Spring AI ChatClient：让你的AI应用轻松适配各大模型-Seo优化-塔城地区网站建设公司

1、ChatClient简介

ChatClient是Spring AI为“大多数常见AI交互场景”设计的推荐入口点，是最佳实践指南，它涵盖了90%以上的用例。ChatClient不仅仅是一个简单的转发器，它集成了AI应用中最常见的“高级功能”，并以一致的、声明式的方式提供：

系统提示词：可以通过SystemPromptTemplate轻松设定AI的角色。
格式化响应：可以指定返回格式为JSON等，方便后续解析。
聊天记忆：通过Conversation或ChatMemory组件，轻松管理多轮对话的历史上下文，无需手动拼接消息列表。
Tools（函数调用）：可以方便地注册工具（FunctionCallback），让AI模型在需要时调用业务方法。

需要使用某个模型独有的、尚未被ChatClient通用API支持的参数或特性，可以回退到使用底层的ChatModel。

Spring AI的完整架构层次

上图，可以用三句话来理解：

Spring AI提供了OllamaChatModel等来封装各自的API，
ChatClient在这些ChatModel实现上，提供了更高层次的抽象和便利功能，
ChatClient提供一套统一的、更优雅的API使用所有模型。

**简化为一句话：**ChatClient是Spring AI提供的统一抽象层，让开发者能够用一套简洁的API调用封装好的各大模型。

总结：在使用Spring AI调用大模型API时，除非ChatClient无法实现，否则优先考虑用ChatClient。

2、ChatClient基本使用

2.1、创建方式

ChatClient 有两种创建方式：静态工厂方法和建造者模式。

2.1.1、静态工厂方法

// 最简单、最直接的创建方式ChatClientchatClient=ChatClient.create(ollamaChatModel);

优点：使用模型的默认配置，一行代码创建。

适合场景：快速原型、简单测试。

2.1.2、建造者模式

// 可配置的创建方式ChatClientchatClient=ChatClient.builder(dashScopeChatModel).defaultSystem("我是阿里云通义千问助手").build();

优点：可设置默认参数，支持高级功能（记忆、函数调用等）

适合场景：生产环境、需要定制化配置。

2.1.3、总结

从ChatClient源码看，不管是用create()还是builder()，都有一个参数就是ChatModel接口。而OllamaChatModel和DashScopeChatModel都是实现ChatModel接口。

2.2、示例代码演示

以文本生成测试为示例，创建一个测试类：ChatClientController，写接口调用API进行测试，方便实时修改提示信息与接口交互测试，我在接口加了一个msg参数接收用户输入的信息。

@RestController@RequestMapping(value="/chat/client")publicclassChatClientController{@AutowiredprivateOllamaChatModelollamaChatModel;/** * 文本生成 * @param msg 用户提示信息 * @return */@RequestMapping(value="/text")publicStringtextTest(@RequestParam(value="msg",defaultValue="你是谁呀？")Stringmsg){ChatClientchatClient=ChatClient.create(ollamaChatModel);returnchatClient.prompt().user(msg).call().content();}}

启动项目，访问接口，测试结果如下：

3、ChatClient多平台模型动态管理

我在《0元玩转大模型：SpringBoot集成Spring AI与Ollama实现文本+视觉AI》有介绍到，Ollama专注于文本生成和理解的工具，本身不支持生成音频或视频。

在实际项目使用过程中，也可能存在某一大模型厂商提供功能不满足业务需求，或者因价格原因不想使用它们提供模型，需要替换掉或同时接入多个模型。一般代码是不会轻易修改的，毕竟有时可能会迁一发动全身，这时能修改配置的方式来动态切换是最好的。

本文就以阿里云百炼大模型和本地Ollama为例，写演示代码。

3.1、pom依赖

由于项目是基于Spring AI与Ollama实现 Demo，因此需要添加云百炼大模型的maven依赖。

<!--云百炼--><dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-starter-dashscope</artifactId><version>1.1.0.0-RC1</version></dependency>

3.2、application.yml配置

spring:application:# 服务应用名name:spring-ai-demo-ollamaai:ollama:# 默认服务URL，windows# 文档：https://docs.ollama.com/windowsbase-url:http://localhost:11434chat:# 模型名称，必须下载到本地才可用model:gemma3:4b# 阿里 云百炼大模型dashscope:api-key:${ALI_AI_KEY}# 文本生成模型配置项chat:options:# 默认模型：qwen-plus，可不配置model:qwen-plus

3.3、示例代码演示

3.3.1、方式一：根据参数动态创建

实现思路大致如下：

定义多平台模型选项参数实体类MultiPlatformModelOptions，
定义多平台模型platformModelMap的Map，并初始化它，
根据参数可动态切换平台模型。

步骤一：定义多平台模型选项参数实体类：

@DatapublicclassMultiPlatformModelOptionsimplementsSerializable{/** * 平台名称 */privateStringplatform;/** * 模型名称 */privateStringmodel;/** * 模型温度 */privateDoubletemperature;}

步骤二：定义MultiPlatformModelController在里面模拟切换

@RestController@RequestMapping(value="/multi/platform")publicclassMultiPlatformModelController{privateMap<String,ChatModel>platformModelMap=newHashMap<>();publicMultiPlatformModelController(OllamaChatModelollamaChatModel,DashScopeChatModeldashScopeChatModel){platformModelMap.put("ollama",ollamaChatModel);platformModelMap.put("dashscope",dashScopeChatModel);}@RequestMapping(value="/streamText",produces="text/stream;charset=UTF-8")publicFlux<String>streamText(Stringmsg,MultiPlatformModelOptionsoptions){// 获取模型ChatModelchatModel=platformModelMap.get(options.getPlatform());// 创建ChatClientChatClientchatClient=ChatClient.builder(chatModel).defaultSystem("我是"+options.getPlatform()+"模型AI助手").defaultOptions(ChatOptions.builder().model(options.getModel())// 该参数如果不设置，模型调用时按默认值.temperature(options.getTemperature()).build()).build();// 调用模型returnchatClient.prompt().user(msg).stream().content();}}

