一个面向 Java 开发者的 Sring-Ai 示例工程项目，该项目是一个 Spring AI 快速入门的样例工程项目，旨在通过一些小的案例展示 Spring AI 框架的核心功能和使用方法。 项目采用模块化设计，每个模块都专注于特定的功能领域，便于学习和扩展。欢迎感兴趣的小伙伴们关注和 Star。
项目地址：https://github.com/java-ai-tech/spring-ai-summary
原文链接：https://mp.weixin.qq.com/s/vrLxrvaAHtgnX5A9j-1SuA
2025 Spring IO 大会于 2025 年 5 月 21 日至 23 日在西班牙巴塞罗那举行。作为 Spring Framework 生态系统的顶尖会议，本次大会吸引了超过 1200 名 Spring 专业人士和爱好者。也刚好恰逢 Java 语言诞生三十周年纪念日（大会第二天即 5月 23日为Java 30周年纪念日），此次大会成为 Spring 生态系统发展历程中的一个关键节点。业界普遍预期，JDK（随着JDK 25的到来）和 Spring 自身（Framework 7、Boot 4）都将迎来重大的代际革新，这使得本次大会的每一个发布都备受瞩目。本文将全面概述了大会的重点主题，特别关注 Spring 对 JDK25 的支持、AI 应用开发的进展以及 Spring Framework 自身的最新发展。本文主要信息来源是基于官方文档、项目更新和公开信息，旨在为 Java 和 Spring 开发者提供清晰且可操作的见解。
从大会的主题演讲及核心议题中，可以清晰地提炼出 Spring 未来发展的三大战略支柱：
-
- 深度协同JDK 25：Spring将与即将发布的下一个长期支持版本（LTS）JDK 25进行深度、协同的整合与优化。
-
- Spring AI 1.0 GA的里程碑：Spring AI 1.0的正式发布，标志着 Spring 正致力于成为企业级AI应用开发的关键赋能者。
-
- Spring框架自身的演进：Spring Framework 7 和 Spring Boot 4 的底层革新，为未来应用架构的发展奠定了坚实基础，7.0 版本计划于 2025 年 11 月发布。
总体愿景
通过积极拥抱现代 Java 的最新进展，简化人工智能等复杂技术的应用门槛，并持续优化开发者体验，从而巩固并扩大其在 Java 生态中的领导地位。
大会所传递的各项声明，并非孤立的技术更新，而是展现了一种高度的战略协同性。JDK 25 作为新的 LTS 版本，为整个生态提供了稳定且功能丰富的基石 。Spring Framework 7 明确地针对 JDK 25 进行了优化，并构成了 Spring Boot 4 的核心基础。而 Spring AI 1.0 的正式版（GA）在 SpringIO 大会前夕（5月20日）发布，充分利用了 Spring Boot 提供的现代化能力，如自动配置和生产就绪特性。这种紧密的关联性表明，Spring 团队正通过精心策划的、统一的战略部署，迎接下一代 Java 企业级开发的浪潮。Spring AI GA 版本的发布时间紧邻 SpringIO 2025（5月21-23日），这清晰地预示了其在本次大会中的核心地位。
主题演讲
尽管目前公开渠道未能获取 SpringIO 2025 主题演讲的完整视频记录，但通过分析大会公布的关键议题，特别是名为从Beans到Boot，从Aspects到AI（From Beans to Boot，Aspects to AI）的演讲（由 Spring 框架的创始人和现任领导层主讲），以及官方公布的主题演讲嘉宾名单（Juergen Hoeller, Rossen Stoyanchev, Ana Maria Mihalceanu, Moritz Halbritter, Mark Paluch, Josh Long, Mark Pollack），还是可以基本精准地把握其核心信息和战略意图。
核心 topic 的信息传递
- Juergen Hoeller (Spring Framework 联合创始人)：其演讲内容聚焦于 Spring 框架的基础层面、依赖注入的演进（其个人议题“依赖注入再探讨”），以及 Spring Framework 7 的架构基石。他参与从Beans到Boot，从Aspects到AI的演讲，也暗示了对 Spring 发展历程的回顾与未来展望。
