前面几节课，咱们用纯 Java 玩转了本地大模型、国产 API、甚至 AI 绘画——是不是觉得“AI 应用开发”也没那么玄乎？

但你心里可能还卡着一个问题：

“我公司项目全是 SpringBoot 啊！难道要重写一套？有没有办法 直接在现有 Spring Boot 项目里加个 AI 功能，比如一个 /ai/chat 接口？”

当然有！而且超简单！

准备好了吗？咱们这就把 AI 能力“注入”你的 Spring Boot 应用！

🎯 引入：为什么企业级 AI 必须用 Spring Boot 整合？

想象一下真实场景：

• 产品经理说：“用户反馈太难处理，能不能让 AI 先自动分类？”

• 运维同事问：“能不能做个智能日志分析助手？”

• 客户希望：“在我们后台加个‘AI 客服’入口！”

这些需求，最终都要变成一个 HTTP 接口，集成到现有系统里。

而 Spring Boot 是什么？是 Java 企业开发的“标准答案”！所以，让 AI 能力以 Spring Bean 的形式注入 Controller，才是企业级开发的正确姿势！

🧠 理论铺垫：LangChain4j 如何“融入” Spring Boot？

还记得咱们说 LangChain4j 是“AI 乐高积木”吗？

现在，LangChain4j 官方提供了 Spring Boot Starter ——它就像一包“预装好的积木”，你只要加个依赖，QwenChatModel 自动变成 Spring Bean！

整个流程长这样：

[MISSING IMAGE: , ]

是不是超省心？你只管写业务逻辑，底层连接、重试、序列化全交给 Starter！

langchain4j-spring-boot-starter。截至 2026 年初，LangChain4j 官方已提供 Spring Boot 支持，我们优先使用 dev.langchain4j:langchain4j-spring-boot-starter。

官方文档：https://docs.langchain4j.dev/integrations/language-models/dashscope#spring-boot

⚙️ 实战 Part 1：创建 Spring Boot 项目 + 加依赖

第一步：用 Spring Initializr 创建项目

• 访问 start.spring.io

• 选 Java 17+, Maven, Spring Boot 3.x

• 添加依赖：Spring Web

• Group: com.example, Artifact: ai-spring-demo

• 点击 Generate，导入 IDEA

第二步：添加 LangChain4j Spring Boot Starter

在 pom.xml 中加入：

<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter</artifactId> </dependency> <dependency> <groupId>dev.langchain4j</groupId> <artifactId>langchain4j-community-dashscope-spring-boot-starter</artifactId> <version>1.11.0-beta19</version> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> <scope>test</scope> </dependency>

⚙️ 实战 Part 2：配置 API Key + 写 Controller

第一步：配置 application.yml

langchain4j: community: dashscope: chat-model: api-key: ${DASHSCOPE_API_KEY} # 从环境变量读取，安全！ model-name: qwen-max # 可选：qwen-plus, qwen-turbo 等

🔐 重要！不要把 API Key 写死在 yml 里！

第二步：写一个 AI Controller

/** * @author 小编码上说 * @version 1.0 * @data 2026/2/11 15:05 */ @RestController @RequestMapping("/ai") public class AiController { @Autowired ChatModel qwenChatModel; @RequestMapping("/chat") public String test(@RequestParam(defaultValue="你是谁") String message) { String chat = qwenChatModel.chat(message); return chat; } }

⚠️ 为什么能直接注入 ChatModel？因为 Starter 里的 AutoConfiguration 检测到 langchain4j.qwen.api-key 配置后，自动创建了 QwenChatModel 的 Bean！

In this case, an instance of QwenChatModel (an implementation of a ChatModel) will be automatically created, and you can autowire it where needed:

自动配置类：DashScopeAutoConfiguration

@AutoConfiguration @EnableConfigurationProperties({DashScopeProperties.class}) public class DashScopeAutoConfiguration { public DashScopeAutoConfiguration() { }

▶️ 启动 & 测试

1. 设置环境变量：

export ALIBABA_API_KEY=你的阿里云API_KEY

1. 启动应用：run

1. 访问：

http://localhost:8080/ai/chat?message=你好啊

你会看到浏览器直接返回：

你好！我是通义千问（Qwen），阿里巴巴研发的超大规模语言模型……

🎉 成了！一个企业级 AI 接口，就这么诞生了！

❓ 互动思考：如果我想换模型，比如 DeepSeek，怎么办？

好问题！只需三步：

1. 在 pom.xml 加 langchain4j-open-ai-spring-boot-starter 依赖；

1. 在 application.yml 改成 OpenAI 配置（baseUrl: https://api.deepseek.com）；

1. 重启！Spring Boot 会自动切换 Bean！

这就是 Starter + 自动配置 的威力——模型可插拔，业务代码零修改！

官方文档：https://docs.langchain4j.dev/integrations/language-models/open-ai

扩展：通过引入自定义配置类，可以同时配置多模型。

• 配置方式：

@Configuration public class LangChain4jConfig { @Value("${dashscope.api-key}") private String apiKey; @Bean public ChatModel qwenMaxChatModel() { return DashScopeChatModel.builder() .apiKey(apiKey) .modelName("qwen-max") .temperature(0.7) .maxTokens(2048) .build(); } @Bean public ChatModel qwenPlusChatModel() { return DashScopeChatModel.builder() .apiKey(apiKey) .modelName("qwen-plus") .temperature(0.5) .maxTokens(1024) .build(); } }

• 使用方式：

@Service public class AiService { @Autowired @Qualifier("qwenMaxChatModel") private ChatModel qwenMaxChatModel; @Autowired @Qualifier("qwenPlusChatModel") private ChatModel qwenPlusChatModel; }

🎁 收尾：本节课你掌握了什么？

• ✅ 成功将 LangChain4j 与 Spring Boot 无缝整合；

• ✅ 通过 Starter 实现 Qwen 模型的自动装配，告别手动 new；

• ✅ 用 10 行代码写出生产级 AI 对话接口；

• ✅ 为后续接入记忆对话、知识库、流式响应打下坚实基础！

从今天起，你不再是一个只会 CRUD 的开发者——你是那个能给公司系统“注入 AI 大脑”的关键人物！

记得先跑通这个接口，有问题评论区见！咱们下期继续“企业级 AI”之旅！

参考文档：

• 核心库查询地址：https://central.sonatype.com/artifact/dev.langchain4j/langchain4j/versions

• Starter 组件（以 OpenAI 为例）：https://central.sonatype.com/artifact/dev.langchain4j/langchain4j-open-ai-spring-boot-starter/versions

• 操作：打开链接后，页面会列出该组件的所有发布版本（包括正式版、beta 版），并显示每个版本的发布时间。