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>            <!-- Spring AI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-demo  ai:   openai:     base-url: https://api.deepseek.com     api-key: 个人key     chat:       options:         model: deepseek-chat         temperature: 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

@Componentpublic class ChatConfig {    /**     * 默认形式     * @param model     * @return     */    @Bean    public ChatClient chatClient(OpenAiChatModel model) {        return ChatClient.builder(model).build();    }}

ChatController

@RequiredArgsConstructor@RestController@RequestMapping("/ai")@Slf4jpublic class ChatController {    private final ChatClient chatClient;
    /**     * 聊天对话-阻塞式     * @param message     * @return     */    @RequestMapping("/chat")    public String chat(@RequestParam("message") String message) {        return chatClient.prompt()                .user(message)                .call()                .content();
    }}

使用Apifox测试该接口

     /**     * 聊天对话-流式     *     * @param message     * @return     */    @RequestMapping(value = "/stream",produces = "text/html;charset=utf-8")    public Flux<String> chatStream(@RequestParam("message") String message) {        log.info("流式测试...");        return chatClient.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     * @param model     * @return    */    @Bean    public ChatClient chatClient(OpenAiChatModel model) {        return ChatClient                .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     * @param model     * @return     */    @Bean    public ChatClient chatClient(OpenAiChatModel model, ChatMemory chatMemory) {        return ChatClient                .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(                        new SimpleLoggerAdvisor(),                        new MessageChatMemoryAdvisor(chatMemory)                )                .build();    }
    /**     * 会话记忆 基于内存-缓存     * @return     */    @Bean    public ChatMemory chatMemory() {        return new InMemoryChatMemory();    }

ChatController

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