- Rod Johnson (Spring Framework 创建者)：他在从 Beans 到 Boot，从 Aspects 到 AI议题中的出现，很可能为 Spring 当前的发展方向，特别是向 AI 领域的迈进（其个人简介中提到目前正在使用Spring和Kotlin开发一个结构化的RAG系统），提供了历史背景和权威解读。
- Josh Long (Spring 开发者布道师)：作为连接历史与未来的桥梁，他将 Spring 的历史背景与当前开发者的热情和未来可能性相结合，共同主讲从 Beans 到 Boot，从 Aspects 到 AI和 《Bootiful GraalVM》。
- Mark Pollack (Spring AI 项目负责人)：在揭示 Spring AI 1.0 GA 的特性、功能和愿景方面扮演了核心角色。诸如Spring AI精要和Spring AI大师课等议题，以及他参与主题演讲，都凸显了这一点。他发表的博客文章也详细介绍了Spring AI的特性。
- Rossen Stoyanchev (Spring Framework 项目负责人)：专注于 Web 技术的进步和核心框架特性，特别是《Spring Framework 7中的 API 版本控制》议题 。
- Moritz Halbritter (Spring Boot 团队成员)：强调性能和启动时间的改进，其主讲的 《通过Spring Boot和Project Leyden提升性能表现》 和《揭秘Spring Boot的自动配置魔法》备受关注。
- Ana Maria Mihalceanu (Java Champion)：涵盖了前沿的 Java 主题，例如《保护Java应用免受量子威胁》，以及Java技术进步与Spring 框架之间的互动。
- Mark Paluch (Spring Data 项目负责人)：通过《Spring Data 4：数据访问再探讨》议题，讨论了数据访问技术的演进。
总体愿景：演进、集成与赋能
综合来看，Spring 社区人员传递的核心信息是强调了 Spring 从其 foundational principles（“Beans”）出发，历经当前主流形态（“Boot”）和现代架构考量（如AOT、性能等“Aspects”），最终拥抱下一个主要技术浪潮（“AI”）的持续演进过程。其愿景是将各种复杂而强大的技术（如多样化的 AI模型、向量数据库）无缝集成到开发者熟悉且高效的 Spring 生态系统中，从而赋能数百万 Java 开发者。
主题演讲的嘉宾名单 涵盖了框架、AI、数据、Boot、Web等各个领域的领军人物。这些专家在后续的分论坛中，也分别就各自的专业领域进行了深入的阐述。而“从Beans到Boot，从Aspects到AI”这一议题，则因其汇集了 Spring 的创始人和核心领导者，承担了提纲挈领、勾勒战略全貌的角色。
Spring 与 JDK 25 的协同
1、Spring Framework 7 与 JDK 25：战略同盟
Spring Framework 7.0的正式版（GA）计划于2025年11月发布，并明确指出其“为即将于同年9月发布的JDK 25这一新的LTS版本进行了优化” 。JDK 25的正式发布日期为2025年9月16日。这种紧密的发布节奏凸显了Spring与Java平台核心演进的深度整合战略。更重要的是，Spring Framework 7 将作为 Spring Boot 4.0 的 Cornerstone（基石）。
2、借助 Project Leyden 提升性能
Spring Framework 7 和 Spring Boot 4 将通过引入 Project Leyden 等特性，为现代应用架构赋能。大会为此设立了专门的议题，如Moritz Halbritter 主讲的《通过 Spring Boot 和 Project Leyden 提升性能表现》，以及《降低Java启动时间的四种方法：AppCDS、Native Image、Project Leyden、CRaC》。Project Leyden 本质上市通过选择性预编译（AOT）和缓存机制来改善应用的启动时间和内存占用的。
3、JDK 25关键特性及其对Spring开发的影响
