# Spring AI聊天
**Repository Path**: booksReader/spring-ai-chat
## Basic Information
- **Project Name**: Spring AI聊天
- **Description**: 为你的Spring Ai快速添加聊天界面
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 12
- **Created**: 2026-03-30
- **Last Updated**: 2026-03-31
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# Spring AI Chat —— Spring AI聊天
> 为你的Spring Ai快速添加聊天界面。
[](https://jitpack.io/#com.gitee.wb04307201/spring-ai-chat)
[](https://gitee.com/wb04307201/spring-ai-chat)
[](https://gitee.com/wb04307201/spring-ai-chat)
[](https://github.com/wb04307201/spring-ai-chat)
[](https://github.com/wb04307201/spring-ai-chat)
  
## 功能特性
- 🤖 AI聊天界面
- 📚 知识库(RAG)
- 🔧 工具(MCP)
- 🧠 技能库
- ⚙️ 自动配置
## 快速添加聊天界面
下面以Zhipu AI为例进行说明，可以按需替换成其它大语言模型依赖：
### 1.引入聊天依赖
增加 JitPack 仓库：
```xml
jitpack.io
https://jitpack.io
```
引入依赖；
```xml
org.springframework.ai
spring-ai-bom
1.1.3
pom
import
com.gitee.wb04307201.spring-ai-chat
spring-ai-chat-spring-boot-starter
1.1.10
```
### 2. 添加Spring AI依赖
```xml
org.springframework.ai
spring-ai-starter-model-zhipuai
```
### 3. 添加配置
```yaml
spring:
ai:
zhipuai:
api-key: ${ZHIPUAI_API_KEY}
```
### 4. 启动项目
访问`http://localhost:8080/spring/ai/chat`
## RAG
下面以Redis作为向量数据库和Tika作为文档拆解工具为例，添加依赖：
```xml
org.springframework.ai
spring-ai-starter-vector-store-redis
org.springframework.ai
spring-ai-tika-document-reader
```
添加配置：
```yaml
spring:
ai:
vectorstore:
redis:
initialize-schema: true
index-name: custom-index
prefix: custom-prefix
data:
redis:
host: localhost
port: 9379
password: 123456
```
实现[IDocumentRead.java](spring-ai-chat/src/main/java/cn/wubo/spring/ai/chat/IDocumentRead.java)接口
例如[TikaDocumentRead.java](spring-ai-chat-test/src/main/java/cn/wubo/spring/ai/chat/TikaDocumentRead.java)
重启项目 访问`http://localhost:8080/spring/ai/chat`
出现上传文件和知识库按钮
rag配置如下：
```yaml
spring:
ai:
chat:
ui:
rag:
similarityThreshold: 0.50 # 相似度阈值,默认0.0
top-k: 4 # top-k，默认4
defaultPromptTemplate: |
Context information is below.
---------------------
{context}
---------------------
Given the context information and no prior knowledge, answer the query.
Follow these rules:
1. If the answer is not in the context, just say that you don't know.
2. Avoid statements like "Based on the context..." or "The provided information...".
Query: {query}
Answer:
defaultEmptyContextPromptTemplate: |
The user query is outside your knowledge base.
Politely inform the user that you can't answer it.
```
## MCP
以时间MCP服务为例，添加依赖：
```xml
org.springframework.ai
spring-ai-starter-mcp-client
```
添加配置：
```yaml
spring:
ai:
mcp:
client:
stdio:
servers-configuration: classpath:mcp-servers.json
```
```json
//mcp-servers.json
{
"mcpServers": {
"time": {
"command": "uvx",
"args": [
"mcp-server-time",
"--local-timezone=Asia/Shanghai"
]
}
}
}
```
重启项目 访问`http://localhost:8080/spring/ai/chat`
```text
1. 现在的时间
2. 获取`https://www.163.com/`网页内容
3. 从上一步的网页内容中随机选取获取一条新闻
4. 打开浏览器，访问`https://www.baidu.com/`地址
5. 在搜索框输入步骤3的新闻，并并点击搜索
```
## 技能库
可以依据工具编写提示词形成技能库，配置说明
```yaml
spring:
ai:
chat:
ui:
skills:
- name: 技能名
tools:
- 工具1
- 工具2
skill: 提示词，支持classpath，可在在提示词中使用{param1}作为用户输入参数
```
例如深入思考：
工具：
```json
{
"mcpServers": {
"sequential-thinking": {
"command": "npx.cmd",
"args": [
"-y",
"@modelcontextprotocol/server-sequential-thinking"
]
},
"bing-search": {
"args": [
"-y",
"bing-cn-mcp"
],
"command": "npx.cmd"
}
"fetch": {
"args": [
"mcp-server-fetch"
],
"command": "uvx"
}
}
}
```
配置：
```yaml
spring:
ai:
chat:
ui:
skills:
- name: "深入思考"
tools:
- spring-ai-mcp-client - sequential-thinking
- spring-ai-mcp-client - bing-search
- spring-ai-mcp-client - fetch
skill: classpath:skills/sequential-thinking.st
```
提示词：
```text
来深入思考一下，{param1}可以用于什么实际场景当中，要求：
- 使用sequentialthinking工具来规划所有的步骤，思考和分支
- 可以使用bing_search工具进行搜索，每一轮Thinking之前都先搜索验证
- 可以用fetch工具来查看搜索到的网页详情
- 思考轮数不低于5轮，且需要有发散脑暴意识，需要有思考分支
- 每一轮需要根据查询的信息结果，反思自己的决策是否正确
- 返回至少10个高价值的使用场景，并详细说明为什么价值高，如何用
```
重启项目 访问`http://localhost:8080/spring/ai/chat`
