Java开发者AI转型第二课！5行代码速通GPT5.4！Spring AI环境搭建+ChatClient入门指南

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

 大家好，我是直奔標杆！专注Java技术深耕与AI转型分享，和各位程序员伙伴一起抱团学习、共同进步～ 上一节我们聊了Spring AI在企业级RAG知识库中的应用，明确了它是Java开发者切入AI领域的最优路径。今天咱们不玩虚的，从0到1实操，手把手教大家搭建Spring AI环境，用5行核心代码无缝对接GPT5.4，快速入门ChatClient，避开底层开发的那些坑！

话不多说，咱们直奔主题——毕竟AI转型路上，实战才是最快的成长方式，也欢迎大家在评论区交流实操心得、踩坑经验，一起查漏补缺、共同提升！

在上一篇《Java程序员AI转型实战1：用Spring AI与MCP重塑企业级应用——打造专属RAG知识库》中，我们已经达成共识：Spring AI作为Spring生态的延伸，完美契合Java开发者的开发习惯，不用再手动封装HTTP请求、死磕JSON序列化、处理网络超时等脏活累活。

万丈高楼平地起，AI开发的第一步，就是搭建好坚实的开发地基。今天这节课，咱们就从零开始，揭开Spring Boot自动装配在AI领域的神秘面纱，一起跑通属于我们的第一个大模型Hello World，迈出AI Native开发的关键一步！

咱们提前明确学习重点，学完这节课，建议大家对照目标自查，有不懂的地方随时在评论区提问，咱们一起探讨解决：

环境搭建：熟练掌握Spring AI项目初始化与核心依赖引入（附完整依赖代码）；
安全与解耦：学会API-Key密钥的安全管理，实现一套代码无缝切换OpenAI与DeepSeek；
核心认知：搞懂ChatModel与ChatClient的区别，理解Spring AI的抽象设计哲学；
实战落地：用ChatClient.builder()敲下第一行AI代码，完成大模型基础对话。

在动手写代码前，咱们先搞清楚一个核心问题：当我们引入依赖、配置YAML后，Spring容器内部到底发生了什么？用一句话概括：Spring Boot自动装配会帮我们完成所有底层准备工作，我们只需要专注于业务逻辑即可。

简单梳理下流转逻辑（建议结合实操理解，不懂的评论区交流）：引入核心依赖 → 配置base-url和api-key → Spring自动初始化RestClient/WebClient → 自动注入ChatModel和ChatClient.Builder两个核心Bean → 直接调用Bean完成大模型通信。

这部分是重点，建议大家跟着一步步操作，遇到问题及时留言，咱们一起排查！前置要求：JDK 17+、Spring Boot 3.5.9（版本对应好，避免踩版本兼容坑）。

4.1 初始化Spring Boot项目

两种方式任选（新手推荐IDEA可视化操作）：

方式1：IDEA中新建Spring Boot项目，选择对应JDK版本，无需勾选额外依赖（后续手动引入）；
方式2：通过Spring Initializr（https://start.spring.io/）在线初始化，下载后导入IDEA。

4.2 引入核心依赖（pom.xml配置）

直接复制以下依赖到pom.xml中，刷新Maven即可（注释清晰，新手也能看懂）：

  
  
    
     
      
      
      
        org.springframework.boot 
       
      
        spring-boot-starter-web 
       
      
      
      
      
        org.springframework.ai 
       
      
        spring-ai-starter-model-openai

配置大模型的核心，就是告诉Spring Boot两个关键信息：“我要连哪个网关（base-url）”和“我是谁（api-key）”。这里重点强调：绝对不要把API-Key明文写在代码里，避免账户被盗刷！（很多新手踩过这个坑，大家一定要注意）

5.1 application.yml配置

打开src/main/resources/application.yml，复制以下配置，替换对应参数即可：

 spring: ai: openai: # 网关地址（咱们测试用的GPT中转站，无需科学上网） base-url: https://api.openai-hk.com # 密钥认证：使用环境变量注入，避免明文暴露 api-key: ${OPEN_AI_API_KEY} chat: # 指定调用的模型名称：GPT5.4 options: model: gpt-5.4

5.2 环境变量注入密钥（本地+服务器部署）

两种部署场景的配置方法，都给大家整理好了，直接套用：

本地开发（IDEA）：点击右上角启动项 → Edit Configurations → Environment variables → 添加 OPEN_AI_API_KEY=你的真实密钥；
Linux服务器部署：执行命令 export OPEN_AI_API_KEY="你的真实密钥" && java -jar app.jar。

补充说明：由于特殊原因，咱们测试时选用了GPT中转站（https://openai-hk.com/?i=54761），大家如果需要测试GPT，可通过该地址购买相关服务，性价比还是不错的（具体可自行了解，非广告，纯实操分享）。

很多新手刚开始会混淆这两个API，咱们用一张对比表讲清楚，结合实际场景选择，建议收藏备用（欢迎大家补充更多使用心得）：

对比维度

ChatModel（底层基石）

ChatClient（现代利器）

设计定位

底层模型通信的核心接口

高层应用构建器（基于ChatModel封装）

功能扩展

较弱，需手动扩展

支持链式调用，内置Advisor机制（对话历史管理、RAG等）

结构化输出

需手动解析响应文本

支持自动映射为Java对象（如entity(User.class)）

适用场景

简单功能实现、底层自定义开发

日常业务开发（99%的场景），支持RAG、历史记忆等高级特性

一句话总结（好记不踩坑）：ChatModel是汽车的发动机，ChatClient是驾驶员的方向盘。实际开发中，咱们直接用ChatClient就够了，高效又省心！

接下来就是最激动人心的环节！咱们写一个Spring MVC Controller，分别用ChatModel和ChatClient实现对话，大家可以对比感受两者的差异，实操后记得在评论区反馈自己的运行结果～

