Spring AI实现一个简单的问答系统

于 2025-07-03 16:20:34 发布
阅读量238 收藏 10
点赞数 5
CC 4.0 BY-SA版权
文章标签： spring 人工智能 java nginx 运维 微服务 后端
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/java_beautiful/article/details/149096753

1. 引言

随着大语言模型(LLM)技术的不断发展，将AI能力集成到企业应用中变得越来越重要。Spring AI是Spring生态系统的最新成员，旨在简化AI服务与Spring应用的集成过程。

本文将详细介绍如何利用Spring AI构建一个简单的问答系统，帮助开发者快速入门AI应用开发。

2. 环境准备

2.1 项目依赖

首先，创建一个Spring Boot项目，并添加必要的依赖

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>org.example</groupId>
    <artifactId>spring-ai-demo</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>21</maven.compiler.source>
        <maven.compiler.target>21</maven.compiler.target>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    </properties>


    <repositories>
        <repository>
            <id>spring-milestones</id>
            <name>Spring Milestones</name>
            <url>https://repo.spring.io/milestone</url>
            <snapshots>
                <enabled>false</enabled>
            </snapshots>
        </repository>
        <repository>
            <id>spring-snapshots</id>
            <name>Spring Snapshots</name>
            <url>https://repo.spring.io/snapshot</url>
            <releases>
                <enabled>false</enabled>
            </releases>
        </repository>
        <repository>
            <name>Central Portal Snapshots</name>
            <id>central-portal-snapshots</id>
            <url>https://central.sonatype.com/repository/maven-snapshots/</url>
            <releases>
                <enabled>false</enabled>
            </releases>
            <snapshots>
                <enabled>true</enabled>
            </snapshots>
        </repository>
    </repositories>

    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
            <version>3.4.2</version>
        </dependency>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-core</artifactId>
            <version>1.0.0-M6</version>
        </dependency>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
            <version>1.0.0-M6</version>
        </dependency>
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <version>1.18.30</version>
        </dependency>
        <dependency>
            <groupId>cn.hutool</groupId>
            <artifactId>hutool-all</artifactId>
            <version>5.8.25</version>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.8.1</version>
                <configuration>
                    <source>21</source>
                    <target>21</target>
                    <encoding>utf-8</encoding>
                </configuration>
            </plugin>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
                <version>3.2.0</version>
                <executions>
                    <execution>
                        <goals>
                            <goal>repackage</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>

</project>

2.2 配置API密钥

在application.yml中配置API密钥

server:
  port: 5555

spring:
  ai:
    openai:
      api-key: sk-xxxxx # 需要替换为上图所示的硅基流动API密钥
      base-url: https://api.siliconflow.cn/
      embedding:
        options:
          model: BAAI/bge-m3
      chat:
        options:
          model: deepseek-ai/DeepSeek-V3

注意：为了安全起见，建议通过环境变量注入API密钥，而不是直接硬编码在配置文件中。

3. 核心代码实现

3.1 主应用类

创建Spring Boot应用的入口类：

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.document.Document;
import org.springframework.ai.embedding.EmbeddingModel;
import org.springframework.ai.openai.OpenAiChatModel;
import org.springframework.ai.vectorstore.SimpleVectorStore;
import org.springframework.ai.vectorstore.VectorStore;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.context.annotation.Bean;

import java.util.List;

@SpringBootApplication
public class QaApplication {

    public static void main(String[] args) {
        SpringApplication.run(QaApplication.class, args);
    }

    @Bean
    public ChatClient chatClient(OpenAiChatModel model){
        return ChatClient
                .builder(model)
                .build();
    }

    @Bean
    public VectorStore vectorStore(EmbeddingModel embeddingModel) {
        VectorStore vectorStore = SimpleVectorStore.builder(embeddingModel).build();

        // 构建测试数据
        List<Document> documents =
                List.of(new Document("Hello Spring AI"),
                        new Document("Hello Spring Boot"));
        // 添加到向量数据库
        vectorStore.add(documents);

        return vectorStore;
    }

}

3.2 请求模型

创建一个简单的模型类来封装问题请求：

import lombok.Data;

@Data
public class QuestionRequest {
    private String question;
    private String sessionId;
}

3.3 问答服务

实现问答核心服务：

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.PromptTemplate;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

import java.util.HashMap;
import java.util.Map;

