原文地址https://docs.spring.io/spring-ai/reference/index.htmlSpring AI概述Spring AI 项目旨在简化人工智能功能在应用程序开发中的集成过程同时避免不必要的复杂性。该项目从诸如 LangChain 和 LlamaIndex 等著名的 Python 项目中汲取灵感但 Spring AI 并非这些项目的直接移植。该项目的创立基于这样一个信念下一波生成式 AI 应用将不仅限于 Python 开发者而将在多种编程语言中普及。Spring AI 解决了 AI 集成的根本挑战将您的企业数据和 API 与 AI 模型连接起来。Spring AI 提供了作为开发 AI 应用基础的抽象层。这些抽象具有多种实现使得只需少量代码更改即可轻松实现组件切换。Spring AI 提供以下功能跨 AI 提供商的可移植 API 支持用于聊天、文本生成图像和嵌入模型。同时支持同步和流式 API 选项并可访问模型特定功能。支持所有主要AI 模型提供商如 Anthropic、OpenAI、Microsoft、Amazon、Google 和 Ollama。支持的模型类型包括聊天补全嵌入文本生成图像音频转录文本生成语音内容审核结构化输出—— 将 AI 模型输出映射为 POJO。支持所有主要向量数据库提供商如 Apache Cassandra、Azure Vector Search、Chroma、Elasticsearch、GemFire、MariaDB、Milvus、MongoDB Atlas、Neo4j、OpenSearch、Oracle、PostgreSQL/PGVector、Pinecone、Qdrant、Redis、Typesense 和 Weaviate。跨向量存储提供商的可移植 API包括新颖的类似 SQL 的元数据过滤 API。工具/函数调用—— 允许模型请求执行客户端工具和函数从而按需访问必要的实时信息并采取行动。可观测性—— 提供对 AI 相关操作的洞察。用于数据工程ETL 流程的文档摄取框架。AI 模型评估—— 用于帮助评估生成内容并防御幻觉响应的工具。MCP模型上下文协议—— 为构建 AI 应用提供无缝集成支持使用 MCP 服务器或将基于 Spring 的服务暴露给 AI 生态系统。用于 AI 模型和向量存储的Spring Boot 自动配置和启动器。ChatClient API—— 用于与 AI 聊天模型通信的流式 API其惯用法类似于 WebClient 和 RestClient API。Advisors API—— 封装了常见的生成式 AI 模式转换发送至和接收自大语言模型LLM的数据并在不同模型和用例之间提供可移植性。支持聊天对话记忆和检索增强生成RAG。上述功能集使您能够实现常见的用例例如“基于您文档的问答”或“与您的文档聊天”。概念部分提供了 AI 概念及其在 Spring AI 中表示形式的高级概述。入门部分向您展示如何创建您的第一个 AI 应用程序。后续章节将以代码为中心深入探讨每个组件和常见用例。