Spring AI 支持智谱 AI 提供的各种 AI 语言模型。你可以与智谱 AI 语言模型进行交互，并基于智谱 AI 模型创建多语言会话助手。

​
前提条件

你需要使用智谱 AI 创建一个 API 才能访问智谱 AI 语言模型。 在智谱 AI 注册页面创建一个帐户，并在API 密钥页面生成令牌。 Spring AI 项目定义了一个名为 spring.ai.zhipuai.api-key 的配置属性，你应该将其设置为从 API 密钥页面获取的 API 密钥 的值。 你可以在 application.properties 文件中设置此配置属性： 
spring.ai.zhipuai.api-key=<你的智谱AI API密钥>
为了在处理 API 密钥等敏感信息时增强安全性，你可以使用 Spring 表达式语言 (SpEL) 来引用自定义环境变量： 
# 在 application.yml 中
spring:
  ai:
    zhipuai:
      api-key: ${ZHIPUAI_API_KEY}

# 在你的环境或 .env 文件中
export ZHIPUAI_API_KEY=<你的智谱AI API密钥>
你也可以在应用程序代码中以编程方式设置此配置： 
// 从安全来源或环境变量中检索 API 密钥
String apiKey = System.getenv("ZHIPUAI_API_KEY");

​
添加仓库和 BOM

Spring AI 的构件发布在 Maven Central 和 Spring Snapshot 仓库中。 请参阅构件仓库部分，将这些仓库添加到你的构建系统中。 为了帮助进行依赖管理，Spring AI 提供了一个 BOM (bill of materials)，以确保在整个项目中使用一致版本的 Spring AI。请参阅依赖管理部分，将 Spring AI BOM 添加到你的构建系统中。

​
自动配置

:::note Spring AI 自动配置、启动器模块的构件名称发生了重大变化。 有关更多信息，请参阅升级说明。 ::: Spring AI 为智谱 AI 聊天客户端提供 Spring Boot 自动配置。 要启用它，请将以下依赖项添加到项目的 Maven pom.xml 文件中： 
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-zhipuai</artifactId>
</dependency>
或添加到你的 Gradle build.gradle 构建文件中。 
dependencies {
    implementation 'org.springframework.ai:spring-ai-starter-model-zhipuai'
}
:::tip 请参阅依赖管理部分，将 Spring AI BOM 添加到你的构建文件中。 :::

​
聊天属性

​
重试属性

前缀 spring.ai.retry 用作属性前缀，允许你配置智谱 AI 聊天模型的重试机制。
属性描述默认值
spring.ai.retry.max-attempts最大重试次数。10
spring.ai.retry.backoff.initial-interval指数退避策略的初始休眠持续时间。2 秒
spring.ai.retry.backoff.multiplier退避间隔乘数。5
spring.ai.retry.backoff.max-interval最大退避持续时间。3 分钟
spring.ai.retry.on-client-errors如果为 false，则抛出 NonTransientAiException，并且不尝试对 4xx 客户端错误代码进行重试false
spring.ai.retry.exclude-on-http-codes不应触发重试的 HTTP 状态代码列表（例如，抛出 NonTransientAiException）。空
spring.ai.retry.on-http-codes应触发重试的 HTTP 状态代码列表（例如，抛出 TransientAiException）。空

​
连接属性

前缀 spring.ai.zhiPu 用作属性前缀，允许你连接到智谱 AI。
属性描述默认值
spring.ai.zhipuai.base-url要连接的 URLhttps://open.bigmodel.cn/api/paas
spring.ai.zhipuai.api-keyAPI 密钥-

