11
开发者可直接利用 虚拟线程（Virtual Threads）、AOT 编译 等新特性提升性能，但老项目需评估迁移成本。
2. Redis 史诗级增强
新增 Redis Chat Memory：支持跨会话持久化记忆、文本搜索、范围查询
Redis Vector Store 升级：支持 HNSW 向量索引参数调优（M, efConstruction, efRuntime），实现召回率与时延的精细平衡
无需额外部署 Milvus/Chroma，仅用 Redis 即可构建生产级 RAG 系统
3. 模型生态全面爆发
模型提供商 新增支持
Anthropic Claude 4.5（Opus/Haiku）、Citations API（引用溯源）、Files API（生成可下载文件）、工具调用四模式（Auto/Any/Tool/None）
OpenAI 官方 Java SDK 原生集成，默认模型升级为 gpt-5-mini
Google Gemini 支持 ThinkingLevel 配置，可调节推理深度与响应速度
Azure 新增 Cosmos DB Chat Memory Starter
4. 企业级特性强化
MCP（Model Context Protocol）客户端自动配置优化
GemFire 向量存储支持用户名/密码认证
更完善的可观测性（Prometheus/OpenTelemetry 日志追踪）
三、支持的 AI 提供商与功能（2025–2026）
Spring AI 已支持 20+ 主流 AI 服务，覆盖 LLM、嵌入、图像、语音等多模态场景：
🔹 大语言模型（LLM）
OpenAI（GPT-4o, gpt-5-mini）
Anthropic（Claude 3.5 Sonnet → Claude 4.5 Opus）
Google Vertex AI（Gemini）
Microsoft Azure OpenAI
Amazon Bedrock（Converse API）
Ollama（本地运行）
DeepSeek、Zhipu AI（GLM）、Moonshot、Mistral 等
🔹 嵌入模型（Embedding）
OpenAI、Hugging Face、Cohere、Google Vertex、PostgresML 等
🔹 向量数据库
SQL 类：PGVector、Oracle、MariaDB
NoSQL 类：Redis（Search & Query）、Neo4j、MongoDB Atlas、Elasticsearch
专用库：Milvus、Pinecone、Weaviate、Chroma、Qdrant
云服务：Azure AI Search、Cosmos DB
四、典型应用场景
智能客服：结合 Tools 调用 CRM/订单系统
企业知识库问答（RAG）：从 PDF/Word 中提取文档，生成精准回答
多智能体协作：通过 Graph 框架编排多个 Agent 完成复杂任务（如 Spring AI Alibaba 扩展）
内容生成：新闻稿、营销文案、代码辅助
自动化流程：会议预约、数据填报、报告生成
五、快速上手示例（Spring AI 2.x 风格）
yaml
application.yml
spring:
ai:
openai:
api-key: ${OPENAI_API_KEY}
chat:
options:
model: gpt-5-mini
temperature: 0.7
java
@RestController
public class StoryController {
private final ChatClient chatClient;
public StoryController(ChatClient.Builder builder, OpenAiChatModel model) {
this.chatClient = builder.build();
}
@GetMapping("/story")
public String generate(@RequestParam String prompt) {
return chatClient.prompt()
.system("You are a fantasy novelist.")
.user(prompt)
.call()
.content();
}
}
总结
截至 2026 年初，Spring AI 已从早期探索阶段迈入企业级生产就绪的新纪元：
1.1 GA 版本成熟稳定，适合大多数 Java 企业项目；
2.0.0-M1 则代表未来方向，拥抱 Java 21、虚拟线程、Redis 原生存储，为高性能 AI 应用铺路。
对于 Java 开发者而言，Spring AI 不仅降低了 AI 集成门槛，更提供了一条无需离开 Spring 生态即可构建下一代智能应用的可行路径。