- Instance Main Methods：JEP 512 紧凑源文件和实例主方法 在JDK 25中正式确定。该特性简化了基础 Java 应用的编写，对于初学者或简单用例而言，能够使 Spring Boot 或者 JAVA 应用的入口点更加简洁(更类似 python 或者 go) 。
- 结构化并发 (Structured Concurrency) (第五预览版 - JEP 505)：简化了并发编程的复杂性，使得编写健壮且易于维护的多线程Spring 应用更为容易，尤其是在结合虚拟线程使用时。
- 作用域值 (Scoped Values) (JEP 506)：提供了一种现代化的方式在线程内部及线程之间共享数据，有望简化 Spring 应用中的上下文传播，特别是在响应式和虚拟线程场景下（ThreadLocal 的直接替代品）。
- 其他针对 JDK 25 的JEPs：稳定值（预览版）、移除32位x86 端口、模式匹配中的基本类型（第三预览版）、向量API（第十孵化版）、密钥派生函数API、模块导入声明、灵活构造函数体、AOT命令行人体工程学、AOT方法分析、紧凑对象头。这些特性将共同提升运行于JDK 25之上的Spring应用的性能、安全性及开发者体验。
4、对 Spring Boot 4.0 及生态系统的意义
Spring Boot 4.0 将通过 Spring Framework 7 自然继承这些 JDK 25 的优化成果。可以预见，新版本的 Spring Boot 将在开箱即用的性能、资源消耗以及对现代 Java 并发模型的支持方面带来显著提升。
表：与Spring应用相关的JDK 25关键特性
| 特性 (JEP) | 描述 | 对Spring生态的潜在影响 |
|---|---|---|
| Project Leyden | 通过选择性AOT编译和缓存来优化Java应用启动时间和内存占用。 | Spring Boot应用启动更快，资源消耗更少，尤其利好云原生和Serverless场景。 |
| JEP 512: 紧凑源文件和实例主方法 | 简化Java程序编写，允许更简洁的语法和核心库的自动导入。 | 降低Spring Boot应用入门门槛，使简单应用的入口点更简洁。 |
| JEP 505: 结构化并发 (第五预览版) | 简化并发编程，提供更可靠的错误处理和取消机制。 | 提升Spring应用中并发代码的健壮性和可维护性，尤其与虚拟线程结合时。 |
| JEP 506: 作用域值 | 提供在线程内和跨线程安全共享不可变数据的新机制。 | 简化Spring应用中的上下文传播，例如在请求处理链路中传递用户信息或追踪ID，特别是在响应式和虚拟线程环境中。 |
| JEP 508: 向量API (第十孵化版) | 提供表达向量计算的API，这些计算在运行时可靠地编译为CPU架构上的最佳向量指令。 | 为Spring应用中需要高性能数值计算的场景（如AI、机器学习）提供底层支持。 |
| JEP 511: 模块导入声明 | 允许简洁地导入模块导出的所有包。 | 简化Spring应用在使用Java模块系统时的依赖管理和代码组织。 |
| JEP 513: 灵活构造函数体 | 允许在构造函数中调用super(...)或this(...)之前执行语句。 | 提高Spring组件初始化的灵活性和代码可读性。 |
| JEP 514/515: AOT命令行人体工程学/AOT方法分析 | 改进AOT编译的工具和分析能力。 | 进一步推动Spring Native等AOT编译方案的发展，提升开发者体验和应用性能。 |
JDK 25 对于 Spring 而言，不仅仅是一次版本升级，更是下一代框架实现架构和性能突破的基础性赋能。Spring Framework 7/Boot 4与JDK 25的紧密耦合，特别是对 Project Leyden 和现代并发 API 的深度利用，表明 Spring 正将 JDK 25 视为实现显著架构演进和性能优化的关键驱动力。Spring Boot 团队成员 Moritz Halbritter 关于 Project Leyden 的专门议题，以及 JDK 25 GA（2025年9月）与 Spring Framework 7 GA（2025年11月）之间短暂的时间差，都印证了 Spring 团队对 JDK 25 各项重要特性（如结构化并发、作用域值）的积极整合与测试。这充分说明 Spring 的策略是全面拥抱并构建于 JDK 25 的这些进步之上，从而为开发者提供性能更优、效率更高、体验更现代的开发平台，使 JDK 25 成为其下一代产品的核心基石。
