嘿，Java开发人员们，有个严重好信息要通知你们：Spring如今已正式支持经过SpringAI模块来构建AI运行程序。
在本教程中，咱们将经常使用SpringBoot、React、Docker以及OpenAI来构建一个聊天机器人的运行程序。此运行程序能够让用户与由AI驱动的聊天机器人启动交互，可以向其提出疑问，并实时失掉回复。
文中提到的所有源代码已在GitHub存储库中予以提供。欢迎给它加星标，而后搬运该源代码库启动尝试体验。
为了让你对所要构建的内容有个概念，最终AI运行程序的样子如下：
你感兴味么？让咱们从头开局吧！
目录
前提条件
失掉OpenAI密钥
经常使用Spring Boot构建REST API
经常使用Reactjs构建Chat UI
如何将AI运行程序Docker化
运转AI运行程序
前提条件
在咱们深化钻研构建聊天机器人之前，你须要相熟以下几点：
失掉OpenAI密钥
首先，假设你没有Open AI账户，那么须要先注册一个，在登录之后，你会到来它的主页。
在右上角，单击“Dashboard”（控制面板）菜单。在侧边栏上，单击“APIKeys”（运行程序编程接口密钥），而后单击“Createnewsecretkey”（创立新密钥）按钮以生成你自己的密钥：
复制密钥并将其妥善保留于安保之处，由于后续你须要仰仗此密钥将你的运行程序与OpenAIAPI相衔接。
你可以查阅OpenAIAPI参考指南，以失掉更多对于如何调用API、它所接受的恳求类型以及它给出的照应内容等方面的信息。
经常使用SpringBoot构建REST API
让咱们前往SpringInitializer（用于极速创立SpringBoot名目的基础结构的一个网络工具）来生成样板文件代码：
你可以自行选用group（反向域名）、artifact（名目惟一标识符）、name（名目称号）、description（名目形容）和package（Java包名）。咱们经常使用Maven（Java名目的依赖治理和构建工具）作为构建工具，SpringBoot版本为3.3.3，打包选项为Jar（JavaArchive的缩写，是Java运行程序的规范打包格局），Java版本为17。（注：DependencyManagement：依赖治理）
点击生成按钮，将会下载一个zip文件。解压该文件，而后将其作为Maven名目导入到你青睐的IDE中（我用的是Intellij）。
在Spring中性能你的OpenAI密钥
你可以经常使用现有的application.properties文件，或许创立一个application.yaml文件。我青睐经常使用Yaml，所以创立了一个application.yaml文件，我可以在其中搁置一切的SpringBoot性能。
接上去在你的application.yaml文件中减少OpenAIKey、Model和Temperature：
spring:ai:openai:chat:options:model:"gpt-3.5-turbo"temperature:"0.7"key:"PUTYOUROPEN_API_KEYHERE"application.properties中的相似性能或许如下所示：
spring.ai.openai.chat.options.model=gpt-3.5-turbospring.ai.openai.chat.options.temperature=0.7spring.ai.openai.key="PUTYOUROPEN_API_KEYHERE"构建ChatController
让咱们创立一个URL为/ai/chat/string的GETAPI和一个处置逻辑的方法：
@RestControllerpublicclass ChatController{@Autowiredprivate final OpenAiChatModel chatModel;@GetMapping("/ai/chat/string")public Flux<String>generateString(@RequestParam(value="message",defaultValue="Tellmeajoke")Stringmessage){return chatModel.stream(message);}}构建、运转和测试 REST API
./mvnw clean install spring-boot:run现实状况下，它会在8080端口上运转，除非你自定义了端口。请确保该端口闲暇，以成功运转运行程序。
你可以经常使用Postman 或Curl命令来测试你的 REST API：
curl --location 'http://localhost:8080/ai/chat/string?message=How%20are%20you%3F'经常使用Reactjs构建Chat UI
咱们经常使用useState来治理形态：
const [messages, setMessages] = useState([]);const [input, setInput] = useState('');const [loading, setLoading] = useState(false);接上去，让咱们创立一个handleSend 函数，并在用户经过点击按钮或按下回车键发送信息时启动调用：
const handleSend = async () => {if (input.trim() === '') return;const newMessage = { text: input, sender: 'user' };setMessages([...messages, newMessage]);setInput('');setLoading(true);try {const response = await axios.get('http://localhost:8080/ai/chat/string?message=' + input);const aiMessage = { text: response.data, sender: 'ai' };setMessages([...messages, newMessage, aiMessage]);} catch (error) {console.error("Error fetching AI response", error);} finally {setLoading(false);}};以下是逐渐出现的环节：
让咱们编写一个函数，当用户在输入字段中输入内容，对input形态启动降级：
const handleInputChange = (e) => {setInput(e.target.value);};而后，咱们创立一个函数来审核用户能否按下了 Enter 键。假设出现这种情景，它会调用 handleSend（）函数来发送信息：
const handleKeyPress = (e) => {if (e.key === 'Enter') {handleSend();}};如今让咱们创立 UI 元历来出现聊天信息：
{messages.map((message, index) => (<div key={index} className={`message-container ${message.sender}`}><imgsrc={message.sender === 'user' ? 'user-icon.png' : 'ai-assistant.png'}alt={`${message.sender} avatar`}className="avatar"/><div className={`message ${message.sender}`}>{message.text}</div></div>))}这个代码块出现聊天中的一切信息：
让咱们创立一些基于某个标志来显示加载器的逻辑：
{loading && (<div className="message-container ai"><img src="ai-assistant.png" alt="AI avatar" className="avatar" /><div className="message ai">...</div></div>)}当 AI 处于思索形态（即 loading 为 true 时），咱们显示一条加载信息（...），以便让用户知道照应行将到来。
最后，创立一个用于点击发送信息的按钮：
当此按钮被点击时，将会触发 handleSend() 函数。这里所驳回的图标为一个，这是“发送”按钮的经常出现图标。
完整的 Chatbot.js 如下所示：