@Service
public class QaService {
    
    private final ChatClient chatClient;
    private final PromptTemplate promptTemplate;
    
    @Autowired
    public QaService(ChatClient chatClient) {
        this.chatClient = chatClient;
        // 创建一个提示模板，指导AI如何回答问题
        this.promptTemplate = new PromptTemplate("""
            你是一个智能问答助手，请简洁、准确地回答用户的问题。
            如果你不知道答案，请直接说不知道，不要编造信息。
            
            用户问题: {question}
            
            回答:
            """);
    }
    
    public String getAnswer(String question) {
        // 准备模板参数
        Map<String, Object> parameters = new HashMap<>();
        parameters.put("question", question);
        
        // 创建提示
        Prompt prompt = promptTemplate.create(parameters);
        
        // 调用AI获取回答
        return chatClient.prompt(prompt).call().content();
    }
}

3.4 REST控制器

创建REST API接口，处理问题请求：

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestBody;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

import java.util.HashMap;
import java.util.Map;

@RestController
@RequestMapping("/api/qa")
public class QaController {
    
    private final QaService qaService;

    private final ConversationService conversationService;

    private final KnowledgeBaseQaService knowledgeBaseQaService;
    
    @Autowired
    public QaController(QaService qaService,
                        ConversationService conversationService,
                        KnowledgeBaseQaService knowledgeBaseQaService
    ) {
        this.qaService = qaService;
        this.conversationService = conversationService;
        this.knowledgeBaseQaService = knowledgeBaseQaService;
    }
    
    @PostMapping("/ask")
    public Map<String, String> askQuestion(@RequestBody QuestionRequest request) {
        String answer = qaService.getAnswer(request.getQuestion());
        
        Map<String, String> response = new HashMap<>();
        response.put("question", request.getQuestion());
        response.put("answer", answer);
        
        return response;
    }

    @PostMapping("/ask-session")
    public Map<String, String> askSession(@RequestBody QuestionRequest request) {
        String answer = conversationService.chat(request.getSessionId(),request.getQuestion());

        Map<String, String> response = new HashMap<>();
        response.put("question", request.getQuestion());
        response.put("answer", answer);

        return response;
    }

    @PostMapping("/ask-knowledge")
    public Map<String, String> askKnowledge(@RequestBody QuestionRequest request) {
        String answer = knowledgeBaseQaService.getAnswerWithKnowledgeBase(request.getQuestion());

        Map<String, String> response = new HashMap<>();
        response.put("question", request.getQuestion());
        response.put("answer", answer);

        return response;
    }

}

3.5 简单HTML前端

在src/main/resources/static目录下创建一个简单的HTML页面（qa.html）：

<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>AI问答系统</title>
    <style>
        body {
            font-family: Arial, sans-serif;
            max-width: 800px;
            margin: 0 auto;
            padding: 20px;
        }
        .container {
            border: 1px solid #ddd;
            border-radius: 5px;
            padding: 20px;
            margin-top: 20px;
        }
        .question-form {
            margin-bottom: 20px;
        }
        #question {
            width: 100%;
            padding: 10px;
            margin-bottom: 10px;
            border: 1px solid #ddd;
            border-radius: 4px;
        }
        button {
            padding: 10px 15px;
            background-color: #4CAF50;
            color: white;
            border: none;
            border-radius: 4px;
            cursor: pointer;
        }
        button:hover {
            background-color: #45a049;
        }
        .answer {
            margin-top: 20px;
            padding: 15px;
            background-color: #f9f9f9;
            border-radius: 4px;
            white-space: pre-wrap;
        }
        .loading {
            color: #888;
            font-style: italic;
            display: none;
        }
    </style>
</head>
<body>
<h1>AI问答系统</h1>

<div class="container">
    <div class="question-form">
        <h2>请输入您的问题</h2>
        <textarea id="question" rows="4" placeholder="例如：什么是Spring AI？"></textarea>
        <button id="ask-button">提问</button>
        <p class="loading" id="loading">AI正在思考中，请稍候...</p>
    </div>

    <div class="answer" id="answer-container" style="display:none;">
        <h2>回答</h2>
        <div id="answer-text"></div>
    </div>
</div>

