嘿，AI开发者们！还在为大模型"一本正经地胡说八道"头疼吗？想让你的AI既能侃侃而谈，又能句句有依据？来看看这个基于Spring AI构建的RAG（检索增强生成）示例项目——它就像给大模型配了个"外挂知识库"，让AI回答既智能又靠谱！
这不是一个普通的AI Demo。我们用Spring AI框架搭了个"AI大脑增强器"，核心玩法是：让AI在回答前先"查资料"。通过向量检索技术，它能从海量文档中精准抓出相关信息，再结合大模型的生成能力，给出有理有据的回答。
简单说：普通AI是"凭记忆答题"，这个项目是"带课本考试"——成绩当然更靠谱！
看看我们用了哪些"硬核装备"：
- 核心框架：Spring Boot 3.3（稳如老狗的后端基座） + Spring AI 1.0（AI开发加速器）
- AI模型：OpenAI全家桶（deepseek-r1聊上天，doubao-embedding把文字变向量）
- 向量存储：PostgreSQL+pgvector（轻量能打） + Elasticsearch（分布式检索扛把子）
- 记忆外挂：Elasticsearch（帮AI记牢每一次聊天）
- 加速神器：Redis（热点问题秒回，不重复干活）
- 监控雷达：OpenTelemetry + Zipkin（全链路追踪，问题无所遁形）
- 开发语言：Java 24（最新特性，写得爽）
- 文档检索：像搜索引擎一样精准，从各种向量存储里"揪出"相关文档
- 对话记忆：Elasticsearch当"笔记本"，多轮聊天不迷路，还记得你上次说的话
- 查询优化：自动给你的问题"化妆"——压缩废话、重写清晰、扩展关键词
- 多级缓存：Redis出马，重复问题不用等，响应速度飞起来
- 容错Retry：网络波动？服务抽风？自动重试帮你搞定
- 性能监控：每一步耗时、每一次调用都看得明明白白，调优有方向
- 灵活配置：想换模型？改改参数；想调策略？配置文件搞定
- 拉取代码：
git clone https://github.com/your-repo/spring-ai-rag-example.git - 配置密钥：在
application.properties填好OpenAI API Key和数据库信息 - 启动服务：
mvn spring-boot:run - 访问接口：默认8080端口，试试
POST /api/v1/chat/stream发送你的问题
- 企业知识库：让新员工快速查到产品手册、流程规范
- 智能客服：根据历史对话和帮助文档，精准解答用户问题
- 学术助手：检索论文库，帮你总结研究成果、生成参考文献
- 个人助理：记住你的偏好，结合本地文档给出个性化建议
启动时看看控制台，有惊喜Banner！包含所有已启用功能的小对勾，一目了然～
想二次开发？代码结构清晰，核心逻辑都有注释，新增检索源、换个大模型都很方便！
用Spring AI构建你的第一个RAG应用，让AI不仅聪明，更"靠谱"！🚀
spring-ai-example/
├── .gitignore # 版本控制忽略文件配置
├── README.md # 项目说明文档
├── pom.xml # Maven依赖配置
└── src/
└── main/
└── java/
└── cn/hehouhui/example/rag/
├── RagApplication.java # 应用启动类（初始化Spring上下文）
├── controller/
│ └── RagController.java # 接口控制器（提供RESTful API）
├── service/
│ ├── RagService.java # RAG核心业务逻辑
│ ├── ModelConfigService.java # AI模型配置管理
│ └── RagCacheService.java # 缓存服务
├── config/
│ ├── CacheConfiguration.java # Redis缓存配置
│ ├── TracingConfiguration.java # 链路追踪配置
│ ├── AdvisorConfiguration.java # 增强器配置
│ └── RagPipelineConfiguration # RAG流水线配置
├── advisor/
│ ├── ChatMemoryAdvisor.java # 对话记忆增强器
│ ├── FirstConversationAdvisor # 首次对话增强器
│ └── AdvisorChain.java # 增强器链管理
└── memory/
├── ElasticsearchChatMemory.java # 对话记忆实体
└── ElasticsearchChatMemoryProvider # 对话记忆存储
-
环境准备
- JDK 21+（推荐使用Amazon Corretto或OpenJDK）
- Maven 3.8+
- PostgreSQL 14+（需安装pgvector插件）
- Elasticsearch 8.0+
- Redis 6.2+
- Zipkin（可选，用于链路追踪）
-
服务启动顺序
# 启动PostgreSQL（带pgvector） docker run -d -p 5432:5432 -e POSTGRES_PASSWORD=postgres postgres:14 -c shared_preload_libraries=pgvector # 启动Elasticsearch docker run -d -p 9200:9200 -e "discovery.type=single-node" elasticsearch:8.10.4 # 启动Redis docker run -d -p 6379:6379 redis:6.2 # 启动Zipkin（可选） docker run -d -p 9411:9411 openzipkin/zipkin
-
复制配置模板（如无则创建）
cp src/main/resources/application.properties.example src/main/resources/application.properties
-
关键配置项修改
# OpenAI配置 spring.ai.openai.api-key=your-openai-api-key spring.ai.openai.chat.model=gpt-3.5-turbo # 数据库配置 spring.datasource.url=jdbc:postgresql://localhost:5432/ragdb spring.datasource.username=postgres spring.datasource.password=postgres # Elasticsearch配置 spring.elasticsearch.uris=http://localhost:9200 # Redis配置 spring.data.redis.host=localhost spring.data.redis.port=6379
-
使用Maven启动
mvn spring-boot:run
-
验证启动成功
- 访问健康检查接口：
http://localhost:8080/api/v1/health - 控制台输出应用启动日志，包含Banner和功能列表
- 访问健康检查接口：
# 构建可执行JAR包
mvn clean package -DskipTests
# 生成的JAR包位于target/目录下
ls target/*.jar-
单机部署
# 直接运行JAR包 java -jar target/spring-ai-example-0.0.1-SNAPSHOT.jar --spring.profiles.active=prod # 后台运行 nohup java -jar target/spring-ai-example-0.0.1-SNAPSHOT.jar --spring.profiles.active=prod > app.log 2>&1 &
-
Docker部署（推荐）
# Dockerfile示例 FROM eclipse-temurin:21-jre-alpine VOLUME /tmp COPY target/*.jar app.jar ENTRYPOINT ["java","-jar","/app.jar"]
构建并启动容器：
docker build -t spring-ai-rag:latest . docker run -d -p 8080:8080 --name rag-app spring-ai-rag:latest
项目采用分层架构设计，核心流程如下：
- 请求处理层：通过
RagController接收用户查询请求 - 业务逻辑层：
RagService实现核心RAG流程（检索→增强→生成） - 数据访问层：向量存储（PostgreSQL/Elasticsearch）和缓存（Redis）交互
- 增强器链：通过多个Advisor实现查询优化、记忆管理等增强功能
- 监控层：OpenTelemetry+Zipkin实现全链路追踪
核心优势在于模块化设计，可灵活替换向量存储、AI模型等组件，适应不同场景需求。
可通过以下接口快速验证功能：
-
流式问答
curl -X POST http://localhost:8080/api/v1/chat/stream \ -H "Content-Type: application/json" \ -d '{"sessionId":"test123","query":"什么是RAG技术？","enableRetrieval":true}'
-
同步问答
curl -X POST http://localhost:8080/api/v1/chat \ -H "Content-Type: application/json" \ -d '{"sessionId":"test123","query":"Spring AI有哪些核心功能？"}'
-
获取会话历史
curl http://localhost:8080/api/v1/sessions/test123/history
发现Bug？有新想法？欢迎提Issue或PR，一起让这个项目更强大！