Spring AI 与 Spring Framework 的近期方向：从播客话题落到可运行实践

预计阅读时间：10 分钟

这期 A Bootiful Podcast 把焦点放在 Sébastien Deleuze 对 Spring AI 和 Spring Framework 近况的讨论上。虽然播客本身是访谈形式，但它指向了一个很实际的变化：Spring 生态正在把 AI 应用开发拉回 Java 开发者熟悉的工程模型里，配置、Bean、自动装配、测试和部署仍然是主战场。

Spring AI 的价值不只是“调模型”

对后端工程师来说，AI 接入最容易被低估的部分不是 HTTP 请求本身，而是模型客户端、提示词、上下文、向量检索、重试、限流、观测性这些工程细节如何进入现有应用。

Spring AI 的意义在于，它尝试把这些能力包装成 Spring 风格的抽象：你可以把大模型调用当作服务依赖注入，把提示词模板当作应用资源，把模型配置放进 application.yml，再用熟悉的测试和配置隔离方式管理不同环境。

这并不意味着 AI 应用会自动变简单。它只是把问题放到了更容易被团队治理的位置：

模型供应商可以通过配置切换，而不是散落在业务代码里。
Prompt 可以像模板一样版本化，而不是藏在字符串拼接中。
AI 调用可以进入已有的日志、指标、追踪和异常处理体系。
Java 团队不需要为了第一个 AI 功能立刻重写技术栈。

Spring Framework 仍然是底座

Spring AI 听起来是新东西，但它真正能落地，靠的还是 Spring Framework 的基本功：依赖注入、配置绑定、资源加载、Web 编程模型、测试支持，以及和 Spring Boot 的自动配置配合。

这也是为什么关注 Spring Framework 本身仍然重要。AI 功能通常不会独立存在，它会进入现有订单系统、知识库、客服后台、研发平台或内部工具。你需要的是一个能被纳入生产系统的 AI 能力，而不是一个孤立 demo。

可以把它理解为三层：

Spring Framework 提供应用结构和运行时基础。
Spring Boot 降低配置和集成成本。
Spring AI 把模型调用、Prompt 和相关 AI 能力接入这个结构。

可以这样实践：写一个最小 Spring AI 聊天接口

下面是一个可改造的最小示例，用 Spring Boot 暴露一个 /chat 接口，并通过 Spring AI 的 ChatClient 调用模型。你需要替换自己的模型供应商配置和 API Key。

pom.xml 示例：

<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.example</groupId>
    <artifactId>spring-ai-demo</artifactId>
    <version>0.0.1-SNAPSHOT</version>

    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>3.3.5</version>
        <relativePath/>
    </parent>

    <properties>
        <java.version>21</java.version>
        <spring-ai.version>1.0.0-M3</spring-ai.version>
    </properties>

    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.ai</groupId>
                <artifactId>spring-ai-bom</artifactId>
                <version>${spring-ai.version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>

    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
        </dependency>
    </dependencies>
</project>

src/main/resources/application.yml：

spring:
  ai:
    openai:
      api-key: ${OPENAI_API_KEY}
      chat:
        options:
          model: gpt-4o-mini

src/main/java/com/example/demo/DemoApplication.java：

package com.example.demo;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@SpringBootApplication
public class DemoApplication {
    public static void main(String[] args) {
        SpringApplication.run(DemoApplication.class, args);
    }
}

@RestController
class ChatController {
    private final ChatClient chatClient;

    ChatController(ChatClient.Builder builder) {
        this.chatClient = builder
                .defaultSystem("You are a concise assistant for Java backend developers.")
                .build();
    }

    @GetMapping("/chat")
    String chat(@RequestParam String message) {
        return chatClient.prompt()
                .user(message)
                .call()
                .content();
    }
}

运行方式：

export OPENAI_API_KEY="替换成你的 API Key"
mvn spring-boot:run

调用接口：

curl "http://localhost:8080/chat?message=Explain%20Spring%20AI%20in%203%20sentences"

需要注意：上面的依赖版本只是一个可实践起点。Spring AI 仍在快速演进，真实项目应以当前官方 BOM 和 starter 名称为准，并锁定版本，避免构建在升级时突然漂移。

不要把 Prompt 写成散装字符串

AI 功能进入业务系统后，最常见的维护问题是 Prompt 越写越散。一个接口里拼接系统指令，另一个 service 里拼接用户上下文，再加几段条件判断，几周后很难回答“线上模型到底收到了什么”。

可以这样实践：把 Prompt 模板放到资源文件里，用明确变量填充。即使暂时不用复杂模板引擎，也要先让 Prompt 可读、可审查、可版本化。

src/main/resources/prompts/review-system.txt：

You are a senior Java reviewer.
Focus on correctness, maintainability, and production risk.
Return concise findings with severity and evidence.

控制器中加载资源的思路如下：

package com.example.demo;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.core.io.Resource;
import org.springframework.util.StreamUtils;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestBody;
import org.springframework.web.bind.annotation.RestController;

import java.io.IOException;
import java.nio.charset.StandardCharsets;

@RestController
class ReviewController {
    private final ChatClient.Builder builder;
    private final Resource systemPrompt;

    ReviewController(ChatClient.Builder builder,
                     @Value("classpath:prompts/review-system.txt") Resource systemPrompt) {
        this.builder = builder;
        this.systemPrompt = systemPrompt;
    }

    @PostMapping("/review")
    String review(@RequestBody String diff) throws IOException {
        String system = StreamUtils.copyToString(systemPrompt.getInputStream(), StandardCharsets.UTF_8);

        return builder.defaultSystem(system)
                .build()
                .prompt()
                .user("Review this diff:\n" + diff)
                .call()
                .content();
    }
}

这段代码的重点不是“代码审查机器人”，而是 Prompt 的工程化方式：系统提示词作为资源文件管理，业务输入作为用户消息传入，二者边界清楚，后续做审计和测试更容易。

落地时该保守的地方

Spring AI 很适合 Java/Spring 团队做增量试点，但生产接入要把边界先画清楚。

建议从低风险场景开始：内部知识问答、摘要、草稿生成、运营辅助、研发工具，而不是一上来接管核心交易流程。模型输出要默认不可信，尤其涉及权限、金额、合规、医疗、法律或安全动作时，必须有明确校验和人工确认。

上线前可以用这份简短清单检查：

API Key 是否只来自环境变量或密钥系统。
模型请求和响应是否有必要的日志脱敏。
超时、重试、限流和降级策略是否明确。
Prompt 是否版本化，而不是散落在业务字符串里。
是否记录模型名称、参数和调用链，方便排查线上问题。
是否为高成本调用设置预算或速率保护。

这期播客值得关注的地方，不在于某个单点 API，而在于 Spring 生态正在把 AI 应用开发纳入成熟的 Java 工程节奏。对团队来说，最好的切入点不是追逐每个新模型能力，而是选一个具体业务流程，把配置、Prompt、测试、观测和安全边界一起做扎实。