《Spring AI 实战系列 入门篇》第 6 篇

Spring AI 实战系列 | 第 6 篇

国产模型集成指南：通义千问、智谱GLM、文心一言、Ollama

系列说明：本文为《Spring AI 实战系列 入门篇》第 6 篇（终篇）

前置知识：完成第 1-5 篇

预计阅读时间：15 分钟

---

📖 目录

1. 为什么要用国产模型？
2. 通义千问 (Qwen)
3. 智谱 GLM
4. 百度文心一言
5. Ollama 本地部署
6. 多模型切换架构
7. 系列总结

---

一、为什么要用国产模型？

1.1 优势对比

维度	国外模型 (GPT-4)	国产模型
🌐 网络	需要科学上网	国内直连
💰 价格	按 token 计费，较贵	相对便宜/有免费额度
📝 中文	中文能力一般	中文优化更强
🔒 合规	数据出境问题	数据境内处理
🚀 速度	受网络影响	响应更快

1.2 国产模型选型

┌─────────────────────────────────────────────────────────────┐
│                    国产模型选型指南                            │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  追求性价比 ──→ 通义千问 (Qwen) / 智谱 GLM                   │
│  企业级应用 ──→ 文心一言 (ERNIE)                            │
│  完全私有 ──→ Ollama 本地部署 Llama/Qwen                    │
│  长上下文 ──→ Kimi (Moonshot)                               │
│  多模态强 ──→ 通义千问 VL / 文心 VL                          │
│                                                             │
└─────────────────────────────────────────────────────────────┘

---

二、通义千问 (Qwen)

2.1 简介

通义千问是阿里云自研的大语言模型，中文能力强，开源可商用。

特点	说明
🌟 开源	Qwen 系列开源可商用
📝 中文强	中文理解与生成优秀
🔢 多版本	Qwen2, Qwen2.5, Qwen-VL (多模态)
💰 价格	有免费额度，按量计费

2.2 获取 API Key

1. 访问 dashscope.console.aliyun.com/
2. 登录阿里云账号
3. 创建 API Key

2.3 Maven 依赖

<!-- 通义千问 -->
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-dashscope</artifactId>
</dependency>

2.4 配置

# 通义千问 API Key
spring.ai.dashscope.api-key=${DASHSCOPE_API_KEY}

# Chat 模型
spring.ai.dashscope.chat.options.model=qwen-turbo

# Embedding 模型
spring.ai.dashscope.embedding.options.model=text-embedding-v2

2.5 可用模型

模型	说明	特点
qwen-turbo	快速版	响应快，便宜
qwen-plus	增强版	能力更强
qwen-max	旗舰版	最强能力
qwen-vl-plus	多模态	支持图片

2.6 代码示例

@Configuration
public class QwenConfig {
    
    @Bean
    public ChatClient qwenChatClient(DashScopeChatModel chatModel) {
        return ChatClient.builder(chatModel)
            .defaultOptions(
                DashScopeChatOptions.builder()
                    .model("qwen-plus")
                    .temperature(0.7)
                    .build())
            .build();
    }
}

@RestController
@RequestMapping("/qwen")
public class QwenController {
    
    private final ChatClient chatClient;
    
    public QwenController(ChatClient.Builder builder) {
        this.chatClient = builder.build();
    }
    
    @GetMapping("/chat")
    public String chat(@RequestParam String message) {
        return chatClient.prompt()
            .user(message)
            .call()
            .content();
    }
}

---

三、智谱 GLM

3.1 简介

智谱 GLM（ChatGLM）是智谱AI开发的开源大模型，国产开源标杆。

特点	说明
🌟 开源	GLM-4 开源可商用
📝 中文优	针对中文优化
🔧 微调	支持 LoRA 微调
💰 价格	有免费额度

3.2 获取 API Key

1. 访问 open.bigmodel.cn/
2. 注册并登录
3. 在控制台创建 API Key

3.3 Maven 依赖

<!-- 智谱 GLM -->
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-zhipu</artifactId>
</dependency>

3.4 配置

# 智谱 API Key
spring.ai.zhipu.api-key=${ZHIPU_API_KEY}

# Chat 模型
spring.ai.zhipu.chat.options.model=glm-4

3.5 可用模型

模型	说明
glm-4	旗舰版，能力最强
glm-4-flash	快速版，性价比高
glm-4v	多模态，支持图片

3.6 代码示例

@RestController
@RequestMapping("/glm")
public class GlmController {
    
    private final ChatClient chatClient;
    
    public GlmController(ChatClient.Builder builder) {
        this.chatClient = builder.build();
    }
    
    @GetMapping("/chat")
    public String chat(@RequestParam String message) {
        return chatClient.prompt()
            .system("你是一个helpful的AI助手")
            .user(message)
            .call()
            .content();
    }
}