<script>
    document.getElementById('ask-button').addEventListener('click', async function() {
        const question = document.getElementById('question').value.trim();

        if (!question) {
            alert('请输入问题');
            return;
        }

        // 显示加载状态
        document.getElementById('loading').style.display = 'block';
        document.getElementById('answer-container').style.display = 'none';

        try {
            // 普通模式   /api/qa/ask
            // 会话模式   /api/qa/ask-session
            // 知识库模式 /api/qa/ask-knowledge
            const response = await fetch('/api/qa/ask', {
                method: 'POST',
                headers: {
                    'Content-Type': 'application/json'
                },
                body: JSON.stringify({ question: question, sessionId: '12345' })
            });

            if (!response.ok) {
                throw new Error('服务器错误');
            }

            const data = await response.json();

            // 显示回答
            document.getElementById('answer-text').textContent = data.answer;
            document.getElementById('answer-container').style.display = 'block';
        } catch (error) {
            console.error('Error:', error);
            document.getElementById('answer-text').textContent = '发生错误: ' + error.message;
            document.getElementById('answer-container').style.display = 'block';
        } finally {
            // 隐藏加载状态
            document.getElementById('loading').style.display = 'none';
        }
    });
</script>
</body>
</html>

4. 运行与测试

完成上述代码后，运行Spring Boot应用：

mvn spring-boot:run

或者使用IDE直接运行QaApplication类。

启动后，访问http://localhost:5555/qa.html，即可使用问答系统。在文本框中输入问题，点击"提问"按钮后，系统会将问题发送给AI，并展示回答结果。

5. 功能扩展

这个基础的问答系统可以通过以下方式进行扩展

5.1 添加对话历史

改进服务，支持多轮对话

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.messages.AssistantMessage;
import org.springframework.ai.chat.messages.Message;
import org.springframework.ai.chat.messages.SystemMessage;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

import java.util.ArrayList;
import java.util.List;
import java.util.Map;
import java.util.concurrent.ConcurrentHashMap;

@Service
public class ConversationService {
    
    private final ChatClient chatClient;

    // TODO 此处仅为简单模拟，实际应为数据库或其他存储方式
    private final Map<String, List<Message>> conversations = new ConcurrentHashMap<>();
    
    @Autowired
    public ConversationService(ChatClient chatClient) {
        this.chatClient = chatClient;
    }
    
    public String chat(String sessionId, String userMessage) {
        // 获取或创建会话历史
        List<Message> messages = conversations.computeIfAbsent(sessionId, k -> new ArrayList<>());
        
        // 添加用户消息
        messages.add(new UserMessage(userMessage));
        
        // 创建带有历史上下文的提示
        Prompt prompt = new Prompt(messages);
        
        // 调用AI
        String response = chatClient.prompt(prompt).call().content();
        
        // 保存AI回复
        messages.add(new AssistantMessage(response));
        
        // 管理会话长度，避免超出Token限制
        if (messages.size() > 10) {
            messages = messages.subList(messages.size() - 10, messages.size());
            conversations.put(sessionId, messages);
        }
        
        return response;
    }
    
    public void clearConversation(String sessionId) {
        conversations.remove(sessionId);
    }
}

5.2 添加知识库集成

使用向量存储和检索增强生成(RAG)

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.PromptTemplate;
import org.springframework.ai.document.Document;
import org.springframework.ai.embedding.Embedding;
import org.springframework.ai.vectorstore.SearchRequest;
import org.springframework.ai.vectorstore.VectorStore;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

import java.util.HashMap;
import java.util.List;
import java.util.Map;

@Service
public class KnowledgeBaseQaService {
    
    private final ChatClient chatClient;
    private final VectorStore vectorStore;
    
    @Autowired
    public KnowledgeBaseQaService(
            ChatClient chatClient, 
            VectorStore vectorStore) {
        this.chatClient = chatClient;
        this.vectorStore = vectorStore;
    }
    
    public String getAnswerWithKnowledgeBase(String question) {
        // 在知识库中搜索相关文档
        List<Document> relevantDocs = vectorStore.similaritySearch(question);
        
        // 构建上下文
        StringBuilder context = new StringBuilder();
        for (Document doc : relevantDocs) {
            context.append(doc.getText()).append("\n\n");
        }
        
