# Spring AI聊天
**Repository Path**: wb04307201/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**: 35
- **Forks**: 10
- **Created**: 2024-05-28
- **Last Updated**: 2026-04-19
## Categories & Tags
**Categories**: Uncategorized
**Tags**: llm, RAG, SpringAI, AI
## 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
1.1.4
pom
import
com.gitee.wb04307201.spring-ai-chat
spring-ai-chat-spring-boot-starter
1.1.18
```
### 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"
]
}
}
}
```
通过配置课题为工具添加中文名和描述以及默认选中，例如
```yaml
spring:
ai:
chat:
ui:
tools:
- name: spring-ai-mcp-client - time
label: 时间
description:
一个提供时间和时区转换功能的模型上下文协议服务。该服务使大型语言模型能够获取当前时间信息，并使用IANA时区名称进行时区转换，同时具备自动检测系统时区的功能。
default-selected: true
```
重启项目 访问`http://localhost:8080/spring/ai/chat`
勾选工具，输入以下内容
```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
可以编写技能加入技能库，技能可以配置参数与使用的工具，配置说明如下：
```yaml
spring:
ai:
chat:
ui:
skills:
- name: 【新闻看】洞察报告 # 技能名称
description: 通过网络搜索采集指定主题的月度事件，通过深度分析生成月度事件洞察报告与关联思维导图，适用于企业情报监控、行业趋势追踪等场景 # 技能描述
preloading: true # 是否预加载
tools:
- spring-ai-mcp-client - time
- spring-ai-mcp-client - sequential-thinking
- spring-ai-mcp-client - bing-search
- spring-ai-mcp-client - fetch
- spring-ai-mcp-client - mcp-server-chart
- spring-ai-mcp-client - filesystem
skill: classpath:skills/news-watch.st
params:
- name: param1
label: 主题
type: text # select | text | text_area 下拉框 | 文本 | 多行文本 下拉需配合options属性进行配置
# options: 下拉框选项
# - label: 你好
# value: 你好
# - label: Hello
# value: Hello
required: true # 是否必填（默认非必填）
default-value: 党 # 默认值
# placeholder: 输入提示
```
```text
通过网络搜索获取{param1}当前年每月的重要的事件，通过深度分析生成洞察报告，并形成思维导图，要求：
- 使用 @get_current_time 获取当前时间
- 使用 @sequentialthinking 来规划所有的步骤，思考和分支
- 可以使用 @bing_search 按照当前年逐月进行一汽的重要的事件搜索，每一轮Thinking之前都先搜索验证
- 可以用 @fetch 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
- 形成"新闻看{param1}洞察报告"，并使用 @write_file 在允许访问的目录里保存报告为*.md
- 分析报告保存后返回下载地址，格式为 http://localhost:8080/spring/ai/chat/file/download/{fileName} ，fileName为保存的文件名，使用a标签展示，点击打开新的标签进行下载
- 进行事件关联分析，使用 @generate_mind_map 形成思维导图
- 返回的思维导图url使用img标签展示，并设置width为100%，点击图片打开新的标签页显示图片
```
可以通过技能库按钮精准使用技能
如果技能设置了预加载，也可以在对话中直接使用
重启项目 访问`http://localhost:8080/spring/ai/chat`