Spring AI 1.0 GA 与智能应用的普惠化
1、里程碑式的发布：Spring AI 1.0正式版 (GA)
Spring AI 1.0 GA 已于 2025 年 5 月 20 日正式发布，这一时间点的选择极具战略意义，恰逢 SpringIO 2025 大会前夕。这标志着一个重要的里程碑，使得 AI 开发对于庞大的 Spring 开发者社区而言变得更加触手可及。Spring AI 目的就是简化 AI 工程的复杂性，毕竟对于 90% 的用例而言，AI 工程“仅仅是与模型的集成”。为庆祝这一发布，Spring AI 还拥有了由 Sergi Almar 和 Jorge Rigabert 设计的全新官方 Logo。
2、Spring AI 1.0 GA 的核心组件与能力
ChatClientAPI：作为与 AI 模型交互的主要接口，具有可移植性和易用性。- 支持调用多达 20种不同的AI模型（从Anthropic到ZhiPu）。
- 支持多模态输入输出（需底层模型支持）。
- 支持结构化响应（通常为JSON格式），便于应用层处理。
- 向量存储抽象 (Vector Store Abstraction)：提供了可移植的向量数据库API。
- 支持 20种不同的向量数据库（例如Azure Cosmos DB、Weaviate、以及通过社区贡献支持的Redis、MongoDB等）。
- 包含一种可移植的过滤器表达式语言（类SQL语法），用于元数据过滤，并支持回退到原生查询。
- ETL框架 (ETL Framework)：轻量级、可配置的框架，用于将数据导入向量存储。
- 通过可插拔的
DocumentReader组件支持多种数据源（本地文件、网页、GitHub、AWS S3、Azure Blob Storage、Google Cloud Storage、Kafka、MongoDB、JDBC兼容数据库等）。
- 通过可插拔的
- 检索增强生成 (RAG) 支持 (Retrieval Augmented Generation Support)：为RAG模式提供广泛支持，使AI模型的响应能够基于所提供的数据进行。
- 增强型LLM（Augmented LLM）概念为基础模型交互增加了数据检索、对话记忆和工具调用等能力。
- Advisors特性通过注入检索到的数据和对话记忆来修改传入的提示。
- 大会的相关议题，如《SpringAI在现代企业应用中的实用Agentic RAG》和《使用Java和Spring AI的模块化RAG架构》，深入探讨了这一领域。
- 评估框架 (Evaluation Framework)
- 灵活的
Evaluator接口。 RelevancyEvaluator：评估AI响应是否与用户查询及检索到的上下文匹配。FactCheckingEvaluator：基于提供的上下文验证AI响应的事实准确性（可使用如通过Ollama运行的Bespoke Minicheck等较小模型）。
- 灵活的
- 可观测性 (Observability)：
- 与Micrometer集成，提供关键指标的遥测数据（模型延迟、Token用量、工具调用、检索次数等）。
- 通过Micrometer Tracing提供完整的追踪支持。
- 提供有助于故障排查的日志信息。
- Agentic工作流模式与Spring MCP Agent (Agentic Workflow Patterns & Spring MCP Agent)
- 支持构建Agent行为的结构化模式（例如，评估者优化器模式，模型通过结构化的自我评估过程来优化其响应）。
- 孵化中的Spring MCP (Model Context Protocol) Agent项目，用于创建能够自主决策、通过MCP动态发现和使用工具、维护执行记忆并根据结果递归优化策略的Agent。
- 相关议题：《从单次LLM调用到智能Agent：使用Spring AI和MCP构建可扩展AI系统》，《Spring AI大师课：构建高效Agent并探索模型上下文协议(MCP)》。
- 基于 OAuth2 的 MCP 授权也是一个焦点。
- 开发者体验 (Developer Experience)：集成了Spring Boot的DevTools、Docker Compose和Testcontainers支持。支持虚拟线程和GraalVM原生镜像。