        // 创建提示模板
        PromptTemplate promptTemplate = new PromptTemplate("""
            你是一个智能问答助手。请根据以下提供的信息回答用户问题。
            如果无法从提供的信息中找到答案，请基于你的知识谨慎回答，并明确指出这是你的一般性了解。
            
            参考信息:
            {context}
            
            用户问题: {question}
            
            回答:
            """);
        
        // 准备参数
        Map<String, Object> parameters = new HashMap<>();
        parameters.put("context", context.toString());
        parameters.put("question", question);
        
        // 创建提示并调用AI
        Prompt prompt = promptTemplate.create(parameters);
        return chatClient.prompt(prompt).call().content();
    }
}

6. 总结

本文详细介绍了如何使用Spring AI创建一个简单的问答系统。通过Spring AI提供的抽象层，我们能够轻松地集成大语言模型，无需深入了解底层API细节。这种方式可以让开发者专注于业务逻辑，同时保持了Spring生态系统的一致性。

5分钟跑起来：Java构建的AI人工智能智能问答系统_springboot_spring ai_LLM_人工智能_开源免费使用
whisperzzza的博客
11-07 1733
智能问答系统是一种利用人工智能技术理解并回答用户提问的应用。该系统通过自然语言处理技术分析问题的含义，并在知识库中查找相关信息，以生成一个或多个可能的答案。这些答案基于对问题的理解及知识库中的数据生成。智能问答系统适用于多种场景，如在线客服、智能助手和教育辅导等，能够显著提升信息获取速度与用户体验。其关键组成部分包括：自然语言处理（NLP），用于解析问题；知识库，存储了丰富的结构化和非结构化信息；检索和匹配算法，负责从知识库中找出相关资料；答案生成机制，依据找到的信息形成回复；
springboot 整合spring ai实现 基于知识库的客服问答
whisperzzza的博客
10-10 2293
springboot + spring ai alibaba 实现rag 检索增强
Java程序员的AI框架，它来了
YATaiMi的博客
03-16 6554
在本文中，我们将探索Spring AI——一个为Java开发者社区设计的革命性的人工智能框架。了解其核心功能、如何集成到现有的Spring应用中，以及它如何简化AI项目的开发。在当今这个由数据和智能驱动的时代，人工智能（AI）已经成为推动业务创新和优化用户体验的关键力量。从个性化推荐系统到自然语言处理，AI技术正在以前所未有的速度渗透到我们生活的每一个角落。然而，尽管AI的承诺如此诱人，对于许多Java开发者来说，将AI集成到现有的应用和服务中仍然是一项挑战。
【SpringAI入门】初识SpringAI
mobai1016的博客
05-28 1万+
SpringAI入门
【Ai生态开发】Spring AI上架，打造专属业务大模型，AI开发再也不是难事！
终于等到你啦~欢迎来到我的知识空间 这里是苏泽的成神之路
03-01 7598
Spring AI 是 AI 工程师的一个应用框架，它提供了一个友好的 API 和开发 AI 应用的抽象，旨在简化 AI 应用的开发工序。提供对常见模型的接入能力，目前已经上架 https://start.spring.io/，提供大家测试访问。（请注意虽然已经上架 start.spring.io，但目前还是在 Spring 私服，未发布至 Maven 中央仓库）@Service@Autowired// 根据API的ID筛选需要调用的API// 调用其他项目中的API，并进行处理。
快速学习SpringAi
qq_63486066的博客
05-14 1508
快速学习SpringAi
Spring AI -使用Spring快速开发ChatGPT应用
热门推荐
qq_41481367的博客
11-08 4万+
本篇文章将会对SpringAI进行简单的介绍和使用，并通过SpringBoot来集成SpringAI实际开发出一个简单的http对话接口。
以Spring Boot框架为载体，通过集成hanLP、neo4j、spark-mllib实现基于电影知识图谱的简易问答系统
03-14
