在当今 AI 时代，大模型 API（如 OpenAI 的 GPT、百度的文心一言、阿里云的通义千问）已成为开发者集成智能功能的核心工具。Spring Boot作为现代 Java 开发的首选框架，其内置的WebClient（基于 Reactor 的非阻塞 HTTP 客户端）是调用 REST API 的高效、灵活的方式。本文将详细介绍如何使用 Spring Boot 的WebClient来调用主流大模型 API，帮助你快速上手。
一、为什么选择 WebClient？
特性 |
|
|
同步/异步 | 同步（阻塞） | 异步（非阻塞，响应式） |
线程模型 | 每个请求占用一个线程 | 事件驱动，高并发 |
流式处理 | 不支持 | 支持响应流（Streaming） |
错误处理 | 复杂 | 链式调用，简洁 |
Spring 生态 | 旧版（Spring 5 开始弃用） | Spring 5+ 推荐 |
✅推荐使用WebClient：它更符合现代微服务架构的需求，能显著提升系统吞吐量。
二、项目准备
1. 创建 Spring Boot 项目
使用 Spring Initializr 创建项目，选择以下依赖：
- Spring Webflux（自动包含
WebClient） - Lombok（可选，简化 DTO 代码）
2.pom.xml依赖
<dependencies> <!-- Spring WebFlux (包含 WebClient) --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-webflux</artifactId> </dependency> <!-- JSON 处理（Jackson 自动包含） --> <!-- 可选：Lombok 简化 DTO --> <dependency> <groupId>org.projectlombok</groupId> <artifactId>lombok</artifactId> <scope>provided</scope> </dependency> </dependencies>3. 读取 API 密钥（推荐使用环境变量）
在application.yml中配置密钥（切勿硬编码）：
api: openai: key: ${OPENAI_API_KEY} # 从环境变量读取 wenxin: api-key: ${WENXIN_API_KEY} secret-key: ${WENXIN_SECRET_KEY} tongyi: key: ${TONGYI_API_KEY}在服务类中注入：
@Service public class ApiConfig { @Value("${api.openai.key}") private String openaiApiKey; @Value("${api.wenxin.api-key}") private String wenxinApiKey; @Value("${api.wenxin.secret-key}") private String wenxinSecretKey; @Value("${api.tongyi.key}") private String tongyiApiKey; }三、WebClient 基础配置
创建一个WebClientConfig类，封装通用配置：
import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; import org.springframework.http.client.reactive.ReactorClientHttpConnector; import org.springframework.web.reactive.function.client.WebClient; import reactor.netty.http.client.HttpClient; @Configuration public class WebClientConfig { // 可选：配置超时、重试、连接池 @Bean public WebClient webClient() { HttpClient httpClient = HttpClient.create() .responseTimeout(java.time.Duration.ofSeconds(30)); // 请求超时 30 秒 return WebClient.builder() .clientConnector(new ReactorClientHttpConnector(httpClient)) .build(); } }💡提示：生产环境中应配置重试策略（如Retry）、日志跟踪等。
四、调用 OpenAI API
1. OpenAI API 简介
- 端点：
https://api.openai.com/v1/chat/completions - 必需头：
Authorization: Bearer <API_KEY> - 请求体：JSON 格式，包含
model、messages等字段。 - 官方文档：OpenAI API Reference
2. DTO 定义
import lombok.AllArgsConstructor; import lombok.Data; import lombok.NoArgsConstructor; import java.util.List; // 请求体 @Data @NoArgsConstructor @AllArgsConstructor class OpenAiRequest { private String model; // 模型名，如 "gpt-3.5-turbo" private List<Message> messages; } @Data @NoArgsConstructor @AllArgsConstructor class Message { private String role; // "user", "assistant", "system" private String content; } // 响应体（简化版，仅展示关键字段） @Data class OpenAiResponse { private List<Choice> choices; @Data static class Choice { private Message message; } }3. 服务实现
import org.springframework.beans.factory.annotation.Value; import org.springframework.http.MediaType; import org.springframework.stereotype.Service; import org.springframework.web.reactive.function.client.WebClient; import reactor.core.publisher.Mono; @Service public class OpenAiService { private final WebClient webClient; private final String apiKey; public OpenAiService(WebClient.Builder webClientBuilder, @Value("${api.openai.key}") String apiKey) { this.webClient = webClientBuilder .baseUrl("https://api.openai.com/v1") .defaultHeader("Authorization", "Bearer " + apiKey) .build(); this.apiKey = apiKey; } public Mono<String> chat(String prompt) { // 构造请求体 OpenAiRequest request = new OpenAiRequest( "gpt-3.5-turbo", List.of(new Message("user", prompt)) ); // 发送请求 return webClient.post() .uri("/chat/completions") .contentType(MediaType.APPLICATION_JSON) .bodyValue(request) .retrieve() .bodyToMono(OpenAiResponse.class) .map(response -> response.getChoices().get(0).getMessage().getContent()); } }4. 使用示例（Controller）
import org.springframework.web.bind.annotation.*; import reactor.core.publisher.Mono; @RestController @RequestMapping("/ai") public class AiController { private final OpenAiService openAiService; public AiController(OpenAiService openAiService) { this.openAiService = openAiService; } @GetMapping("/ask") public Mono<String> askOpenAi(@RequestParam String question) { return openAiService.chat(question); } }🌟测试：
