本文深入探讨了 Spring AI 框架与阿里巴巴 DashScope 大模型平台的集成应用。重点解析了如何利用 Spring AI 框架，结合 DashScope 大模型，实现灵活的自由对话功能，包括调用大模型和自定义参数配置。文章详细剖析了核心组件 DashScopeChatModelController 的实现细节，该控制器通过 ChatModel 接口调用 DashScope API，支持简单聊天、流式聊天和自定义参数聊天。此外，还通过单元测试验证了控制器方法的正确性，为开发者提供了一个基于 DashScope 平台自主配置 Chat 应用的实用指南。

🔑DashScopeChatModelController 是 Spring AI 框架的核心控制器，负责与 DashScope 平台交互，通过 ChatModel 接口调用 DashScope API，实现简单聊天、流式聊天和自定义参数聊天等功能。

⚙️开发者可以通过编程方式自定义 LLMs ChatOptions 参数，例如 withTopP、withTopK 和 withTemperature，这些参数的优先级高于 application.yml 中的配置，从而灵活控制对话风格。

🧪通过单元测试，验证了 simpleChat、streamChat 和 customChat 方法的正确性，确保控制器能够准确调用 ChatModel 的方法并返回预期结果，同时验证了自定义参数的处理能力。

在当今 AI 开发领域，Spring AI 框架与阿里巴巴推出的 DashScope 大模型服务平台深度集成，为开发者带来高效、便捷的开发体验。本文将深入剖析 基于Spring AI 框架，使用DashScope的大模型，实现灵活调用大模型及参数配置的自由对话功能的实现细节，并结合单元测试，演示如何基于 DashScope 平台自主配置 Chat 应用。

一、项目核心组件解析

DashScopeChatModelController ：作为 Spring AI 框架核心控制器，承担与 DashScope 平台交互重任。依托 ChatModel 接口调用 DashScope API，解锁简单聊天、流式聊天及自定义参数聊天功能。

/* * Licensed to the Apache Software Foundation (ASF) under one or more * contributor license agreements.  See the NOTICE file distributed with * this work for additional information regarding copyright ownership. * The ASF licenses this file to You under the Apache License, Version 2.0 * (the "License"); you may not use this file except in compliance with * the License.  You may obtain a copy of the License at * *     http://www.apache.org/licenses/LICENSE-2.0    * * Unless required by applicable law or agreed to in writing, software * distributed under the License is distributed on an "AS IS" BASIS, * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. * See the License for the specific language governing permissions and * limitations under the License. */package com.alibaba.cloud.ai.example.chat.dashscope.controller;import com.alibaba.cloud.ai.dashscope.api.DashScopeApi;import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatOptions;import jakarta.servlet.http.HttpServletResponse;import reactor.core.publisher.Flux;import org.springframework.ai.chat.model.ChatModel;import org.springframework.ai.chat.model.ChatResponse;import org.springframework.ai.chat.prompt.Prompt;import org.springframework.web.bind.annotation.GetMapping;import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.RestController;import org.slf4j.Logger;import org.slf4j.LoggerFactory;@RestController@RequestMapping("/dashscope/chat-model")public class DashScopeChatModelController {private static final Logger logger = LoggerFactory.getLogger(DashScopeChatModelController.class);private static final String DEFAULT_PROMPT = "你好，介绍下你自己吧。";private final ChatModel dashScopeChatModel;public DashScopeChatModelController(ChatModel chatModel) {this.dashScopeChatModel = chatModel;}/** * 最简单的使用方式，没有任何 LLMs 参数注入。 * @return String types. */@GetMapping("/simple/chat")public String simpleChat() {logger.info("Executing simpleChat method with default prompt.");return dashScopeChatModel.call(new Prompt(DEFAULT_PROMPT, DashScopeChatOptions.builder().withModel(DashScopeApi.ChatModel.QWEN_PLUS.getModel()).build())).getResult().getOutput().getText();}/** * Stream 流式调用。可以使大模型的输出信息实现打字机效果。 * @return Flux<String> types. */@GetMapping("/stream/chat")public Flux<String> streamChat(HttpServletResponse response) {logger.info("Executing streamChat method with default prompt.");response.setCharacterEncoding("UTF-8");Flux<ChatResponse> stream = dashScopeChatModel.stream(new Prompt(DEFAULT_PROMPT, DashScopeChatOptions.builder().withModel(DashScopeApi.ChatModel.QWEN_PLUS.getModel()).build()));return stream.map(resp -> resp.getResult().getOutput().getText());}/** * 使用编程方式自定义 LLMs ChatOptions 参数， {@link com.alibaba.cloud.ai.dashscope.chat.DashScopeChatOptions} * 优先级高于在 application.yml 中配置的 LLMs 参数！ */@GetMapping("/custom/chat")public String customChat() {logger.info("Executing customChat method with customized options.");DashScopeChatOptions customOptions = DashScopeChatOptions.builder().withTopP(0.7).withTopK(50).withTemperature(0.8).build();return dashScopeChatModel.call(new Prompt(DEFAULT_PROMPT, customOptions)).getResult().getOutput().getText();}}

application.yml ：在此配置文件中，DashScope 平台 API 密钥（api-key）被明确定义，成为访问平台服务的关键凭证。

server:  port: 10000spring:  application:    name: spring-ai-alibaba-dashscope-chat-model-example  ai:    dashscope:      api-key: ${AI_DASHSCOPE_API_KEY:sk-XXSSDSFSDSDSDSD}