 @RestController public class AiChatController { private final ChatModel chatModel; private final ChatClient chatClient; // 构造器注入两个核心Bean（Spring自动装配，无需手动创建） public AiChatController(ChatModel chatModel, ChatClient.Builder chatClientBuilder) { this.chatModel = chatModel; this.chatClient = chatClientBuilder.build(); } / * 使用ChatModel访问GPT5.4（底层调用方式） * @param message 前端传入的对话内容 * @return 大模型响应结果 */ @GetMapping("/api/chat-model") public String simpleChatModel(@RequestParam String message) { return this.chatModel.call(message); } / * 使用ChatClient访问GPT5.4（推荐，简洁高效） * @param message 前端传入的对话内容 * @return 大模型响应结果 */ @GetMapping("/api/chat-client") public String simpleChatClient(@RequestParam String message) { // 核心5行代码（简化后其实就1行链式调用） return this.chatClient .prompt() // 1. 初始化对话请求流 .user(message) // 2. 传入对话内容 .call() // 3. 发送请求，同步等待响应 .content(); // 4. 提取响应纯文本 } }

运行测试（新手必看）

1. 启动Spring Boot项目，确保控制台无报错；

2. 打开浏览器，分别访问两个接口，测试对话效果：

ChatModel测试：http://localhost:8080/api/chat-model?message=讲一个关于程序员的冷笑话
ChatClient测试：http://localhost:8080/api/chat-client?message=讲一个关于程序员的冷笑话

如果浏览器顺利返回大模型生成的笑话，恭喜你！已经正式跨入AI Native开发的大门啦～要是遇到报错，别慌，把报错信息贴在评论区，咱们一起排查解决！

Spring AI的核心优势之一就是“厂商解耦”，切换其他大模型无需修改业务代码，只需两步操作，大家可以动手试试（实操后记得分享感受）：

8.1 替换依赖

将OpenAI依赖替换为DeepSeek依赖：

  
  
    
     
  
    
     
     
       org.springframework.ai 
      
     
       spring-ai-starter-model-deepseek

8.2 修改YAML配置

 spring: ai: openai: base-url: https://api.openai-hk.com api-key: ${OPEN_AI_API_KEY} chat: options: model: gpt-5.4 # 新增DeepSeek配置 deepseek: api-key: ${DEEPSEEK_API_KEY} # 指定主模型（多模型配置时必须指定，否则启动报错） model: chat: deepseek

注意事项

如果配置了多个模型，未指定spring.ai.model.chat，启动时会报错（如下），大家可以留意一下，遇到这种情况只需指定主模型即可：

 Parameter 0 of constructor in com.uka.springai.demo001.AiChatController required a single bean, but 2 were found: - deepSeekChatModel: defined by method 'deepSeekChatModel' in class path resource [org/springframework/ai/model/deepseek/autoconfigure/DeepSeekChatAutoConfiguration.class] - openAiChatModel: defined by method 'openAiChatModel' in class path resource [org/springframework/ai/model/openai/autoconfigure/OpenAiChatAutoConfiguration.class]

补充：除了付费大模型，大家也可以用Ollama部署本地模型测试，操作逻辑和上述一致，感兴趣的伙伴可以自行尝试，有问题随时交流～

今天这节课，咱们完成了从0到1的实操跨越，核心收获如下（建议大家自行梳理笔记，加深记忆）：

借助Spring Boot自动装配，避开了底层网络通信的坑，实现了“配置驱动、厂商解耦”的架构；
掌握了企业级API-Key的安全管理规范，避免了密钥泄露的风险；
搞懂了ChatModel与ChatClient的区别，明确了日常开发优先使用ChatClient；
用极简代码跑通了大模型基础对话，实现了与GPT5.4、DeepSeek的无缝对接。

AI转型不是一蹴而就的，每一步实操都是成长。希望大家课后多动手练习，把今天学到的知识点落地，遇到问题不要怕，评论区一起探讨、共同进步！

不知道大家有没有发现一个问题：为什么别人的AI客服那么专业，而你的AI总是答非所问？咱们代码中的.user(message)，到底背后隐藏着什么逻辑？

下一节，咱们一起学习《给大模型立人设！揭秘System/User对话角色》，重点掌握：

深度剖析大模型通信的三大核心角色（System / User / Assistant）；
解析大模型常用参数，让你的AI更具个性化、更贴合业务需求。

咱们的AI转型硬核之旅，才刚刚开始！关注我（直奔標杆），一起从零基础进阶到实战，每一步都不迷路～

Java程序员AI转型实战1：用Spring AI与MCP重塑企业级应用——打造你的专属RAG知识库

1. 今天的实操你跑通了吗？遇到了哪些坑？欢迎在评论区分享你的踩坑经验和解决方案；

2. 对于ChatModel和ChatClient的使用，你有什么更好的技巧？欢迎补充；

3. 你还想学习Spring AI的哪些知识点？评论区留言，咱们一起安排！

最后，别忘了点赞+收藏，关注直奔標杆，和更多Java伙伴一起深耕AI转型，共同成长～