步骤三：测试验证

启动项目，访问接口，构造请求参数示例：?msg=你是谁&platform=ollama&model=gemma3:4b&temperature=0.8。

测试结果如下：

3.3.2、方式二：使用配置类

实现思路大致和【方式一：根据参数动态创建】一样，只不过把参数放到配置类而已。

步骤一：在配置类application.yml添加以下内容：

# 多平台大模型配置项multi:platform:options:# 平台名称platform:ollama# 模型名称model:gemma3:4b# 模型温度temperature:0.8

步骤二：定义多平台模型配置类MultiPlatformModelConfig

@Configuration@Slf4jpublicclassMultiPlatformModelConfig{/** * 多平台模型配置 * @param ollamaChatModel 本地Ollama模型 * @param dashScopeChatModel 阿里通义千问模型 * @return */@BeanpublicMap<String,ChatModel>platformModelMap(OllamaChatModelollamaChatModel,DashScopeChatModeldashScopeChatModel){Map<String,ChatModel>map=newHashMap<>();map.put("ollama",ollamaChatModel);map.put("dashscope",dashScopeChatModel);log.info("已注册模型平台: {}",map.keySet());returnmap;}/** * 多平台模型客户端 * @param platformModelMap 多平台模型配置 * @param defaultPlatform 默认平台名称 * @param defaultModel 默认模型名称 * @param defaultTemperature 默认模型 * @return */@BeanpublicMap<String,ChatClient>chatClientMap(Map<String,ChatModel>platformModelMap,@Value("${multi.platform.options.default.platform}")StringdefaultPlatform,@Value("${multi.platform.options.default.model}")StringdefaultModel,@Value("${multi.platform.options.default.temperature}")DoubledefaultTemperature){Map<String,ChatClient>clientMap=newHashMap<>();// 为每个平台创建ChatClientplatformModelMap.forEach((platform,model)->{// 为每个平台创建基础ChatClientChatClient.Builderbuilder=ChatClient.builder(model).defaultSystem("我是"+platform+"模型AI助手");// 如果是默认平台，应用默认配置if(platform.equals(defaultPlatform)){builder.defaultOptions(ChatOptions.builder().model(defaultModel).temperature(defaultTemperature).build());}clientMap.put(platform,builder.build());});returnclientMap;}/** * 默认平台ChatClient * @param chatClientMap 多平台模型客户端 * @param defaultPlatform 默认平台名称 * @return */@Bean@PrimarypublicChatClientdefaultChatClient(Map<String,ChatClient>chatClientMap,@Value("${multi.platform.options.default.platform:ollama}")StringdefaultPlatform){ChatClientclient=chatClientMap.get(defaultPlatform);if(client==null){thrownewIllegalStateException("默认平台未找到: "+defaultPlatform);}returnclient;}/** * 显示平台【本地Ollama模型】方式ChatClient * @param chatClientMap 多平台模型客户端 * @return */@BeanpublicChatClientollamaClient(Map<String,ChatClient>chatClientMap){returnchatClientMap.get("ollama");}/** * 显示平台【阿里云通义千问】方式ChatClient * @param chatClientMap 多平台模型客户端 * @return */@BeanpublicChatClientdashScopeClient(Map<String,ChatClient>chatClientMap){returnchatClientMap.get("dashscope");}}

步骤三：创建DynamicPlatformModelController，添加三个接口，分别用于验证：根据配置值动态调用、显示平台【本地Ollama模型】方式调用和显示平台【阿里云通义千问】方式调用。

@RestController@RequestMapping(value="/dynamic/platform")publicclassDynamicPlatformModelController{@AutowiredprivateChatClientdynamicChatClient;@AutowiredprivateChatClientollamaClient;@AutowiredprivateChatClientdashScopeClient;/** * 根据配置值动态调用 * @param msg 用户提示信息 * @return */@RequestMapping(value="/streamText",produces="text/stream;charset=UTF-8")publicFlux<String>streamText(Stringmsg){returndynamicChatClient.prompt().user(msg).stream().content();}/** * 显示平台【本地Ollama模型】方式调用 * @param msg * @return */@RequestMapping(value="/streamText/ollama",produces="text/stream;charset=UTF-8")publicFlux<String>streamTextOllama(Stringmsg){returnollamaClient.prompt().user(msg).stream().content();}/** * 显示平台【阿里云通义千问】方式调用 * @param msg * @return */@RequestMapping(value="/streamText/dashScope",produces="text/stream;charset=UTF-8")publicFlux<String>streamTextDashScope(Stringmsg){returndashScopeClient.prompt().user(msg).stream().content();}}

步骤四：测试验证

根据配置值动态调用，结果如下：

显示平台【本地Ollama模型】方式调用，结果如下：

显示平台【阿里云通义千问】方式调，结果如下：

至此，Spring AI ChatClient多平台模型动态管理实战内容就结束啦！感兴趣的同学赶快动手起来吧。

4、我的公众号&资料获取

敬请关注我的公众号：大象只为你，持续更新技术知识…

如需Spring AI与Ollama实现 Demo，代码有更新，请后台回复：【ollama】。