标题中的“以Spring Boot框架为载体，通过集成hanLP、neo4j、spark-mllib实现基于电影知识图谱的简易问答系统”揭示了一个利用现代技术栈构建智能问答系统的项目。这个系统结合了多个关键技术，包括Spring Boot、...
一文搞定：java构建AI问答系统-基于人工智能大模型-LLM-spring ai alibaba
cnzzs的博客
11-06 2250
你通过本篇文章可以快速了解 智能问答系统的主要组成部分。然后可以在10分钟内的完成一个java版本的问答系统，来体会整个流程和环节。智能问答系统介绍：智能问答系统是一种先进的人类与计算机交互方式，它利用自然语言处理技术解析用户提出的问题，并从其知识库中查找相关信息以生成准确的答案。这种系统在在线客服、个人助手及教育等多个领...
Java 基于Spring AI RAG组件做AI智能问答_rag检索增强_AI智能问答
whisperzzza的博客
12-03 1358
通义是由阿里集团输出的开源大模型服务，支持全尺寸，多模态大模型。并且在世界的中文开源模型业界，能力也是最领先的：1）能力排名靠前：QWen 在MMLU、TheoremQA、GPQA等客观评测指标上超越了Llama 3 70B。竞技场模式也在国产的第一梯队，仅次于open ai 的gpt、claude和马斯克的grek。2）可访问性和合规性： 在API调用的情况下是有安全保护的，基本不用担心出现恶意问题攻击问题。3）完全开源： 目前是最为开放的模型之一，提供了全尺寸的多模态大模型开源版本。
Spring AI 基于个人知识库的AI问答系统
12-11
Spring AI 基于个人知识库的AI问答系统
Spring AI 来了，打造Java生态大模型应用开发新框架！
musicml的博客
04-07 3505
▼最近直播超级多，预约保你有收获尽管 Python 长期主导 AI 大模型应用开发领域，但 Java 并未熄火！Spring AI 来了，正式告别实验期，迈向广泛应用新阶段！这意味着 Spring 生态体系的广大开发者，迎来 AI 大模型应用开发的新里程。—1—Spring AI 开发框架设计理念Spring AI 是一个 AI 工程师的应用框架，它提供了一个友好的 API 和开发 AI 应用的...
开源模型应用落地-工具使用篇-Spring AI（七）
以微薄之力，予他人些许温暖.
03-06 1万+
Spring AI调用OpenAI及Ollama系列模型，良心之作，全网唯一，绝非搬运，希望能给您带来一些些帮助！
SpringAI(二)
tiantiantbtb的博客
06-09 1082
大模型:具有大规模参数和复杂计算结构的机器学习模型.通常由深度神经网络构建而成,拥有数十亿甚至数千亿个参数.其设计目的在于提高模型的表达能力和预测性能,应对复杂的任务和数据.在ollama的github上 https://github.com/ollama/ollama 下面可以看到很多web ui。Ollama是一个大模型部署运行工具,该工具里面可以部署运行各种大模型,方便开发者在本地搭建一套大模型运行环境。能够帮助用户快速在本地运行各种大模型,极大地简化了大模型在本地运行的过程。
Spring AI - 使用向量数据库实现检索式AI对话
qq_41481367的博客
02-07 6777
Spring AI 并不仅限于针对大语言模型对话API进行了统一封装，它还可以通过简单的方式实现LangChain的一些功能。本篇将带领读者实现一个简单的检索式AI对话接口。
Spring AI 1.0 正式发布！核心内容和智能体详解
最新发布
weixin_40334842的博客
06-11 81
在经历了八个里程碑式的版本之后（M1~M8），Spring AI 1.0 正式版本，终于在 2025 年 5 月 20 日正式发布了，这是另一个新高度的里程碑式的版本，标志着 Spring 生态系统正式全面拥抱人工智能技术，并且意味着 Spring AI 将会给企业带来稳定 API 支持。
SpringAI简单使用（本地模型+自定义知识库）
Admans的专栏
07-21 2751
Ollama是一个开源的大型语言模型服务工具，它允许用户在本地机器上构建和运行语言模型，提供了一个简单易用的API来创建、运行和管理模型，同时还提供了丰富的预构建模型库，这些模型可以轻松地应用在多种应用场景中。Ollama支持多种操作系统，包括macOS、Windows、Linux，并提供Docker镜像，方便用户在不同环境中部署使用。Ollama的特点包括轻量级和可扩展性，它允许用户通过命令行界面（CLI）或REST API与语言模型进行交互。
Spring ai 快速入门及使用，构建你自己的ai
qq_62646841的博客
04-27 1612
分享个免费或的apikey的地方。会免费赠送1刀的token。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值