今天有空整理下Java Spring AI实战项目，通过function call整合已有系统API实现已有功能的完美串接，可玩性还是很多的。Spring生态完善，AI也得跟上，下图用通义千问模型使用展示的，下面说一下技术栈：

1. **后端框架**
   - **Spring Boot**：
     - 使用了 `@RestController` 和 `@GetMapping` 注解，表明这是一个基于 Spring Boot 的 RESTful API 服务。
     - `@CrossOrigin` 注解支持跨域请求，适合前后端分离的架构。

2. **AI 聊天相关技术**
   - **Spring AI**：
     - 使用了 `ChatClient` 和 `PromptChatMemoryAdvisor` 等组件，表明项目集成了 Spring AI 框架，用于构建聊天机器人功能。
     - 提供了系统提示（System Prompt）、对话记忆（Chat Memory）和顾问（Advisors）等功能。
   - **VectorStore**：
     - 使用了 `VectorStore` 和 `SearchRequest`，表明项目集成了向量数据库，用于语义搜索和检索增强生成（RAG, Retrieval-Augmented Generation）。
   - **Function Calling**：
     - 定义了默认函数（如 `getBookingDetails`, `changeBooking`, `cancelBooking`），表明支持通过调用外部函数完成特定任务。

3. **响应式编程**
   - **Project Reactor**：
     - 使用了 `Flux`，表明项目采用了响应式编程模型，支持流式数据处理和异步操作。

4. **国际化与本地化**
   - **动态日期插入**：
     - 在系统提示中动态插入当前日期（`LocalDate.now()`），支持动态上下文生成。

5. **HTTP 请求与响应**
   - **MediaType.TEXT_EVENT_STREAM_VALUE**：
     - 使用了 Server-Sent Events (SSE) 协议，支持服务器向客户端推送实时数据流。

6. **其他依赖**
   - **LoggingAdvisor**：
     - 自定义的日志记录顾问，用于记录聊天交互过程中的信息。
   - **PromptChatMemoryAdvisor**：
     - 用于管理对话历史记录，确保聊天机器人能够记住上下文。
   - **QuestionAnswerAdvisor**：
     - 结合向量数据库进行问答处理，提升机器人的知识检索能力。

---

技术栈总结
- **框架**：Spring Boot、Spring AI
- **AI 功能**：ChatClient、Prompt、Advisors、Function Calling、VectorStore
- **编程模型**：响应式编程（Project Reactor）
- **协议**：RESTful API、Server-Sent Events (SSE)
- **工具**：日志记录、动态上下文生成、跨域支持

该项目是一个基于 Spring Boot 和 Spring AI 的聊天机器人应用，结合了向量数据库和函数调用功能，不仅仅适用于航空领域的客户支持场景，技术都是相通的，各行业类型需求都一样。