企业官网建设流程全解析

结合之前我们讨论过的低延迟大模型推理网关、Netty高性能网络通信的技术背景，以下是SpringAI对话机器人的快速入门全流程，适配Spring Boot生态，可快速搭建出具备上下文记忆的可用对话机器人：

一、前置环境准备

基础依赖‌：JDK 17+、Spring Boot 3.x 版本，适配Spring AI的自动配置特性。
大模型服务‌：提前部署Ollama本地大模型，或准备好OpenAI、DeepSeek等大模型的API密钥。

二、项目初始化与依赖配置

新建Spring Boot项目，在pom.xml中引入Spring AI核心依赖，以Ollama对接为例：

1，SpringAI使用ollama

<dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>1.0.0-M4</version><!--请使用最新的稳定版本或里程碑版本--><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-ollama-spring-boot-starter</artifactId><version>1.0.0-M4</version></dependency></dependencies>

2，SpringAI使用使用OpenAI

<dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>1.0.0-M4</version><!--请使用最新的稳定版本或里程碑版本--><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-openai-spring-boot-starter</artifactId></dependency></dependencies>

三，模型配置

在application.yml中配置大模型连接信息：

1，SpringAI使用ollama

spring:ai:ollama:base-url:http://localhost:11434chat:options:model:deepseek-r1:latest

2，SpringAI使用使用OpenAI

application.yml

spring:ai:openai:base-url:https://dashscope.aliyuncs.com/compatible-mode api-key:${OPENAI_API_KEY}# 从环境变量读取，避免硬编码 chat:options:model:gpt-4o # 指定使用的模型，如 gpt-4o,gpt-3.5-turbo,qwen-max等 temperature:0.7# 控制生成的随机性 值越大，输出结果越随机

或者在 application.properties 中配置：

spring.ai.openai.base-url=https://dashscope.aliyuncs.com/compatible-mode spring.ai.openai.api-key=${OPENAI_API_KEY} spring.ai.openai.chat.options.model=gpt-4o spring.ai.openai.chat.options.temperature=0.7

注意‌：在启动应用前，需确保环境中已设置 OPENAI_API_KEY 变量，例如在终端执行 export OPENAI_API_KEY=sk-xxxxxx。

4. 代码实现与调用
   Spring AI 提供了自动配置的 ChatClient 或具体的 OpenAiChatModel Bean，可直接注入使用。

四、核心功能快速实现

1，ollama方式

方式一：
配置对话上下文记忆‌
通过内置组件实现对话历史留存，保障多轮对话的上下文连贯性：

@BeanpublicChatMemorychatMemory(){returnnewInMemoryChatMemory();// 会将所有历史消息全量传入模型，易导致 Token 溢出 。 已经过时，弃用，已经被重构了 InMemoryChatMemoryRepository 替代}

packagecom.example.chatai.config;importorg.springframework.ai.chat.memory.ChatMemory;importorg.springframework.ai.chat.memory.InMemoryChatMemoryRepository;importorg.springframework.ai.chat.memory.MessageWindowChatMemory;importorg.springframework.context.annotation.Bean;importorg.springframework.context.annotation.Configuration;@ConfigurationpublicclassChatMemoryConfig{/** * 配置基于内存的消息仓库 * 生产环境建议替换为 RedisChatMemoryRepository 或 JdbcChatMemoryRepository */@BeanpublicInMemoryChatMemoryRepositorychatMemoryRepository(){returnnewInMemoryChatMemoryRepository();}/** * 配置聊天记忆实例 * maxMessages: 设置保留最近的消息数量，避免上下文过长导致费用增加或超出模型限制 */@BeanpublicChatMemorychatMemory(InMemoryChatMemoryRepositoryrepository){returnMessageWindowChatMemory.builder().chatMemoryRepository(repository).maxMessages(10)// 保留最近10条消息.build();}}

