导读：前面01-04章节我们拆分学习了SpringAI的独立组件：框架理念、统一API、向量库、高阶能力、Spring生态组件。但在实际开发中，所有组件是联动协作的。本篇作为理论终章，串联所有知识点，讲解完整运行架构与组件协作流程，打通碎片化知识，彻底理解SpringAI整体工作原理。
一、SpringAI四层整体架构（核心增量知识点）
SpringAI所有功能，都基于四层分层架构设计，自上而下依次调用：
1. 应用接入层（开发者层）
基于SpringBoot生态，由开发者调用业务接口。
核心组件：Starter自动配置、ChatClient、Advisors切面
作用：屏蔽底层复杂初始化，开发者只需要写业务逻辑。
2. 统一抽象API层（核心解耦层）
SpringAI最核心设计，也是框架灵魂所在。
统一封装三大标准能力：对话、绘图、向量嵌入。
作用：上层业务不动，底层模型随意切换，彻底解耦。
3. 能力实现层（厂商&功能层）
包含所有具体能力实现：各大模型厂商适配、向量数据库实现、高阶AI能力实现。
包含：FunctionCalling、ETL流水线、可观测监控、内容评测。
4. 数据落地层（持久层）
负责所有数据持久化：向量存储、会话记忆存储、文档资源管理。
支撑RAG知识库、多轮对话上下文持久化。
二、一次标准AI问答完整执行流程
以用户提问为例，完整串联所有核心组件，真实项目执行顺序：
1. 客户端请求
开发者通过 ChatClient 发起对话请求。
2. Advisors 切面拦截
统一预处理：拼接提示词、参数校验、权限过滤。
3. RAG 检索前置
根据用户问题，从向量数据库检索相关私有文档片段。
4. 上下文组装
融合：历史会话记忆 + 检索文档 + 用户问题。
5. 统一API调用大模型
通过标准化API请求OpenAI/Ollama等模型服务。
6. 高阶能力介入
如需实时业务数据，自动触发 FunctionCalling 调用Java业务方法。
7. 结果评测与过滤
AI内容校验，抑制幻觉，过滤违规内容。
8. 结果返回+会话持久化
返回前端，同时保存本轮对话上下文，用于下一轮多轮对话。
三、四大核心组件协作关系
1. 模型与向量库的关系
模型负责「思考生成答案」，向量库负责「提供私有知识素材」，二者配合实现私有知识库问答。
2. RAG与ETL的关系
ETL是知识库建造阶段，RAG是问答使用阶段。
3. ChatClient与Advisors的关系
ChatClient是执行入口，Advisors是全局增强工具，统一处理通用逻辑。
4. 会话记忆与多轮对话的关系
会话记忆持久化上下文，是多轮连贯对话的基础支撑。
四、SpringAI整体知识脑图（全局架构版）
上一篇：SpringAI 入门 04｜Starter 自动配置、Advisors 切面，RAG + 会话记忆落地实战场景
下一篇：SpringAI 入门 06｜官方核心概念全解析（Models/Prompt/Embedding/RAG/Tool Calling
