Kotlin与Spring AI入门：构建你的第一个AI应用

引言：当Kotlin遇见AI

在现代软件开发中，大型语言模型(LLM)正逐渐成为开发工作流的重要组成部分。对于Kotlin开发者而言，Spring框架提供了一个优雅的解决方案来集成AI能力。Spring AI作为Spring生态的新成员，为Kotlin开发者提供了简单高效的AI集成方式。

Spring AI核心特性

Spring AI为开发者提供了三大核心能力：

1. 统一API接口：支持多种AI模型和LLM提供商（如OpenAI、Anthropic、Ollama等）
2. 智能组件：包含提示处理、上下文管理等高级功能
3. 向量存储与RAG支持：内置向量数据库和检索增强生成应用支持

环境准备

依赖配置

首先需要添加Spring AI相关依赖。以Anthropic的Claude模型为例：

%useLatestDescriptors
%use spring-ai-anthropic

API密钥设置

获取API密钥后，需要将其添加到环境变量中：

# MacOS/Linux
export ANTHROPIC_API_KEY=<你的API密钥>

# Windows
set ANTHROPIC_API_KEY=<你的API密钥>

在Kotlin代码中读取环境变量：

val apiKey = System.getenv("ANTHROPIC_API_KEY") ?: "YOUR_ANTHROPIC_API_KEY"

从基础到高级：三种API使用方式

1. 底层API调用

首先创建基础API客户端：

val anthropicApi = AnthropicApi.builder().apiKey(apiKey).build()

然后构造请求并获取响应：

val anthropicMessage = AnthropicApi.AnthropicMessage(
    listOf(AnthropicApi.ContentBlock("Tell me a joke")), 
    AnthropicApi.Role.USER
)

anthropicApi.chatCompletionEntity(
    AnthropicApi.ChatCompletionRequest(
        AnthropicApi.ChatModel.CLAUDE_3_5_SONNET.value,
        listOf(anthropicMessage), null, 100, 0.8, false
    )
)

这种方式虽然直接，但使用起来较为繁琐。

2. 使用ChatOptions提升抽象层级

创建ChatOptions配置模型参数：

val anthropicOptions = AnthropicChatOptions.builder()
    .model(AnthropicApi.ChatModel.CLAUDE_3_5_SONNET)
    .temperature(0.7)
    .maxTokens(1024)
    .build()

然后创建ChatModel实例：

val anthropicChat = AnthropicChatModel.builder()
    .anthropicApi(anthropicApi)
    .defaultOptions(anthropicOptions)
    .build()

现在可以更简洁地调用模型：

anthropicChat.call("Tell me a joke about Kotlin")

3. 使用ChatClient实现最高抽象

创建ChatClient实现与模型无关的调用：

val chatClient = ChatClient.create(anthropicChat)
chatClient.prompt("Tell me a joke about Kotlin").call().content()

这种方式使代码与具体模型解耦，便于未来切换不同模型。

实战示例：Kotlin笑话生成器

让我们用Spring AI构建一个简单的Kotlin笑话生成器：

fun generateKotlinJoke(): String {
    val chatClient = ChatClient.create(anthropicChat)
    return chatClient.prompt("Tell me a funny joke about Kotlin programming")
           .call()
           .content()
}

fun main() {
    println(generateKotlinJoke())
}

执行结果示例：

为什么Kotlin开发者从不迷路？
因为他们总有一个Nullable指南针！（?.compass）

最佳实践与注意事项

1. 温度参数调节：temperature值越高，输出越随机（0.7适合创意内容）
2. 令牌限制：合理设置maxTokens避免过长响应
3. 错误处理：添加适当的异常捕获机制
4. 性能优化：考虑异步调用提高响应速度

结语与进阶方向

通过本教程，你已经掌握了使用Kotlin和Spring AI进行基础AI应用开发的方法。接下来可以探索：

• 多轮对话上下文管理
• 检索增强生成(RAG)应用开发
• 自定义提示模板设计
• 模型性能评估与优化

Spring AI为Kotlin开发者打开了AI应用开发的大门，结合Kotlin的简洁语法和Spring的强大生态，你将能够构建出更加智能的应用程序。