构建对话引擎‌
整合AI客户端、对话模板和记忆组件，生成核心对话处理单元：

@BeanpublicChatEnginechatEngine(AiClientaiClient,ChatMemorymemory){returnChatEngine.builder(aiClient).memory(memory).build();}

暴露Web交互接口‌
快速编写REST接口，实现用户请求的接收与回复返回：

@RestController@RequestMapping("/api/chat")publicclassChatController{@AutowiredprivateChatEnginechatEngine;@PostMappingpublicStringchat(@RequestParamStringquestion){returnchatEngine.chat(question);}}

方式二：

@BeanpublicChatClientchatClient(OllamaChatModelmodel){returnChatClient.builder(model).defaultSystem("你是可爱的助手，名字叫小团团").build();}

@RestController@RequestMapping("/chat")publicclassChatController{privatefinalChatClientchatClient;// 直接注入我们配置好的ChatClientpublicChatController(ChatClientchatClient){this.chatClient=chatClient;}@GetMapping(produces=MediaType.TEXT_EVENT_STREAM_VALUE)publicFlux<String>chat(@RequestParamStringuserInput){// 自动带上"小团团"的人设，返回流式响应returnchatClient.prompt().user(userInput).stream().content();}}

2，使用OpenAI方式

方式一：使用通用的 ChatClient（推荐）
ChatClient 是 Spring AI 提供的高级抽象，支持流式输出和更灵活的提示词构建。

importorg.springframework.ai.chat.client.ChatClient;importorg.springframework.web.bind.annotation.GetMapping;importorg.springframework.web.bind.annotation.RequestParam;importorg.springframework.web.bind.annotation.RestController;importreactor.core.publisher.Flux;@RestControllerpublicclassChatController{privatefinalChatClientchatClient;// 注入自动配置的 ChatClient.BuilderpublicChatController(ChatClient.BuilderchatClientBuilder){this.chatClient=chatClientBuilder.build();}@GetMapping("/ai/chat")publicStringchat(@RequestParam(value="message",defaultValue="Hello!")Stringmessage){returnchatClient.prompt().user(message).call().content();}@GetMapping("/ai/chat/stream")publicFlux<String>chatStream(@RequestParam(value="message",defaultValue="Hello!")Stringmessage){returnchatClient.prompt().user(message).stream().content();}}

方式二：直接使用 OpenAiChatModel
如果需要更底层的控制，可以直接注入 OpenAiChatModel。

importorg.springframework.ai.openai.OpenAiChatModel;importorg.springframework.ai.chat.model.ChatResponse;importorg.springframework.web.bind.annotation.GetMapping;importorg.springframework.web.bind.annotation.RequestParam;importorg.springframework.web.bind.annotation.RestController;@RestControllerpublicclassLegacyChatController{privatefinalOpenAiChatModelchatModel;publicLegacyChatController(OpenAiChatModelchatModel){this.chatModel=chatModel;}@GetMapping("/ai/generate")publicStringgenerate(@RequestParam(value="message",defaultValue="Tell me a joke")Stringmessage){returnchatModel.call(message);}}

常见问题排查
‌401 Unauthorized 错误‌：通常意味着 API Key 未正确加载。检查环境变量是否生效，或确认 application.yml 中的占位符 ${OPENAI_API_KEY} 是否被正确解析。启用调试日志 logging.level.org.springframework.ai=DEBUG 可查看属性绑定详情。
‌版本冲突‌：确保 spring-ai-openai-spring-boot-starter 的版本与 Spring Boot 版本兼容。Spring Boot 3.2+ 通常对应 Spring AI 0.8.1+ 或 1.0.0+。
‌网络问题‌：如果在国内访问 OpenAI API，可能需要配置代理。可以通过设置 JVM 参数 -Dhttp.proxyHost 和 -Dhttp.proxyPort 或在配置类中自定义 OpenAiApi 的 RestTemplate 来实现。

五、启动验证

启动Spring Boot应用，调用http://localhost:8080/api/chat?question=你好，即可收到大模型返回的对话回复，完成基础对话机器人的搭建。