前言

在现代的微服务架构中，Spring Boot 和 Spring Cloud 是构建分布式系统的核心框架。随着人工智能技术的不断发展，阿里巴巴推出了 Spring AI Alibaba 项目，旨在将大模型（如 Qwen、通义千问等）与 Spring 生态无缝集成，让开发者可以更方便地在企业级应用中引入 AI 能力。

本文将介绍如何在 Spring Boot 项目中集成 Spring AI Alibaba，并使用 Qwen 大模型进行文本生成和对话交互。

---

一、项目背景

1. 什么是 Spring AI Alibaba？

spring-ai-alibaba 是阿里巴巴开源的一个项目，它为 Spring 开发者提供了访问阿里云大模型（如 Qwen）的能力。它封装了调用大模型 API 的逻辑，支持流式输出、提示工程、函数调用等高级功能，并与 Spring Boot 自动装配机制兼容。

2. 适用场景

• 智能客服
• 自动摘要生成
• 对话机器人
• 文本翻译与改写
• 内容创作助手

---

二、环境准备

1. 技术栈

• Java 17+
• Spring Boot 3.x 或 Spring Boot 2.7+
• Maven / Gradle
• Qwen Access Key（通过阿里云平台申请）

2. 添加依赖

使用 Maven：

<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>spring-ai-alibaba-spring-boot-starter</artifactId>
    <version>0.8.0</version> <!-- 请确认最新版本 -->
</dependency>

使用 Gradle：

implementation 'com.alibaba:spring-ai-alibaba-spring-boot-starter:0.8.0'

---

三、配置 Qwen 访问密钥

你需要先前往 阿里云百炼平台 注册账号并获取 API_KEY。

在 application.yml 中添加如下配置：

spring:
  ai:
    alibaba:
      qwen:
        api-key: your_api_key_here
        model-name: qwen-max # 可选：qwen-plus, qwen-turbo 等
        base-url: https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation

---

四、编写代码示例

1. 创建一个 Service 来调用 Qwen 模型

import com.alibaba.spring.ai.alibaba.qwen.QwenChatClient;
import org.springframework.stereotype.Service;

@Service
public class QwenService {

    private final QwenChatClient chatClient;

    public QwenService(QwenChatClient chatClient) {
        this.chatClient = chatClient;
    }

    public String generateResponse(String prompt) {
        return chatClient.call(prompt);
    }
}

2. 创建一个 Controller 接口

import org.springframework.web.bind.annotation.*;

@RestController
@RequestMapping("/api/qwen")
public class QwenController {

    private final QwenService qwenService;

    public QwenController(QwenService qwenService) {
        this.qwenService = qwenService;
    }

    @GetMapping("/ask")
    public String askQwen(@RequestParam String question) {
        return qwenService.generateResponse(question);
    }
}

3. 启动项目并测试接口

启动 Spring Boot 应用后，访问如下地址：

http://localhost:8080/api/qwen/ask?question=今天天气怎么样？

即可看到 Qwen 返回的回答内容。

---

五、进阶功能

1. 流式响应（Streaming）

Spring AI Alibaba 支持流式输出，适用于长文本生成或聊天机器人场景。

@GetMapping("/stream")
public Flux<String> streamQwen(@RequestParam String question) {
    return Flux.create(sink -> {
        QwenChatClient.StreamCallback callback = new QwenChatClient.StreamCallback() {
            @Override
            public void onToken(String token) {
                sink.next(token);
            }

            @Override
            public void onError(Throwable throwable) {
                sink.error(throwable);
            }

            @Override
            public void onComplete() {
                sink.complete();
            }
        };
        chatClient.streamCall(question, callback);
    });
}

2. 提示词模板（Prompt Template）

你可以使用 PromptTemplate 构建结构化提示：

var template = PromptTemplate.from("请根据以下问题回答：{question}");
var prompt = template.apply(Map.of("question", "量子计算的基本原理是什么？"));
String response = chatClient.call(prompt);

好的，我们来优化这部分内容：移除日志监控部分的描述，并在“函数调用（Function Calling）”中添加一个完整的示例。

---

3. 函数调用（Function Calling）

函数调用（Function Calling）是大模型与外部系统交互的重要方式。通过该功能，Qwen 可以根据用户输入智能判断是否需要调用某个工具函数，并将参数传入，最终整合结果返回给用户。

spring-ai-alibaba 提供了对函数调用的支持，开发者可以定义 Java 方法作为工具函数并注册到 QwenChatClient 中。

示例：天气查询工具

假设我们要实现一个天气查询助手，当用户询问“明天北京天气怎么样？”时，Qwen 能自动调用本地的天气接口获取数据并返回。

1. 定义工具类

import com.alibaba.spring.ai.tools.Tool;
import org.springframework.stereotype.Component;

@Component
public class WeatherTool {

    @Tool("get_weather")
    public String getWeather(String location) {
        // 模拟调用真实天气服务
        return "当前" + location + "的天气是晴天，温度25°C";
    }
}

2. 注册工具并调用

我们需要在配置或启动时将工具注册进 Qwen 客户端：

import com.alibaba.spring.ai.alibaba.qwen.QwenChatClient;
import com.alibaba.spring.ai.tools.ToolProvider;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

@Service
public class QwenService {

    private final QwenChatClient chatClient;

    public QwenService(QwenChatClient chatClient, ToolProvider toolProvider) {
        this.chatClient = chatClient;
        this.chatClient.setToolProviders(toolProvider); // 注册工具
    }

    public String generateResponse(String prompt) {
        return chatClient.call(prompt);
    }
}

注意：ToolProvider 是 Spring AI 自动扫描并收集所有标注了 @Component 和 @Tool 的工具类。

3. 使用方式

访问接口：

http://localhost:8080/api/qwen/ask?question=明天上海天气如何？

Qwen 将自动识别需要调用 get_weather 工具，并传入参数 "location": "上海"，最终返回整合后的天气信息。

---

小结

• 使用 @Tool 注解标记方法为可被大模型调用的工具。
• 工具类需加入 Spring 管理（如 @Component）。
• QwenChatClient 支持注册多个工具，实现灵活扩展。
• 大模型会根据上下文自动决定是否调用工具，并传递参数。

这使得你可以构建更智能化、具备实际业务能力的 AI 应用程序，例如集成数据库查询、订单系统、支付接口等。

---

七、总结

通过 spring-ai-alibaba，我们可以非常轻松地将 Qwen 等大模型能力集成到 Spring Boot 应用中，从而快速实现 AI 助手、智能问答等功能。该项目不仅简化了调用流程，还提供了良好的扩展性，非常适合企业级 AI 应用开发。

---

参考资料

• GitHub 官方仓库：https://github.com/alibaba/spring-ai-alibaba
• 阿里云百炼平台文档：https://help.aliyun.com/zh/bailian
• Spring Boot 官方文档：https://docs.spring.io/spring-boot/docs/current/reference/html/

---