springboot接入springai-openAi代理和智谱ai调用示例

本文主要是介绍springboot接入springai-openAi代理和智谱ai调用示例，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

这里写自定义目录标题

- 背景
- 配置
- 具体代码
- 总结

背景

一说到调用openAI的api或者做一些小项目，大部分例子都是python或者node实现的，后来发现spring出了对于openai的支持框架，所以尝试用一用。这里是SpringAI的地址，有兴趣的可以去官网看：Spring AI

配置

首先声明，因为我是从0搭建的项目，所以我用的全部都是最新版，JDK22，springboot3.3.0，以下是对于spring AI的引用：

<properties><java.version>17</java.version><spring-ai.version>1.0.0-M1</spring-ai.version><spring-cloud.version>2023.0.0</spring-cloud.version></properties><dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-openai-spring-boot-starter</artifactId></dependency><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-zhipuai-spring-boot-starter</artifactId></dependency>

因为众所周知的原因，国内调用openAI是掉不通的，所以就出现了众多的代理服务，所以代码中也不能去调用openAI的官方域名，要改成自己的配置，此处打广告：代理地址，可以通过我的推荐链接注册：smnet1，会赠送¥1000 token
如下：

spring:ai:openai:# 全局配置api-key: sk-this-is-key # 申请的api-keybase-url: https://api.smnet1.asia/ #代理地址，可以通过我的推荐链接注册：https://api.smnet1.asia/register?aff=xg61，会赠送¥1000 token# 嵌入API配置embedding:options:model: kimi  #我使用的代理支持多种模型，所以这里填写自己想用的模型就可以# 聊天API配置chat:#指定某一个API配置(覆盖全局配置)api-key: sk-this-is-key # 申请的api-keybase-url: https://api.smnet1.asia/ #openAi访问地址(不写默认)options:model: kimi #我使用的代理支持多种模型，所以这里填写自己想用的模型就可以zhipuai:api-key: this-is-zhipu-key # 申请的api-keybase-url: https://open.bigmodel.cn/api/paas/ #填写zhipu的访问地址chat:enabled: true

具体代码

配置搞好了，就到了实际使用的部分，这个真的开箱即用，如果没啥个性化需求的话，不需要另外的配置了，直接开调：


@RestController
@RequestMapping("/ai")
public class ChatController {@Autowiredprivate OpenAiChatModel chatClient;@GetMapping(value = "/easyChat", params = "message", produces = MediaType.TEXT_EVENT_STREAM_VALUE)public Flux<ServerSentEvent<String>> easyChat(@RequestParam String message) {System.out.println(1111);//Prompt prompt = new Prompt(message); 如果这里不想另外指定，直接用这个就可以Prompt prompt = new Prompt(message, OpenAiChatOptions.builder().withModel("kimi") //大模型用哪个.withTemperature(0.9f) //温度高，更发散,准确性降低，温度低，更保守，准确性高.build());System.out.println(chatClient.call(prompt)); //如果想直接拿到结果，用这个call方法就可以//下面是流类型的返回，一个字一个字的返回，如果你像我一样用kimi，kimi不支持这样，需要用return chatClient.stream(prompt).filter(Objects::nonNull).filter(chatResponse -> chatResponse.getResults() != null).flatMap(chatResponse -> Flux.fromIterable(chatResponse.getResults())).filter(Objects::nonNull).map(Generation::getOutput).filter(Objects::nonNull).filter(content -> Objects.nonNull(content.getContent())).map(AssistantMessage::getContent).filter(Objects::nonNull).map(content -> ServerSentEvent.builder(content).build()).doOnNext(System.out::println).concatWith(Flux.just(ServerSentEvent.builder("complete").build())); // Optionally, you can add a completion signal}
}