3、实用案例与开发者指南
Spring AI 的重点在于赋能 Java 开发者构建智能化应用，例如通过集成 LLM 实现基于私有数据的问答、内容生成、摘要提取以及构建AI Agent等。Spring Initializr 现已集成 Spring AI，极大地简化了项目的启动和配置过程。
表：Spring AI 1.0 GA - 核心组件与能力
| 组件/特性 | 描述 | 关键支持技术/模型 |
|---|---|---|
ChatClient API | 与AI模型交互的主要可移植接口。 | 支持20种AI模型（如OpenAI, Azure OpenAI, Anthropic, Ollama, Bedrock, Vertex AI, ZhiPu等），支持多模态输入输出，结构化响应（JSON）。 |
| 向量存储抽象 (Vector Store Abstraction) | 提供操作向量数据库的可移植API。 | 支持20种向量数据库（如Azure Cosmos DB, Weaviate, Pinecone, Milvus, Redis, MongoDB, Chroma, PGVector等），提供可移植的元数据过滤表达式语言。 |
| ETL框架 (ETL Framework) | 轻量级、可配置的数据导入框架，用于将数据加载到向量存储中。 | 支持多种DocumentReader（文件系统, 网页, GitHub, S3, Azure Blob, GCS, Kafka, MongoDB, JDBC等）和DocumentTransformer。 |
| 检索增强生成 (RAG) 支持 | 广泛支持RAG模式，通过外部知识库增强LLM响应。 | 包括数据检索、对话记忆、工具调用（函数调用）等。 |
| 评估框架 (Evaluation Framework) | 用于评估AI模型响应质量的工具。 | RelevancyEvaluator评估相关性，FactCheckingEvaluator评估事实准确性。 |
| 可观测性 (Observability) | 集成监控和追踪能力。 | 与Micrometer集成，提供模型延迟、Token用量等指标；通过Micrometer Tracing提供完整追踪。 |
| Agentic工作流模式与Spring MCP Agent | 支持构建更复杂的AI Agent行为和多Agent协作。 | 孵化中的Spring MCP Agent项目，支持动态工具发现、执行记忆、递归策略优化。 |
| 开发者体验 | 提升AI应用开发的便捷性和效率。 | 集成Spring Boot DevTools, Docker Compose, Testcontainers；支持虚拟线程和GraalVM原生镜像。 |
Spring AI 的设计目标并不仅仅是用于实验性项目，而是致力于构建生产级的AI应用。这一点从其内置的全面可观测性套件（如Micrometer集成和追踪功能）、强大的评估框架（包括RelevancyEvaluator和FactCheckingEvaluator）以及对RAG和Agentic工作流等生产级模式的支持中可见一斑。这些特性表明，Spring AI 旨在帮助开发者构建和部署严肃的企业级 AI 应用，而不仅仅是简单的LLM封装。Spring AI继承了Spring Boot注重生产就绪的理念，为虚拟线程、GraalVM原生镜像和通过Micrometer实现的可观测性提供了支持 。这些远超基本模型交互的功能，是面向真实世界、对可靠性、可监控性和质量保证有严格要求的生产部署的标志。
Spring核心演进：Framework 7、Boot 4与生态系统增强
Spring Framework 7.0：下一代基石
- GA时间表：计划于2025年11月发布。
- 核心原则：基于JDK 17基线构建，并针对JDK 25 LTS进行优化。
- 架构转变
- 支持以编程方式注册Bean，包括对AOT（Ahead-of-Time）编译的支持。这提供了更大的灵活性，并通过允许更多的预处理来改善启动时间。
- Web技术进展：
- 为Web端点提供API版本控制功能。这对于在微服务和大型应用中演进API至关重要。Rossen Stoyanchev的议题“Spring Framework 7中的API版本控制”对此进行了深入探讨。
