Spring Boot 接入 AI，比想象简单一万倍

Spring Boot 接入 AI，比你想的简单一万倍

前几天有朋友问我："想在项目里接个 AI 对话，Spring AI 好上手吗？"

我跟他说，你等着，三分钟后看效果。

---

三分钟，从零到能用

新建一个 Spring Boot 项目，引入一个依赖：

    com.liziye
    spring-ai-lab-scenario-chat

application.yml 里配好 API Key，启动：

POST /api/chat
{ "userInput": "你好，介绍一下你自己" }
→ 200 OK
{ "content": "你好！我是 AI 助手...", "conversationId": "conv_xxx" }

没写一行 ChatClient 代码，没管对话记忆，没处理重试。连 Controller 都没建——全内置了。

朋友看完直接懵了："就这？"

对，就这。

---

7 个场景，按需引入

Spring AI 这个框架本身确实不错，但每次接入新项目，都要重复写那一套样板代码：ChatClient 配置、对话记忆、重试逻辑、Token 统计……这些跟你的业务一点关系都没有，却每次都得来一遍。更别提 RAG 知识库、多 Agent 协作这些进阶场景了——你只是想接个 AI，结果三天过去了还在搭基础设施。

所以我把这些都封装成了 7 个即插即用的场景 Starter，开源出来，取名叫 Spring AI Lab。

场景	一句话描述
通用对话	多轮对话 + SSE 流式输出
RAG 知识库	上传文档 → 自动回答
多 Agent	顺序/并行/辩论/路由
代码审查	Git Diff → AI Review
数据分析	自然语言 → SQL → 报告
智能客服	意图识别 + 知识库
MCP Server	Tool 服务端

想用哪个就加哪个依赖，不用的不引入，零负担。

---

不止能用，还得扛造

玩具和产品的区别就一条——挂了怎么办。所以内置了：

• 多模型动态切换 + 主备降级
• 对话记忆自动管理，TTL 过期
• 重试 → 熔断 → 降级 三级容错
• Token/延迟/错误全链路指标
• 令牌桶接口限流

---

架构一图流

场景模板层（7 个 @EnableXxx）
↓
编排层（模板方法模式，自动处理记忆/指标/容错）
↓
能力层（路由/重试/文档/工具）
↓
Spring AI 官方 API

---

验证过，不空谈

用小米 MiMo 大模型跑了 69 个单元测试 + 27 个集成测试，7 个场景全部绿灯。任何兼容 OpenAI 协议的模型都能直接用。

---

项目地址

Gitee：https://gitee.com/sjz_zy/spring-ai-lab

---

小结

接入 AI 这件事，本该就这么简单。Spring AI Lab 要做的，就是把这个"本该如此"变成现实。从实际验证来看，这套方案在多个业务场景中都已经跑通，剩下的就是按需取用、快速落地了。