Spring AI Alibaba 快速开始：5分钟用智谱 GLM 跑通第一个聊天应用

亦暖筑序
0 阅读5分钟

Spring AI Alibaba 快速开始：5分钟用智谱 GLM 跑通第一个聊天应用

题外话

最近因为有功能有上线，这几天都忙着在整理投产资料。属实是更新不动了，当然还有一个原因就是之前发库存发的太爽了，现在地主家也没有余粮了。之前学完spring AI后，我其实就想结合我熟悉的领域开源一个项目（目前还在开发中...），里就有用到spring AI Alibaba，于是就有了这个系列。

正文

说实话，Java 开发者接入大模型这事儿，门槛早就该降下来了。Spring AI 就是干这个的——让你用写 Spring Boot 的手感，直接调大模型。

这个系列依旧坚持能白嫖就白嫖原则（才不是因为阿里的账户欠了0.3！！）：使用智谱的 GLM-4.7 免费调用，0 成本就能跑通整条链路。这篇文章就用它来做示范，一步一步带你从零搭出一个能聊天、能记住上下文的应用。

5 分钟，开始。

写在前面：环境要求

就两个硬性条件：

  • JDK 17 及以上（我用的是 JDK 17）
  • 一个智谱开放平台的 API Key（注册就送免费额度）

JDK 版本低于 17 的话先升级，后面全是白搭。

智谱 API Key 去 open.bigmodel.cn 注册获取，登录后点右上角钥匙图标，进 API Key 管理页面创建一个就行。GLM-4 是免费模型，不用担心扣费。

第一步：创建项目

用 IDEA 新建一个 Spring Boot 3.x 项目，或者直接用 Spring Initializr。JDK 选 17，打包方式选 Maven。

项目基本信息随便填，关键是 pom.xml 里的依赖和版本。打开 pom.xml，按下面这个来：

<parent>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-parent</artifactId>
    <version>3.5.7</version>
    <relativePath/>
</parent>

<properties>
    <java.version>17</java.version>
    <spring-ai.version>1.1.2</spring-ai.version>
    <spring-ai-alibaba.version>1.1.2.2</spring-ai-alibaba.version>
    <spring-ai-alibaba-extensions.version>1.1.2.2</spring-ai-alibaba-extensions.version>
</properties>

版本号说明一下：spring-ai 1.1.2 是 Spring AI 的正式版本，spring-ai-alibaba 1.1.2.2 是阿里对 Spring AI 的扩展包。虽然这篇文章用的是智谱模型，但后续如果想接入通义千问或其他能力，扩展包已经提前准备好了。

接着是 BOM 管理和仓库配置：

<dependencyManagement>
    <dependencies>
        <!-- Spring AI 核心依赖管理 -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>${spring-ai.version}</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
        <!-- Spring AI Alibaba 扩展依赖管理 -->
        <dependency>
            <groupId>com.alibaba.cloud.ai</groupId>
            <artifactId>spring-ai-alibaba-bom</artifactId>
            <version>${spring-ai-alibaba.version}</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
        <dependency>
            <groupId>com.alibaba.cloud.ai</groupId>
            <artifactId>spring-ai-alibaba-extensions-bom</artifactId>
            <version>${spring-ai-alibaba-extensions.version}</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

<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>sonatype-snapshots</id>
        <name>Sonatype Snapshot Repository</name>
        <url>https://oss.sonatype.org/content/repositories/snapshots</url>
        <snapshots><enabled>true</enabled></snapshots>
        <releases><enabled>false</enabled></releases>
    </repository>
</repositories>

BOM 的作用是统一管理版本号，不用在各个依赖里手动对齐，升级的时候只改 <properties> 就行。

最后是实际依赖——这次只用两个：

<dependencies>
    <!-- 智谱模型支持 -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-model-zhipuai</artifactId>
    </dependency>
    <!-- Web 支持 -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
</dependencies>

就这两个，没了。spring-ai-starter-model-zhipuai 会通过 Spring Boot 自动装配机制帮你初始化好 ChatClient、ChatModel 这些核心 Bean，不用你手动创建。

第二步：配置 API Key 和模型

在 src/main/resources/application.yml 里写上：

server:
  port: 8080

spring:
  application:
    name: spring-ai-alibaba-hello

  ai:
    zhipuai:
      api-key: ${ZHIPUAI_API_KEY:your-api-key-here}
      chat:
        options:
          model: glm-4
          temperature: 0.7
          max-tokens: 2000

这里有个小细节：${ZHIPUAI_API_KEY:your-api-key-here} 用的 SpEL 表达式，冒号后面是默认值。开发阶段图省事可以直接把 Key 写在默认值里，但正式项目别这么干。

