Spring AI 学习笔记：模型调用和工具封装

写在前面

我主方向是 Java 后端，所以学习 AI 应用时会自然关注 Spring AI。它的意义是让 Java 项目更方便地接入大模型、Embedding、向量库和工具调用。

这篇文章只记录基础用法和我目前的理解。

模型调用

最基础的是文本生成：

String result = chatClient.prompt()
    .user("帮我总结这段文本")
    .call()
    .content();

这和直接调用 HTTP API 类似，但 Spring AI 帮我们封装了客户端、请求结构和返回结果。

Prompt 组织

AI 应用里 Prompt 很重要。我会把 Prompt 拆成几个部分：

• 角色
• 任务
• 输入
• 输出格式
• 约束条件

比如要求模型输出 JSON 时，后端还要继续校验，不能完全相信模型。

工具封装

工具调用是 Agent 项目里比较关键的一步。比如查询天气、搜索地点、读取知识库，都可以封装成工具。

我理解的重点不是写注解本身，而是工具的输入输出要稳定：

• 参数要明确
• 返回结构要固定
• 调用失败要有兜底
• 日志要方便排查

和后端能力的关系

Spring AI 让我感觉 AI 应用并没有脱离后端开发。一个真正能用的 AI 项目仍然需要：

• 接口设计
• 参数校验
• 数据存储
• 日志排查
• 异常处理
• 服务部署

模型只是其中一部分，工程化能力仍然重要。

小结

Spring AI 是我把 Java 后端和 AI 应用结合起来的一个学习入口。现阶段我更关注基础模型调用、Prompt 组织和工具封装，不会把它包装成复杂平台经验。