Spring AI GA正式版试用感受

只花了一上午就搭建了一套向量搜索和 AI 问答+RAG 知识库 和 tools call的示例。
文档全还有示例，上手速度很快，个人感觉比 LangChain 系列好用。
完整项目在在文章末尾，如果对你有帮助请帮我点个star 。谢谢~

Spring AI 1.0 GA 功能介绍：
https://spring.io/blog/2025/05/20/spring-ai-1-0-GA-released
 
核心代码：

1.   /**
2.      * 构造方法，注入必要的依赖，并配置 ChatClient
3.      *
4.      * @param builder ChatClient 构建器
5.      * @param chatMemory 聊天上下文记忆体
6.      * @param vectorStore 向量存储，用于语义检索
7.      * @param listObjectProvider 工具回调提供者对象列表
8.      */
9.     public AiSportSupportAssistant(
10.             ChatClient.Builder builder,
11.             ChatMemory chatMemory,
12.             VectorStore vectorStore,
13.             ObjectProvider<List<ToolCallbackProvider>> listObjectProvider) {
15.         this.chatBuilder = builder;
16.         this.vectorStore = vectorStore;
17.         this.listObjectProvider = listObjectProvider;
19.         // 配置知识库检索参数：相似度阈值为0.5，返回Top 3条
20.         SearchRequest searchRequest = SearchRequest.builder()
21.                 .similarityThreshold(0.5d)
22.                 .topK(3)
23.                 .build();
25.         // 初始化 ChatClient
26.         this.chatClient = builder
27.                 // 设置默认系统提示词，定义 AI 助理的身份和行为
28.                 .defaultSystem(
29.                         "你是一个运动助手，帮助用户解决运动相关问题，上下文和历史信息帮助你更好了解用户需求，" +
30.                         "但记住你不仅可以根据上下文来回答内容，而且你也可以调用工具帮助用户查询，始终遵守用户的指令。")
31.                 // 配置对话顾问，包括记忆顾问、知识库问答顾问和日志顾问
32.                 .defaultAdvisors(
33.                         MessageChatMemoryAdvisor.builder(chatMemory).build(), // 聊天记忆可以配置存储 mysql \Redis
34.                         QuestionAnswerAdvisor.builder(vectorStore).searchRequest(searchRequest).build(), // 向量知识库问答
35.                         new SimpleLoggerAdvisor()) // 简单日志
36.                 // 配置默认工具，如时间工具
37.                 .defaultTools(new DateTimeTools())
38.                 // 配置默认可用工具名称
39.                 .defaultToolNames("getStudentSportScore", "getStudentScoreRank")
40.                 .build(); // 构建 ChatClient 实例
41.     }

复制代码

 
核心配置配置：

1. spring:
2. # api-key (项目测试使用是DeepSeek和阿里embedding https://bailian.console.aliyun.com/?tab=model)
3.   ai:
4.     openai:
5.       api-key: sk-
6.       base-url: https://api.deepseek.com
7.       chat:
8.         options:
9.           model: deepseek-chat
10.       embedding:
11.         base-url: https://dashscope.aliyuncs.com/compatible-mode
12.         api-key: sk-
13.         options:
14.           model: text-embedding-v3
15.           dimensions: 1024
16.     vectorstore:
17.       milvus:
18.         client:
19.           host: "localhost"
20.           port: 19530
21.           username: "root"
22.           password: "milvus"
23.         databaseName: "default"
24.         collectionName: "vector_store"
25.         embeddingDimension: 1024
26.         indexType: IVF_FLAT
27.         metricType: COSINE
28.         initialize-schema: true
29.     chat:
30.       memory:
31.         repository:
32.           jdbc:
33.             initialize-schema: never

复制代码

 
 
项目参考：
https://github.com/git-syl/spring-ai-rag-toolscall-demo/

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！