1. Chat Model聊天模型SpringAl 把不同廠商的大模型統(tǒng)一成一個接口。OpenAL GptAnthropic ClaudeGoogle GeminiDeepSeek通義千問Ollama本地模型以前java:OpenAI APIClaude APIDeepSeek API現(xiàn)在:ChatModel統(tǒng)一調(diào)用String result chatClient.prompt().user(介紹一下Spring AI).call().content();2. ChatClient最核心概念如果學(xué)習(xí) Spring AI第一個重點(diǎn)就是ChatClient它類似Spring MVC 的 ControllerWebClient 的調(diào)用方式作用負(fù)責(zé)和大模型聊天官方把ChatClient定義為一個流式API用來構(gòu)造Prompt并調(diào)用Al Model。AutowiredChatClient chatClient;String answer chatClient.prompt().user(什么是MCP?).call().content();用戶問題|ChatClient|Prompt|Chat Model|GPT/Claude/DeepSeek|回答3. Prompt提示詞Prompt 就是給 AI 的輸入。你是一名Java專家請解釋Spring AISpring AI 中Prompt包含System MessageUser MessageAssistant Message.prompt().system(你是一名Java專家).user(解釋Spring AI)對應(yīng):System:你是一名Java專家User:解釋Spring AI4. Advisor顧問鏈這是 Spring AI 很重要的設(shè)計(jì)?？梢岳斫鉃樵谡{(diào)用大模型前后插入一些處理邏輯。類似 Spring MVCController↓Interceptor↓ServiceSpring AIChatClient↓Advisor↓LLM① Memory Advisor保存聊天歷史用戶:你好AI:你好用戶:剛才說什么AI:...需要記住上下文。加入 RAG用戶問題↓搜索公司資料↓把資料放入Prompt↓LLM回答Spring AI 使用 Advisor 可以組合 RAG 流程。5. Embedding向量化這是 RAG 基礎(chǔ)。普通文字Spring Boot 是Java框架[0.123,0.523,0.912,...]成為向量。6. Vector Store向量數(shù)據(jù)庫存儲 embedding。例如PDF文件↓切片↓Embedding↓Vector DB常見pgvectorMilvusElasticsearchPineconeChromaSpring AI 提供統(tǒng)一 Vector Store API。7. RAG檢索增強(qiáng)生成這是企業(yè)最常用能力。全稱Retrieval Augmented Generation流程用戶問題|vEmbedding|v向量數(shù)據(jù)庫搜索|v找到相關(guān)資料|v拼接Prompt|vLLM生成答案RAG 不是讓 GPT 學(xué)會你的資料而是在回答問題時臨時把相關(guān)資料找出來塞給 GPT。Spring AI 中VectorStore 公司知識庫EmbeddingModel 把問題變成可搜索的向量QuestionAnswerAdvisor 自動檢索并拼 PromptChatClient 調(diào)用大模型生成答案這就是企業(yè) AI 客服、知識庫助手最核心的一套架構(gòu)。8. Tool Calling工具調(diào)用也叫 Function Calling。核心讓 AI 調(diào)用你的 Java 方法。例如用戶查詢張三訂單AI調(diào)用:orderService.query(張三)流程用戶↓LLM判斷需要工具↓調(diào)用Java方法↓返回結(jié)果↓LLM生成回答Spring AI 支持把方法作為 Tool 提供給模型。例如Toolpublic Order queryOrder(String id){}9. Agent智能體Agent LLM Tool Memory Planning普通 Chat問|答普通 GPT / Chat和agent對比我要買明天上海到北京的火車票。GPT你可以打開12306輸入出發(fā)地、目的地選擇日期然后支付。它做的是用戶|vGPT|v文字回答它只有? 理解你的問題? 提供建議? 生成文字但是沒有? 查詢實(shí)時余票? 登錄12306? 創(chuàng)建訂單? 支付像一個“助理”。你幫我買明天上海到北京的火車票。先理解目標(biāo)目標(biāo)買一張上?！本┑能嚻比缓蟛襟E1查詢明天有哪些車次步驟2查詢余票步驟3選擇合適車次步驟4創(chuàng)建訂單步驟5等待付款然后調(diào)用工具例如工具1查票ToolsearchTrain(上海,北京,2026-08-04)返回G1008:00 上海虹橋12:30 北京南二等座 ￥662工具2下訂單ToolcreateOrder(trainId)返回訂單號123456最后8Agent已找到 G10 次列車上海虹橋 08:00 出發(fā)北京南 12:30 到達(dá)二等座 662 元。是否確認(rèn)購買10. MCPModel Context Protocol你最近問過 MCP這里結(jié)合 Spring AI。MCP 是讓 AI 標(biāo)準(zhǔn)化連接外部工具和數(shù)據(jù)。以前GPT|每個系統(tǒng)寫一個API|ERP數(shù)據(jù)庫文件現(xiàn)在AI|MCP協(xié)議|MCP Server|各種系統(tǒng)Spring AI 已經(jīng)支持 MCP 集成。 SpringAl 基本概念