---

四、百度文心一言

4.1 简介

文心一言（ERNIE Bot）是百度自研的大模型，企业级应用友好。

特点	说明
🏢 企业级	企业用户友好
📝 中文强	中文理解优秀
🔗 生态	与百度云生态集成

4.2 获取 API Key

1. 访问 console.bce.baidu.com/wenxin/
2. 创建应用获取 AppID、API Key、Secret Key

4.3 Maven 依赖

<!-- 百度文心一言 -->
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-wenxin</artifactId>
</dependency>

4.4 配置

# 百度文心 API 凭证
spring.ai.wenxin.api-key=${WENXIN_API_KEY}
spring.ai.wenxin.secret-key=${WENXIN_SECRET_KEY}

# 模型
spring.ai.wenxin.chat.options.model=ernie-4.0-8k-latest

4.5 可用模型

模型	说明
ernie-4.0-8k	旗舰版，8K上下文
ernie-3.5-8k	主力版

---

五、Ollama 本地部署

5.1 简介

Ollama 让你在本地运行大模型，数据完全私有，无需联网。

特点	说明
🔒 隐私	数据不离开本地
🌐 离线	无需网络
💻 资源	需要本地 GPU/CPU

5.2 安装与使用

# 安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh

# 下载模型
ollama pull llama3
ollama pull qwen2

# 启动服务
ollama serve

5.3 Maven 依赖

<!-- Ollama -->
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-ollama</artifactId>
</dependency>

5.4 配置

# Ollama 服务地址
spring.ai.ollama.base-url=http://localhost:11434
spring.ai.ollama.chat.options.model=llama3

---

六、多模型切换架构

6.1 策略模式实现

public interface ChatModelProvider {
    String getName();
    ChatClient getChatClient();
}

@Service
public class MultiModelService {
    
    private final Map<String, ChatModelProvider> providers = new HashMap<>();
    
    public MultiModelService(List<ChatModelProvider> providerList) {
        for (ChatModelProvider provider : providerList) {
            providers.put(provider.getName(), provider);
        }
    }
    
    public String chat(String providerName, String message) {
        ChatModelProvider provider = providers.get(providerName);
        if (provider == null) {
            throw new IllegalArgumentException("未知模型: " + providerName);
        }
        return provider.getChatClient().prompt()
            .user(message)
            .call()
            .content();
    }
}

6.2 使用示例

@RestController
@RequestMapping("/ai")
public class MultiModelController {
    
    private final MultiModelService multiModelService;
    
    public MultiModelController(MultiModelService service) {
        this.multiModelService = service;
    }
    
    @GetMapping("/chat")
    public String chat(
            @RequestParam String message,
            @RequestParam(defaultValue = "qwen") String model
    ) {
        return multiModelService.chat(model, message);
    }
}

---

七、系列总结

完整系列回顾

篇目	标题	核心内容
第 1 篇	核心概念与快速上手	Model、Prompt、Embedding
第 2 篇	Tool Calling	@Tool 注解、工具调用
第 3 篇	VectorStore + RAG	向量数据库、私有知识库
第 4 篇	结构化输出	BeanOutputConverter
第 5 篇	Advisors	中间件、自定义拦截器
第 6 篇	国产模型集成	通义/智谱/文心/Ollama

技术栈总结

Spring AI
├── Model Providers
│   ├── OpenAI (GPT-4/3.5)
│   ├── Anthropic (Claude)
│   ├── 通义千问 (Qwen) ⭐
│   ├── 智谱 GLM ⭐
│   ├── 文心一言 ⭐
│   └── Ollama (本地)
│
├── Core APIs
│   ├── ChatClient
│   ├── EmbeddingModel
│   ├── VectorStore
│   └── Tool Calling
│
└── Advanced
    ├── RAG
    ├── Structured Output
    └── Advisors

下一步个人学习计划

理论要结合实践，下一步将使用spring AI去实现AI智能客服、企业知识库、AI代码助手的核心功能（后面应该会考虑使用langchain4j或者其他集成框架去优化完善这些项目）。

总结

AI 的内核是数学家和算法工程师的战场，但 AI 的应用是每个开发者的机会。

你不需要懂 算法、懂微调，但你需要知道怎么用。会用，就是竞争力！

愿每一位仍在Java赛道深耕逐梦的开发者，都能得偿所愿，与诸君共勉！

---

📚 参考资料

1. Spring AI 官方文档

   • docs.spring.io/spring-ai/r…

2. 阿里云通义千问

   • dashscope.console.aliyun.com/

3. 智谱 AI

   • open.bigmodel.cn/

4. 百度文心一言

   • console.bce.baidu.com/wenxin/

5. Ollama

   • ollama.com/

---

📌 引用说明：本文核心概念与技术描述参考自 Spring AI 官方文档（docs.spring.io/spring-ai/r… AI、百度文心一言各官方平台公开资料，Ollama 内容来自 Ollama 官方文档。

---

关注公众号「AI日撰」，点击菜单「获取源码」获取完整代码（Gitee 仓库）。

---

🎉 恭喜完成《Spring AI 实战系列 入门篇》全部 6 篇！

文章更新时间：2026-03-24 系列：《Spring AI 实战系列 入门篇》终篇（共 6 篇）