- 集成改进
- 统一的 JMS 客户端。
- 支持 Jakarta EE 11。相关议题：“每个Spring开发者都应该了解的Jakarta EE” 。
- 针对部分泛型的通用类型匹配算法的修订。
Spring Boot 4.0：构建于新基石之上
表：预期特性亮点 - Spring Framework 7 & Spring Boot 4
| 领域 | 特性 | 描述/益处 | 相关框架/Boot版本 |
|---|---|---|---|
| 核心与性能 | JDK 25 优化 | 充分利用JDK 25 LTS的新特性和性能改进。 | SF7, SB4 |
| 核心与性能 | Project Leyden 集成 | 提升启动速度，减少内存占用，支持选择性AOT编译。 | SF7, SB4 |
| 核心 | 编程式Bean注册 (含AOT支持) | 提供更灵活的Bean定义方式，有利于AOT处理和提升启动性能。 | SF7 |
| Web | Web端点API版本控制 | 简化API演进管理，支持不同版本的API共存。 | SF7 |
| 语言支持 | Kotlin 2.x 支持 | 为Kotlin开发者提供更佳的开发体验和性能优化。 | SB4 |
| 集成 | 统一JMS客户端 | 简化JMS消息传递的开发和配置。 | SF7 |
| 集成 | Jakarta EE 11 支持 | 确保与最新的Java EE标准兼容。 | SF7 |
| 核心 | 修订的泛型类型匹配算法 | 改进对复杂泛型场景的处理。 | SF7 |
Spring Framework 7 和 Boot 4 不仅仅是增量更新，它们代表了一次代际的飞跃。其核心焦点在于与最新的 Java LTS 版本（JDK 25）的深度集成，通过拥抱 AOT 和 Project Leyden 实现显著的性能和效率提升，并对核心编程模型（如编程式Bean注册、API版本控制）进行现代化改造，以满足当代应用架构的需求。Spring Framework 7 被明确定义为面向2026年及未来的新一代框架，并作为 Spring Boot 4.0 的基础，与 JDK 25 和 Project Leyden 紧密相连。诸如编程式Bean注册（包含AOT支持）和Web端点API版本控制 等特性，是重要的架构级增强，而非微小的调整。核心团队成员主导的关于 Project Leyden 和Spring Framework 7 API 版本控制的专门议题，也证实了这些是重大的研发投入。
开发者路线图
对 Java开发者来说，JDK 25 的到来、Spring AI 的成熟以及Spring Framework 7/Boot 4的革新，将共同重塑 Java 开发的格局。性能提升、开发者生产力的进一步解放，以及 AI 赋能应用新领域的拓展，将成为未来的主旋律。Spring 致力于降低企业采纳AI技术的门槛，这一点在其战略中表现得尤为突出。
展望未来，Spring 一定会继续深化其 AI 集成能力，未来可能提供更复杂的 Agentic 框架和 MLOps（机器学习运维）支持。基于 Project Leyden 和 AOT 的成果，Spring 将进一步优化对 Serverless 和边缘计算场景的支持。
Spring 和 Java 领域（尤其是在AI方面）的创新步伐也倒逼咱们这些普通的 JAVA 开发者必须主动学习和跟进新特性发展。
结论
SpringIO 2025 大会传递的核心信息清晰而有力：与 JDK 25 的深度协同将为性能和现代化带来新机遇；Spring AI 1.0的正式发布为Java应用智能化开辟了广阔前景；而Spring Framework 7和Boot 4的底层革新则为整个生态的未来发展奠定了坚实基础。
Spring 框架凭借其强大的适应性和持续的创新力，在 Java 生态系统中始终扮演着框架层面事情标准的角色，不仅积极适应技术发展，更在许多方面引领着行业发展方向。SpringIO 2025 大会，特别是在 Java 迎来 30 周年之际，再次印证了 Spring 持久的创新精神和强劲的发展势头，预示着它将继续在未来的软件开发领域中发挥关键作用。作为 java 开发者来说，AI 时代可能是继 web 时代再一次起飞的时机，相比于 python 来说，Java 在企业级、大规模应用工程化上面积累的的优势还是非常大的。