单元测试类 DashScopeChatModelControllerTest ：借助 Mockito 模拟 ChatModel 行为，精准验证控制器方法的正确性，为代码质量保驾护航。

二、核心控制器深度剖析

构造函数与依赖注入

private static final String DEFAULT_PROMPT = "你好，介绍下你自己吧。";private final ChatModel dashScopeChatModel;public DashScopeChatModelController(ChatModel chatModel) {    this.dashScopeChatModel = chatModel;}

优势 ：依赖注入的运用，巧妙解耦控制器与具体实现细节，为单元测试与后续拓展提供极大便利。

简单聊天接口

@GetMapping("/simple/chat")public String simpleChat() {    logger.info("Executing simpleChat method with default prompt.");    return dashScopeChatModel.call(new Prompt(DEFAULT_PROMPT, DashScopeChatOptions            .builder()            .withModel(DashScopeApi.ChatModel.QWEN_PLUS.getModel())            .build())).getResult().getOutput().getText();}

要点 ：凭借默认提示词（DEFAULT_PROMPT）与 DashScopeChatOptions 配置的QWEN_PLUS模型，轻松实现基础聊天功能。日志记录的嵌入，便于随时调试与监控。

流式聊天接口

@GetMapping("/stream/chat")public Flux<String> streamChat(HttpServletResponse response) {    logger.info("Executing streamChat method with default prompt.");    response.setCharacterEncoding("UTF-8");    Flux<ChatResponse> stream = dashScopeChatModel.stream(new Prompt(DEFAULT_PROMPT, DashScopeChatOptions            .builder()            .withModel(DashScopeApi.ChatModel.QWEN_PLUS.getModel())            .build()));    return stream.map(resp -> resp.getResult().getOutput().getText());}

亮点 ：基于 Reactor 框架响应式编程模型，采用 Flux<ChatResponse> 支持异步流式处理，搭配 UTF-8 编码设置，完美适配需实时反馈的场景，如在线客服、实时翻译等。

自定义聊天接口

@GetMapping("/custom/chat")public String customChat() {    logger.info("Executing customChat method with customized options.");    DashScopeChatOptions customOptions = DashScopeChatOptions.builder()            .withTopP(0.7)            .withTopK(50)            .withTemperature(0.8)            .build();    return dashScopeChatModel.call(new Prompt(DEFAULT_PROMPT, customOptions)).getResult().getOutput().getText();}

特色 ：开发者可编程自定义 LLMs 参数，覆盖 application.yml 默认配置。参数如 withTopP(0.7) 控制文本多样性、withTopK(50) 影响文本质量、withTemperature(0.8) 调整文本随机性，赋予开发者灵活掌控对话风格的能力。

三、单元测试成效与解读

测试用例 1：testSimpleChat

@Testvoid testSimpleChat() {    Mockito.when(mockChatModel.call(any(Prompt.class))).thenReturn(createMockChatResponse("Hello"));    String result = controller.simpleChat();    assertEquals("Hello", result);}

结论 ：测试顺利通过，有力证实 simpleChat 方法精准调用 ChatModel 的 call 方法，返回预期结果，交互逻辑无误。

测试用例 2：testStreamChat

@Testvoid testStreamChat() {    Mockito.when(mockChatModel.stream(any(Prompt.class))).thenReturn(Flux.just(createMockChatResponse("Hello")));    Flux<String> result = controller.streamChat(null);    assertEquals("Hello", result.blockFirst());}

结论 ：测试成功，彰显 streamChat 方法可靠处理流式数据，精准把控流式数据处理流程。

测试用例 3：testCustomChat

@Testvoid testCustomChat() {    Mockito.when(mockChatModel.call(any(Prompt.class))).thenReturn(createMockChatResponse("Custom Hello"));    String result = controller.customChat();    assertEquals("Custom Hello", result);}

结论 ：测试通关，印证 customChat 方法妥善处理自定义参数，灵活运用 LLMs 参数的特性得以验证。

四、结语

综上，本文全方位拆解基于 DashScope 平台的 Spring AI Chat 应用，深入解读 DashScopeChatModelController 核心功能与参数配置。单元测试的加持，全方位验证控制器可靠性与稳定性，为开发者呈上详尽开发指南与实用范例，助力高效、优质 Chat 应用开发。