Spring AI 团队刚刚发布了Spring AI 2.0.0-M1。这不仅是一次常规的版本迭代，更是 2.x 系列的正式开篇：技术栈、基线版本、模型生态几乎经历了一轮“大换血”。
在此之前，Spring AI 1.1 正式版于上月发布，带来了 MCP 开箱即用、Prompt 缓存、自进化智能体等特性。
本次里程碑版本基于Spring Boot 4.0 GA和Spring Framework 7.0构建，以Jakarta EE 11为基石，并强制要求 Java 21作为最低开发环境。
整体来看，Spring AI 2.0.0-M1 一共合入了67 项改动，包括：
- 25 项功能增强：围绕 AI 原生开发体验做了大幅扩展；
- 32 项文档更新：对新手更友好，踩坑前多看一眼能省不少时间；
- 7 个稳定性修复 + 3 个安全依赖升级：把基础打得更稳。
下面按模块简单拆一下这次版本的几个关键变化。
底层架构全面跟进：Spring Boot 4 & Framework 7
这是 Spring AI 2.0 最根本的变化。Spring AI 已经从 Spring Boot 3.x 全面迁到Spring Boot 4.0 GA/Spring Framework 7.0。
这意味着：
- 红利：你可以直接享受到新一代框架在虚拟线程、AOT 编译、性能调优等方面的所有新特性。
- 成本：必须将运行环境升级到Java 21。对于老项目而言，这是迁移前需要重点评估的成本。
对应的 issue 地址：https://github.com/spring-projects/spring-ai/pull/4774
Spring Boot 4.0 的新特性我也发文章详细介绍过：Spring Boot 4.0 正式发布，人已麻。。。
Redis 生态深化：记忆能力 + 检索能力双升级
Redis 在本次更新中获得了史诗级的增强，成为构建企业级 AI 应用的首选存储方案之一。
1.Redis Chat Memory 全新实现
新增了基于 Redis 的聊天记忆组件（含 Spring Boot Starter），核心特性包括：
- 持久化记忆：支持跨会话保留上下文，不再丢失用户历史。
- 检索增强：支持文本搜索与范围查询。
- 性能调优：针对向量检索的HNSW 索引参数（M, efConstruction, efRuntime）完全开放配置。这意味着你可以根据业务需求，在“召回率”与“时延”之间做精细平衡。
对应的文档地址: https://docs.spring.io/spring-ai/reference/2.0/api/vectordbs/redis.html
2.Redis Vector Store 升级
向量存储能力同步升级：
- 新增文本搜索和范围查询能力。
- 同样暴露 HNSW 相关参数，方便进行细粒度的性能权衡。
Maven 依赖：
<dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-redis-store</artifactId> <version>2.0.0-M1</version> </dependency>如果你的技术栈里已经有了 Redis，引入这个依赖可以让你无需额外部署专门的向量数据库（如 Milvus、Chroma）或记忆存储组件，直接利用现有的 Redis 基础设施就能构建生产级的 AI 应用。
模型能力的全面爆发：Claude, OpenAI 与 Gemini
在大模型接入层，这次的更新也相当密集。
- Anthropic Claude：一口气上到 4.5
- 新增对Claude 4.5 Opus / Haiku的支持；
- 引入Citations API：可以在回答中精确标注来源文档的具体片段（PDF、纯文本等），对 RAG、问答类场景非常有用，目前支持 Claude 3.7 Sonnet 和 Claude 4 系列；
- 集成Files API：模型可以直接生成可下载文件（代码、报告等），更适合做 Agent / 工具型应用；
- 工具调用能力新增 Auto / Any / Tool / None 四种模式，方便精细控制“模型何时、如何用工具”。
- OpenAI：官方 Java SDK 原生接入
- Spring AI 现在直接集成了OpenAI 官方 Java SDK。
- 默认聊天模型也更新为当前前沿的 gpt-5-mini，开箱即用的效果会比老版本好不少。
- Google Gemini：思考深度可调：Google GenAI SDK 升级到1.30.0，并为 Gemini 模型补上了 ThinkingConfig / ThinkingLevel 配置。简单理解：可以通过配置项来控制“模型想多深”，在推理质量和响应时延之间找到更合适的平衡点。
企业级特性与基础设施扩展
除了模型和存储，这次在基础设施侧也做了几处针对企业场景的补强：
- Azure Cosmos DB Chat Memory：新增了对应的 Spring Boot Starter，Azure 生态的同学可以直接把聊天记录落在 Cosmos DB 里，少写不少样板代码。
- Model Context Protocol（MCP）增强：优化了 MCP 客户端的自动配置流程，引入可选的处理器注册表，并改善了对复杂 Bean 类型的支持，让 MCP 能更自然地融入现有 Spring 应用。
- GemFire 向量存储安全加固:GemFire Vector Store 现在支持用户名 / 密码认证，对有合规要求的企业环境更友好。
总结
下面是Spring AI 2.0.0-M1带来的关键升级：
- 基座升级：全面基于Spring Boot 4.0 GA和Spring Framework 7.0构建，强制要求 Java 21。
- Redis 史诗级增强：新增 Redis Chat Memory（支持持久化、搜索），向量存储支持文本搜索与 HNSW 参数调优，确立了 Redis 在 Spring AI 生态中 RAG/记忆系统的首选方案之一。
- 模型生态爆发：
- Anthropic：支持 Claude 4.5，新增 Citations API（引用溯源）和 Files API（生成文件）。
- OpenAI：集成官方 Java SDK，默认模型更新为 gpt-5-mini。
- Google：Gemini 支持思考深度（ThinkingLevel）配置。
- 企业级特性：新增 Azure Cosmos DB 聊天记忆，增强 MCP 客户端配置，GemFire 支持安全认证。