​
配置属性

:::note 聊天自动配置的启用和禁用现在通过前缀为 spring.ai.model.chat 的顶级属性进行配置。 要启用，spring.ai.model.chat=zhipuai (默认启用) 要禁用，spring.ai.model.chat=none (或任何与 zhipuai 不匹配的值) 此更改是为了允许配置多个模型。 ::: 前缀 spring.ai.zhipuai.chat 是属性前缀，允许你配置智谱 AI 的聊天模型实现。
属性描述默认值
spring.ai.zhipuai.chat.enabled (已移除且不再有效)启用智谱 AI 聊天模型。true
spring.ai.model.chat启用智谱 AI 聊天模型。zhipuai
spring.ai.zhipuai.chat.base-url可选地覆盖 spring.ai.zhipuai.base-url 以提供特定于聊天的 urlhttps://open.bigmodel.cn/api/paas
spring.ai.zhipuai.chat.api-key可选地覆盖 spring.ai.zhipuai.api-key 以提供特定于聊天的 api-key-
spring.ai.zhipuai.chat.options.model这是要使用的智谱 AI 聊天模型GLM-3-Turbo (GLM-3-Turbo、GLM-4、GLM-4-Air、GLM-4-AirX、GLM-4-Flash 和 GLM-4V 指向最新的模型版本)
spring.ai.zhipuai.chat.options.maxTokens在聊天补全中生成的最大标记数。输入标记和生成标记的总长度受模型上下文长度的限制。-
spring.ai.zhipuai.chat.options.temperature使用的采样温度，介于 0 和 1 之间。较高的值（如 0.8）会使输出更随机，而较低的值（如 0.2）会使其更集中和确定。我们通常建议更改此项或 top_p，但不能同时更改两者。0.7
spring.ai.zhipuai.chat.options.topP温度采样的替代方法，称为核采样，其中模型考虑具有 top_p 概率质量的标记的结果。因此 0.1 表示仅考虑构成前 10% 概率质量的标记。我们通常建议更改此项或温度，但不能同时更改两者。1.0
spring.ai.zhipuai.chat.options.stop模型将停止生成由 stop 指定的字符，目前仅支持 [“stop_word1”] 格式的单个停止词-
spring.ai.zhipuai.chat.options.user代表你的最终用户的唯一标识符，可以帮助智谱 AI 监控和检测滥用行为。-
spring.ai.zhipuai.chat.options.requestId该参数由客户端传递，并且必须确保唯一性。它用于区分每个请求的唯一标识符。如果客户端未提供，平台将默认生成它。-
spring.ai.zhipuai.chat.options.doSample当 do_sample 设置为 true 时，启用采样策略。如果 do_sample 为 false，则采样策略参数 temperature 和 top_p 将不会生效。true
spring.ai.zhipuai.chat.options.proxy-tool-calls如果为 true，Spring AI 将不会在内部处理函数调用，而是将它们代理到客户端。然后由客户端负责处理函数调用，将它们分派到适当的函数，并返回结果。如果为 false（默认值），Spring AI 将在内部处理函数调用。仅适用于具有函数调用支持的聊天模型false
:::note 你可以为 ChatModel 实现覆盖通用的 spring.ai.zhipuai.base-url 和 spring.ai.zhipuai.api-key。 如果设置了 spring.ai.zhipuai.chat.base-url 和 spring.ai.zhipuai.chat.api-key 属性，则它们优先于通用属性。 如果你想为不同的模型和不同的模型端点使用不同的智谱 AI 帐户，这将非常有用。 ::: :::tip 所有以 spring.ai.zhipuai.chat.options 为前缀的属性都可以在运行时通过向 Prompt 调用添加特定于请求的聊天选项来覆盖。 :::

​
运行时选项

ZhiPuAiChatOptions.java 提供模型配置，例如要使用的模型、温度、频率惩罚等。 在启动时，可以使用 ZhiPuAiChatModel(api, options) 构造函数或 spring.ai.zhipuai.chat.options.* 属性配置默认选项。 在运行时，你可以通过向 Prompt 调用添加新的、特定于请求的选项来覆盖默认选项。 例如，要为特定请求覆盖默认模型和温度： 
ChatResponse response = chatModel.call(
    new Prompt(
        "生成 5 个著名海盗的名字。",
        ZhiPuAiChatOptions.builder()
            .model(ZhiPuAiApi.ChatModel.GLM_3_Turbo.getValue())
            .temperature(0.5)
        .build()
    ));
:::tip 除了特定于模型的 ZhiPuAiChatOptions之外，你还可以使用通过 ChatOptionsBuilder#builder() 创建的可移植 ChatOptions 实例。 :::