import React, { useState } from 'react';import axios from 'axios';import { FaPaperPlane } from 'react-icons/fa';import './Chatbot.css';const Chatbot = () => {const [messages, setMessages] = useState([]);const [input, setInput] = useState('');const [loading, setLoading] = useState(false);const handleSend = async () => {if (input.trim() === '') return;const newMessage = { text: input, sender: 'user' };setMessages([...messages, newMessage]);setInput('');setLoading(true);try {const response = await axios.get('http://localhost:8080/ai/chat/string?message=' + input);const aiMessage = { text: response.data, sender: 'ai' };setMessages([...messages, newMessage, aiMessage]);} catch (error) {console.error("Error fetching AI response", error);} finally {setLoading(false);}};const handleInputChange = (e) => {setInput(e.target.value);};const handleKeyPress = (e) => {if (e.key === 'Enter') {handleSend();}};return (<div className="chatbot-container"><div className="chat-header"><img src="ChatBot.png" alt="Chatbot Logo" className="chat-logo" /><div className="breadcrumb">Home > Chat</div></div><div className="chatbox">{messages.map((message, index) => (<div key={index} className={`message-container ${message.sender}`}><imgsrc={message.sender === 'user' ? 'user-icon.png' : 'ai-assistant.png'}alt={`${message.sender} avatar`}className="avatar"/><div className={`message ${message.sender}`}>{message.text}</div></div>))}{loading && (<div className="message-container ai"><img src="ai-assistant.png" alt="AI avatar" className="avatar" /><div className="message ai">...</div></div>)}</div><div className="input-container"><inputtype="text"value={input}onChange={handleInputChange}onKeyPress={handleKeyPress}placeholder="Type your message..."/><button onClick={handleSend}><FaPaperPlane /></button></div></div>);};export default Chatbot;在 App.js 中经常使用 <Chatbot/>来加载聊天机器人 UI：
function App() {return (<div className="App"><Chatbot /></div>);}除此之外，咱们还经常使用 CSS 来使咱们的聊天机器人愈加好看。你可以参考 App.css 和 Chatbot.css 文件来了解详细样式。
运转前端
经常使用npm命令运转运行程序：
程序会在URL上运转前端。此时运行程序已能够启动测试。
但是，区分运转后端和前端稍显繁琐。因此，让咱们借助Docker来使整个构建流程愈加便捷。
如何将AI运行程序Docker化
让咱们将整个运行程序Docker化，以便轻松打包和部署就任何中央。你可以从Docker的官网网站装置并性能Docker。
Docker化后端
聊天机器人的后端是用Spring Boot构建的，因此咱们将创立一个Dockerfile，它将Spring Boot运行程序构建为可执行JAR文件并在容器中运转。
让咱们为其编写Dockerfile：
# Start with an official image that has Java installedFROM openjdk:17-jdk-alpine# Set the working directory inside the containerWORKDIR /app# Copy the Maven/Gradle build file and source code into the containerCOPY target/chatbot-backend.jar /app/chatbot-backend.jar# Expose the application’s portEXPOSE 8080# Command to run the Spring Boot appCMD ["java", "-jar", "chatbot-backend.jar"]Docker化前端
聊天机器人的前端用React构建而成，经过创立一个Dockerfile来对其启动Docker化处置，该Dockerfile会装置必要的依赖项（dependencies）、构建运行程序，并借助像NGINX这类轻量级的Web主机来提供服务。
让咱们为React前端编写Dockerfile：
# Use a Node image to build the React appFROM node:16-alpine AS build# Set the working directory inside the containerWORKDIR /app# Copy the package.json and install the dependenciesCOPY package.json package-lock.json ./RUN npm install# Copy the rest of the application code and build itCOPY . .RUN npm run build# Use a lightweight NGINX server to serve the built appFROM nginx:alpineCOPY --from=build /app/build /usr/share/nginx/html# Expose port 80 for the web trafficEXPOSE 80# Start NGINXCMD ["nginx", "-g", "daemon off;"]经常使用Docker Compose同时运转前后端
如今咱们曾经为前端和后端区分创立了Dockerfile，咱们将经常使用 docker-compose来协调同时运转这两个容器。
让咱们在名目的根目录下编写docker-compose.yml 文件：
version: '3'services:backend:build: ./backendports:- "8080:8080"networks:- chatbot-networkfrontend:build: ./frontendports:- "3000:80"depends_on:- backendnetworks:- chatbot-networknetworks:chatbot-network:driver: bridge运转AI运行程序
要运转整个运行程序（前端和后端），你可以经常使用以下命令：
docker-compose up --build这个命令将会成功：
如今，你可以访问加载聊天机器人 UI，并开局向 AI 提问。
你曾经成功经常使用 Spring Boot、React、Docker 和 OpenAI 构建了一个全栈聊天机器人运行。
名目中展现的源代码可在 Github 上失掉，假设你觉得它有协助，请加星标，并轻易搬运该源代码库启动尝试体验。
译者引见
刘涛，社区编辑，某大型央企系统上线检测管控担任人。
原文题目： How to Build an AI Chatbot with Spring AI, React, and Docker ，作者：Vikas Rajput