接入SpringAI实现流式对话

前面有讲到Python对接DeepSeek实现对话，但基于现状，从事后端开发，侧重于Java，此次演示以SpringAI技术实现。

步骤一：引入依赖

一定要引入SpringAI的管理依赖，可以方便的使用其他模型及Client！

<dependencyManagement><dependencies><!--SpringAI的管理依赖--><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>

SpringAI的核心依赖，此次使用openai

<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-openai-spring-boot-starter</artifactId><version>${spring-ai.version}</version></dependency>

此次基于SpringBoot工程演示，没有用到框架，一键启动，真方便。

<properties><java.version>17</java.version><spring-ai.version>1.0.0-M5</spring-ai.version></properties>

注意：SpringBoot版本需要大于3版本

步骤二：配置API

server:port:8080spring:application:name:ai-demoaipenai:base-url:https://api.deepseek.comapi-key:个人keychatptions:model:deepseek-chattemperature:0.7

此次使用的模型仍为DeepSeek，支持国产！

API接口文档：https://api-docs.deepseek.com/zh-cn/

步骤三：编写AI应用

由于需要使用SpringAI自带的ChatClient，如果没有添加配置或用构造方法初始化，会报以下错误。

简易版

ChatConfig

@ComponentpublicclassChatConfig{ /**  * 默认形式  *@parammodel  *@return  */ @Bean publicChatClientchatClient(OpenAiChatModel model) {   returnChatClient.builder(model).build();  }}

ChatController

@RequiredArgsConstructor@RestController@RequestMapping("/ai")@Slf4jpublicclassChatController{ privatefinalChatClient chatClient;
 /**  * 聊天对话-阻塞式  *@parammessage  *@return  */ @RequestMapping("/chat") publicString chat(@RequestParam("message")String message) {   returnchatClient.prompt()        .user(message)        .call()        .content();
  }}

使用Apifox测试该接口

  /**  * 聊天对话-流式  *  *@parammessage  *@return  */ @RequestMapping(value ="/stream",produces ="text/html;charset=utf-8") publicFlux<String>chatStream(@RequestParam("message")Stringmessage) {    log.info("流式测试...");   returnchatClient.prompt()        .user(message)        .stream()        .content();
  }

由于默认方式为GET，浏览器接口测试

增强版

添加提示词功能，代码如下，重启后才可生效！

ChatConfig

/***添加提示词已通过*@parammodel*@return*/@BeanpublicChatClientchatClient(OpenAiChatModelmodel){returnChatClient.builder(model).defaultSystem("你的名字是小明,身份为学生,请以学生的语气回答问题.").build();}

对话效果

升华版

添加日志以及会话记忆功能，代码如下

ChatConfig

 /**  * 会话日志  *@parammodel  *@return  */ @Bean publicChatClientchatClient(OpenAiChatModel model, ChatMemory chatMemory) {   returnChatClient        .builder(model)        .defaultSystem("你的名字是小明,身份为学生,请以学生的语气回答问题.")        .defaultAdvisors(           newSimpleLoggerAdvisor(),           newMessageChatMemoryAdvisor(chatMemory)        )        .build();  }
 /**  * 会话记忆 基于内存-缓存  *@return  */ @Bean publicChatMemorychatMemory() {   returnnewInMemoryChatMemory();  }

ChatController

 /**  * 会话记忆 已通过  *@parammessage  *@paramchatId  *@return  */ @RequestMapping(value ="/memoryChat",produces ="text/html;charset=utf-8") publicFlux<String>memoryChat(@RequestParam("message")Stringmessage,StringchatId) {    log.info("流式测试...");   returnchatClient.prompt()        .user(message)        .advisors(a-> a.param(CHAT_MEMORY_CONVERSATION_ID_KEY, chatId))        .stream()        .content();
  }

apifox接口测试

此次新增chatId字段，目的是为一次会话添加唯一标识，基于该标识存储会话记忆，目前使用的内存记忆功能，可以尝试使用向量数据库，永久有效。

再次测试(test again)

至此，java对接SpringAI的基本功能已实现。