​
示例控制器

创建一个新的 Spring Boot 项目，并将 spring-ai-starter-model-zhipuai 添加到你的 pom (或 gradle) 依赖项中。 在 src/main/resources 目录下添加一个 application.properties 文件，以启用和配置智谱 AI 聊天模型： 
spring.ai.zhipuai.api-key=你的API密钥
spring.ai.zhipuai.chat.options.model=glm-4-air
spring.ai.zhipuai.chat.options.temperature=0.7
:::tip 将 api-key 替换为你的智谱 AI 凭据。 ::: 这将创建一个 ZhiPuAiChatModel 实现，你可以将其注入到你的类中。 以下是一个简单的 @Controller 类的示例，该类使用聊天模型进行文本生成。 
@RestController
public class ChatController {

    private final ZhiPuAiChatModel chatModel;

    @Autowired
    public ChatController(ZhiPuAiChatModel chatModel) {
        this.chatModel = chatModel;
    }

    @GetMapping("/ai/generate")
    public Map generate(@RequestParam(value = "message", defaultValue = "给我讲个笑话") String message) {
        return Map.of("generation", this.chatModel.call(message));
    }

    @GetMapping("/ai/generateStream")
    public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "给我讲个笑话") String message) {
        var prompt = new Prompt(new UserMessage(message));
        return this.chatModel.stream(prompt);
    }
}

​
手动配置

ZhiPuAiChatModel.java 实现了 ChatModel 和 StreamingChatModel，并使用低级 API连接到智谱 AI 服务。 将 spring-ai-zhipuai 依赖项添加到项目的 Maven pom.xml 文件中： 
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-zhipuai</artifactId>
</dependency>
或添加到你的 Gradle build.gradle 构建文件中。 
dependencies {
    implementation 'org.springframework.ai:spring-ai-zhipuai'
}
:::tip 请参阅依赖管理部分，将 Spring AI BOM 添加到你的构建文件中。 ::: 接下来，创建一个 ZhiPuAiChatModel 并将其用于文本生成： 
var zhiPuAiApi = new ZhiPuAiApi(System.getenv("ZHIPU_AI_API_KEY"));

var chatModel = new ZhiPuAiChatModel(this.zhiPuAiApi, ZhiPuAiChatOptions.builder()
                .model(ZhiPuAiApi.ChatModel.GLM_3_Turbo.getValue())
                .temperature(0.4)
                .maxTokens(200)
                .build());

ChatResponse response = this.chatModel.call(
    new Prompt("生成 5 个著名海盗的名字。"));

// 或使用流式响应
Flux<ChatResponse> streamResponse = this.chatModel.stream(
    new Prompt("生成 5 个著名海盗的名字。"));
ZhiPuAiChatOptions 为聊天请求提供配置信息。 ZhiPuAiChatOptions.Builder 是流畅的选项构建器。

​
低级智谱 AI API 客户端

ZhiPuAiApi.java 提供了轻量级的 Java 客户端，用于智谱 AI API。 以下是一个简单的代码片段，展示了如何以编程方式使用 API： 
ZhiPuAiApi zhiPuAiApi =
    new ZhiPuAiApi(System.getenv("ZHIPU_AI_API_KEY"));

ChatCompletionMessage chatCompletionMessage =
    new ChatCompletionMessage("你好世界", Role.USER);

// 同步请求
ResponseEntity<ChatCompletion> response = this.zhiPuAiApi.chatCompletionEntity(
    new ChatCompletionRequest(List.of(this.chatCompletionMessage), ZhiPuAiApi.ChatModel.GLM_3_Turbo.getValue(), 0.7, false));

// 流式请求
Flux<ChatCompletionChunk> streamResponse = this.zhiPuAiApi.chatCompletionStream(
        new ChatCompletionRequest(List.of(this.chatCompletionMessage), ZhiPuAiApi.ChatModel.GLM_3_Turbo.getValue(), 0.7, true));
有关更多信息，请参阅 ZhiPuAiApi.java 的 JavaDoc。

​
智谱 AI API 示例

  • ZhiPuAiApiIT.java 测试提供了一些有关如何使用轻量级库的常规示例。

文档有误？请协助编辑

发现文档问题？点击此处直接在 GitHub 上编辑并提交 PR，帮助我们改进文档！