1. Chat Model聊天模型SpringAl 把不同廠商的大模型統(tǒng)一成一個接口。OpenAL GptAnthropic ClaudeGoogle GeminiDeepSeek通義千問Ollama本地模型以前java:OpenAI APIClaude APIDeepSeek API現(xiàn)在:ChatModel統(tǒng)一調(diào)用String result chatClient.prompt().user(介紹一下Spring AI).call().content();2. ChatClient最核心概念如果學(xué)習(xí) Spring AI第一個重點(diǎn)就是ChatClient它類似Spring MVC 的 ControllerWebClient 的調(diào)用方式作用負(fù)責(zé)和大模型聊天官方把ChatClient定義為一個流式API用來構(gòu)造Prompt并調(diào)用Al Model。AutowiredChatClient chatClient;String answer chatClient.prompt().user(什么是MCP?).call().content();用戶問題|ChatClient|Prompt|Chat Model|GPT/Claude/DeepSeek|回答3. Prompt提示詞Prompt 就是給 AI 的輸入。你是一名Java專家請解釋Spring AISpring AI 中Prompt包含System MessageUser MessageAssistant Message.prompt().system(你是一名Java專家).user(解釋Spring AI)對應(yīng):System:你是一名Java專家User:解釋Spring AI4. Advisor顧問鏈這是 Spring AI 很重要的設(shè)計(jì)?？梢岳斫鉃樵谡{(diào)用大模型前后插入一些處理邏輯。類似 Spring MVCController↓Interceptor↓ServiceSpring AIChatClient↓Advisor↓LLM① Memory Advisor保存聊天歷史用戶:你好AI:你好用戶:剛才說什么AI:...需要記住上下文。加入 RAG用戶問題↓搜索公司資料↓把資料放入Prompt↓LLM回答Spring AI 使用 Advisor 可以組合 RAG 流程。5. Embedding向量化這是 RAG 基礎(chǔ)。普通文字Spring Boot 是Java框架[0.123,0.523,0.912,...]成為向量。6. Vector Store向量數(shù)據(jù)庫存儲 embedding。例如PDF文件↓切片↓Embedding↓Vector DB常見pgvectorMilvusElasticsearchPineconeChromaSpring AI 提供統(tǒng)一 Vector Store API。7. RAG檢索增強(qiáng)生成這是企業(yè)最常用能力。全稱Retrieval Augmented Generation流程用戶問題|vEmbedding|v向量數(shù)據(jù)庫搜索|v找到相關(guān)資料|v拼接Prompt|vLLM生成答案RAG 不是讓 GPT 學(xué)會你的資料而是在回答問題時臨時把相關(guān)資料找出來塞給 GPT。Spring AI 中VectorStore 公司知識庫EmbeddingModel 把問題變成可搜索的向量QuestionAnswerAdvisor 自動檢索并拼 PromptChatClient 調(diào)用大模型生成答案這就是企業(yè) AI 客服、知識庫助手最核心的一套架構(gòu)。8. Tool Calling工具調(diào)用也叫 Function Calling。核心讓 AI 調(diào)用你的 Java 方法。例如用戶查詢張三訂單AI調(diào)用:orderService.query(張三)流程用戶↓LLM判斷需要工具↓調(diào)用Java方法↓返回結(jié)果↓LLM生成回答Spring AI 支持把方法作為 Tool 提供給模型。例如Toolpublic Order queryOrder(String id){}9. Agent智能體Agent LLM Tool Memory Planning普通 Chat問|答普通 GPT / Chat和agent對比我要買明天上海到北京的火車票。GPT你可以打開12306輸入出發(fā)地、目的地選擇日期然后支付。它做的是用戶|vGPT|v文字回答它只有? 理解你的問題? 提供建議? 生成文字但是沒有? 查詢實(shí)時余票? 登錄12306? 創(chuàng)建訂單? 支付像一個“助理”。你幫我買明天上海到北京的火車票。先理解目標(biāo)目標(biāo)買一張上?！本┑能嚻比缓蟛襟E1查詢明天有哪些車次步驟2查詢余票步驟3選擇合適車次步驟4創(chuàng)建訂單步驟5等待付款然后調(diào)用工具例如工具1查票ToolsearchTrain(上海,北京,2026-08-04)返回G1008:00 上海虹橋12:30 北京南二等座 ￥662工具2下訂單ToolcreateOrder(trainId)返回訂單號123456最后8Agent已找到 G10 次列車上海虹橋 08:00 出發(fā)北京南 12:30 到達(dá)二等座 662 元。是否確認(rèn)購買10. MCPModel Context Protocol你最近問過 MCP這里結(jié)合 Spring AI。MCP 是讓 AI 標(biāo)準(zhǔn)化連接外部工具和數(shù)據(jù)。以前GPT|每個系統(tǒng)寫一個API|ERP數(shù)據(jù)庫文件現(xiàn)在AI|MCP協(xié)議|MCP Server|各種系統(tǒng)Spring AI 已經(jīng)支持 MCP 集成。