如果你是 Java 開發者，那你幾乎一定用過 Spring Framework。
自 2002 年問世以來，Spring 已從一個輕量級 IoC 容器成長為企業應用的核心生態系。
在 AI 崛起的今天，Spring 團隊也沒有缺席。
他們提出了全新的專案 Spring AI，
希望讓 Java 開發者能以熟悉的方式整合大語言模型（LLM）。
Spring 的強大在於「模組化生態系」。以下是一個簡化的演進表格：
| 時期 | 主體框架 | 代表技術 | 核心價值 |
|---|---|---|---|
| 2000s 初期 | Spring Core | IoC、AOP | 解決 Java EE 複雜度 |
| 2010s | Spring Boot | 自動組態、內嵌伺服器 | 簡化部署與微服務架構 |
| 2015s | Spring Cloud | Config、Eureka、Gateway | 微服務治理與分散式架構 |
| 2020s | Spring Native、Spring AI | AOT、AI/LLM 整合 | 跨入 AI 應用領域 |
Spring AI 是一個由 Spring 團隊主導的新模組，
目標是「讓 AI 模型（特別是 LLM）能像資料庫或 REST API 一樣，被 Spring 開發者自然使用」。
“Spring AI provides abstractions and auto-configuration to build AI-powered applications easily using familiar Spring concepts.”
—— Spring 官方說明
| 模組 | 功能說明 | 類似概念（在其他框架中） |
|---|---|---|
spring-ai-core |
提供 Prompt、Chat、Embedding 基礎介面 | LangChain Core |
spring-ai-openai |
整合 OpenAI API | LangChain ChatOpenAI |
spring-ai-ollama |
支援本地模型（如 Mistral、Llama） | Ollama API Wrapper |
spring-ai-azure-openai |
Azure 平台模型支援 | Azure AI SDK |
spring-ai-vectorstore-* |
向量資料庫支援（Redis、PgVector、Milvus） | LangChain VectorStore |
| 特性 | 說明 | 備註 |
|---|---|---|
| 熟悉的程式風格 | 保留 Spring Boot 的自動組態、依賴注入 | 不需額外學框架 |
| 可插拔 Provider | 支援 OpenAI、Azure、Ollama、HuggingFace 等 | 統一介面管理 |
| 內建 RAG 支援 | 結合向量資料庫做知識檢索 | 支援 Redis、PgVector、Milvus |
| 易於整合微服務 | 可作為 AI Gateway 或 AI Service | 適合企業導入 |
| 框架 | 語言 | 特點 | 適用場景 |
|---|---|---|---|
| LangChain | Python | 生態成熟，開源豐富 | 原型開發、研究 |
| LangGraph | Python | 強調流程圖式任務管理 | 多 Agent 系統 |
| Spring AI | Java | 與企業應用整合度高 | 生產級 AI 系統 |
| LlamaIndex | Python | 檢索導向 (RAG) 強 | 文件型 AI 應用 |
💡 延伸閱讀建議：
iThome鐵人賽
看影片追技術