设置环境变量：

# macOS / Linux
export ZHIPUAI_API_KEY=你的智谱API-KEY

# Windows PowerShell
$env:ZHIPUAI_API_KEY="你的智谱API-KEY"

第三步：写 Controller

新建 ChatController.java：

package com.alibaba.cloud.ai.examples.chatbot;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
import org.springframework.ai.chat.client.advisor.SimpleLoggerAdvisor;
import org.springframework.ai.chat.memory.MessageWindowChatMemory;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
@RequestMapping("/chat")
public class ChatController {

    private static final String DEFAULT_PROMPT = "你是一个博学的智能聊天助手，请根据用户提问回答！";

    private final ChatClient chatClient;

    public ChatController(ChatClient.Builder chatClientBuilder) {
        this.chatClient = chatClientBuilder
                .defaultSystem(DEFAULT_PROMPT)
                // 支持对话记忆——模型能记住上下文
                .defaultAdvisors(MessageChatMemoryAdvisor.builder(
                                MessageWindowChatMemory.builder()
                                    .maxMessages(50)
                                    .build())
                        .build())
                // 开启日志，方便调试
                .defaultAdvisors(new SimpleLoggerAdvisor())
                .build();
    }

    @GetMapping("/simple")
    public String simpleChat(@RequestParam String query) {
        return chatClient.prompt(query).call().content();
    }
}

这段代码核心就一个东西：ChatClient。

构造方法里通过 chatClientBuilder 注入，配了三个东西：

  • System Prompt：告诉模型"你是一个博学的助手"，设定角色
  • MessageChatMemoryAdvisor：对话记忆，用了 MessageWindowChatMemory，maxMessages(50) 表示保留最近 50 条消息的上下文。这样你连续问多个问题，模型能记住之前聊了什么
  • SimpleLoggerAdvisor：日志，调试时能看到每次请求和响应的详情

请求进来时，chatClient.prompt(query).call().content() 这一行就搞定了——组装请求、调 API、解析响应，Spring AI 全自动处理，不需要你手写任何 HTTP 调用或 JSON 拼装。

第四步：启动，跑通第一个请求

./mvnw spring-boot:run

启动成功后会打印：

🎉========================================🎉
✅ Application is ready!
🚀 Chat with you agent: http://localhost:8080/chat/simple?query=你好
🎉========================================🎉

浏览器打开这个链接，或者直接访问：

http://localhost:8080/chat/simple?query=给我讲一个笑话吧

模型返回了一个笑话？恭喜，链路通了。全程 0 费用。

再试试连续对话：

http://localhost:8080/chat/simple?query=我叫小明
http://localhost:8080/chat/simple?query=我叫什么名字？

第二个请求如果回答"你叫小明"，说明 ChatMemory 生效了——模型记住了你刚才说过的话。

项目结构总览

spring-ai-alibaba-hello/
├── pom.xml
├── src/main/java/.../chatbot/
│   ├── ChatbotApplication.java      # 启动类
│   └── ChatController.java          # 聊天接口
└── src/main/resources/
    └── application.yml              # 配置文件

就这么简单。一个启动类、一个 Controller、一个配置文件，3 个文件跑通 AI 聊天。

常见坑

依赖拉不下来 → 检查 pom.xml 里有没有补 spring-milestones 和 sonatype-snapshots 仓库，网络不通配国内镜像。

返回 401 Unauthorized → API Key 没配对。检查环境变量名是 ZHIPUAI_API_KEY，值是从 open.bigmodel.cn 复制的完整 Key。

返回空或报模型不存在 → 模型名写错了。确认是 glm-4，别写成 GLM-4（大小写敏感）或 glm-4.7-flash（除非你确实要用这个版本）。

JDK 版本报错 → 必须 JDK 17+，14/15/16 直接放弃。

想换通义千问 → 把 spring-ai-starter-model-zhipuai 换成 spring-ai-alibaba-starter，配置前缀改成 spring.ai.dashscope，环境变量改成 AI_DASHSCOPE_API_KEY，Controller 代码不用动。Spring AI 的 ChatClient 是模型无关的，换模型只换配置。

下一步可以玩什么

基础链路通了之后，可以继续往深了走（咱们之前用spring AI实现的功能都会重新实现一遍）：

  • Function Calling — 让模型主动调用你写好的 Java 方法，把 AI 嵌进业务流程
  • Prompt 模板 — 构造更复杂的提示词，告别硬编码
  • RAG 知识库问答 — 把自己的文档喂给模型，定制专属问答助手
  • 流式输出 — 用 chatClient.prompt(query).stream().content() 实现打字机效果

说实话，Function Calling 才是生产环境里最有价值的部分——让大模型调用你写好的接口，而不是简单问答。

Spring AI 这套东西的设计思路很清晰：ChatClient 抽象把模型选择和业务代码彻底解耦，今天用免费 GLM，明天换付费 Qwen，代码基本不用动。三个文件，5 分钟，0 费用，这就是 Java 开发者接入大模型该有的体验。

刚开始按照官方文档拉的示例demo，在换模型的过程中遇到了不少坑，这不下篇的素材就有了->_->

官方文档：java2ai.com/docs/1.0.0-…

有问题欢迎评论区见。

🎯 收藏+关注，持续更新

如果觉得有帮助，请：

  1. ⭐ 收藏本文 —— 方便后续查阅，随时回顾核心概念
  2. 📱 关注同名公众号 —— 点击菜单「获取源码」获取完整代码（Gitee 仓库）
  3. 🔗 分享给同事 —— 一起学习 Spring AI Alibaba，少走弯路

系列更新不迷路，下篇推荐：[Spring AI Alibaba 报错合集：我踩过的坑]

avatar
文章
阅读
粉丝