Spring AI教程（三）：如何使用Spring AI进行实际项目开发

Spring AI教程（三）：如何使用Spring AI进行实际项目开发

在前两篇文章中，我们介绍了Spring AI的基本概念和核心功能。这篇文章将重点介绍如何在实际项目中使用Spring AI，并提供详细的代码示例，帮助你快速上手。

准备工作

在开始之前，请确保你已经设置好了Spring Boot项目，并添加了Spring AI相关的依赖。你可以在pom.xml文件中添加以下依赖：

<dependency>
    <groupId>com.example</groupId>
    <artifactId>spring-ai</artifactId>
    <version>1.0.0</version>
</dependency>

配置Spring AI

首先，我们需要配置Spring AI，以便连接到我们选择的AI模型提供商和向量数据库。在application.properties文件中添加以下配置：

spring.ai.provider=openai
spring.ai.api-key=YOUR_OPENAI_API_KEY

spring.ai.vector-database.provider=redis
spring.ai.vector-database.url=redis://localhost:6379

创建AI服务

接下来，我们将创建一个服务类，用于与AI模型进行交互。以下是一个简单的聊天服务示例：

import org.springframework.stereotype.Service;
import com.example.springai.OpenAiChatService;

@Service
public class ChatService {

    private final OpenAiChatService openAiChatService;

    public ChatService(OpenAiChatService openAiChatService) {
        this.openAiChatService = openAiChatService;
    }

    public String chat(String prompt) {
        return openAiChatService.chat(prompt);
    }
}

创建控制器

我们还需要创建一个控制器，用于处理HTTP请求并调用我们的服务。以下是一个简单的控制器示例：

import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class ChatController {

    private final ChatService chatService;

    public ChatController(ChatService chatService) {
        this.chatService = chatService;
    }

    @GetMapping("/chat")
    public String chat(@RequestParam String prompt) {
        return chatService.chat(prompt);
    }
}

使用向量数据库

除了与AI模型交互，Spring AI还支持向量数据库，用于存储和检索向量数据。以下是一个使用Redis向量数据库的示例：

import org.springframework.stereotype.Service;
import com.example.springai.VectorDatabaseService;
import java.util.List;

@Service
public class VectorService {

    private final VectorDatabaseService vectorDatabaseService;

    public VectorService(VectorDatabaseService vectorDatabaseService) {
        this.vectorDatabaseService = vectorDatabaseService;
    }

    public void saveVector(String id, List<Float> vector) {
        vectorDatabaseService.saveVector(id, vector);
    }

    public List<Float> getVector(String id) {
        return vectorDatabaseService.getVector(id);
    }
}

创建向量控制器

我们还需要一个控制器来处理向量数据的存储和检索：

import org.springframework.web.bind.annotation.*;
import java.util.List;

@RestController
public class VectorController {

    private final VectorService vectorService;

    public VectorController(VectorService vectorService) {
        this.vectorService = vectorService;
    }

    @PostMapping("/vector")
    public void saveVector(@RequestParam String id, @RequestBody List<Float> vector) {
        vectorService.saveVector(id, vector);
    }

    @GetMapping("/vector")
    public List<Float> getVector(@RequestParam String id) {
        return vectorService.getVector(id);
    }
}

完整示例

以下是一个完整的Spring Boot应用程序示例，展示了如何使用Spring AI进行实际项目开发：

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;

@SpringBootApplication
public class SpringAiApplication {

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

结论

通过上述示例，我们展示了如何在实际项目中使用Spring AI，包括配置AI模型提供商和向量数据库、创建服务和控制器等。希望这些示例能帮助你快速上手Spring AI，并在你的项目中实现强大的AI功能。

下一篇文章中，我们将探讨更多高级功能和使用技巧，帮助你进一步优化和扩展你的AI应用。