发送 GET 请求http://localhost:8080/ai/ask?question=你好，将返回 GPT 的回答。
五、调用文心一言 API
1. 文心一言 API 简介
- 获取访问令牌（Access Token）：
- 首先需调用 OAuth 2.0 获取
access_token。 - 端点：
https://aip.baidubce.com/oauth/2.0/token - 参数：
grant_type=client_credentials&client_id=<API_KEY>&client_secret=<SECRET_KEY>
- 首先需调用 OAuth 2.0 获取
- 聊天接口：
- 端点：
https://aip.baidubce.com/rpc/2.0/ai/custom/v1/wenxinworkshop/chat/completions?access_token=<TOKEN> - 请求体格式类似 OpenAI，但字段名不同。
- 端点：
📌注意：文心一言需在百度智能云控制台创建应用并获取密钥。
2. DTO 定义
// 访问令牌响应 @Data class WenxinTokenResponse { private String access_token; private String expires_in; } // 文心一言请求体 @Data @NoArgsConstructor @AllArgsConstructor class WenxinRequest { private String model = "eb-instant"; // 模型名（如 eb-instant、ernie-3.5-4k-0205） private List<Message> messages; } // 文心一言响应体 @Data class WenxinResponse { private List<Choice> result; @Data static class Choice { private String content; } }3. 服务实现
import org.springframework.beans.factory.annotation.Value; import org.springframework.http.MediaType; import org.springframework.stereotype.Service; import org.springframework.web.reactive.function.client.WebClient; import reactor.core.publisher.Mono; @Service public class WenxinService { private final WebClient webClient; private final String apiKey; private final String secretKey; public WenxinService(WebClient.Builder webClientBuilder, @Value("${api.wenxin.api-key}") String apiKey, @Value("${api.wenxin.secret-key}") String secretKey) { this.webClient = webClientBuilder.build(); this.apiKey = apiKey; this.secretKey = secretKey; } // Step 1: 获取 Access Token private Mono<String> getAccessToken() { return webClient.post() .uri("https://aip.baidubce.com/oauth/2.0/token") .queryParam("grant_type", "client_credentials") .queryParam("client_id", apiKey) .queryParam("client_secret", secretKey) .retrieve() .bodyToMono(WenxinTokenResponse.class) .map(WenxinTokenResponse::getAccess_token); } // Step 2: 调用聊天接口 public Mono<String> chat(String prompt) { return getAccessToken().flatMap(accessToken -> { WenxinRequest request = new WenxinRequest( List.of(new Message("user", prompt)) ); return webClient.post() .uri("https://aip.baidubce.com/rpc/2.0/ai/custom/v1/wenxinworkshop/chat/completions") .queryParam("access_token", accessToken) .contentType(MediaType.APPLICATION_JSON) .bodyValue(request) .retrieve() .bodyToMono(WenxinResponse.class) .map(resp -> resp.getResult().get(0).getContent()); }); } }4. Controller 使用
@RestController @RequestMapping("/ai") public class AiController { private final WenxinService wenxinService; public AiController(WenxinService wenxinService) { this.wenxinService = wenxinService; } @GetMapping("/wenxin") public Mono<String> askWenxin(@RequestParam String question) { return wenxinService.chat(question); } }六、调用通义千问 API
1. 通义千问 API 简介
- 端点：
https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation - 必需头：
Authorization: Bearer <API_KEY> - 模型：
dall-e-xl（图像）或qwen-plus（文本） - 官方文档：通义千问 API 文档
📌注意：通义千问由阿里云提供，需在阿里云控制台获取 API 密钥。
2. DTO 定义
// 请求体 @Data @NoArgsConstructor @AllArgsConstructor class TongyiRequest { private String model = "qwen-long"; // 模型名 private List<Message> input = new ArrayList<>(); private Parameters parameters = new Parameters(); @Data @NoArgsConstructor @AllArgsConstructor static class Parameters { private float temperature = 0.7f; // 随机性 private int max_tokens = 800; // 最多生成 token 数 } } // 响应体 @Data class TongyiResponse { private Output output; @Data static class Output { private List<Text> text; @Data static class Text { private String content; } } }3. 服务实现
import org.springframework.beans.factory.annotation.Value; import org.springframework.http.MediaType; import org.springframework.stereotype.Service; import org.springframework.web.reactive.function.client.WebClient; import reactor.core.publisher.Mono; @Service public class TongyiService { private final WebClient webClient; private final String apiKey; public TongyiService(WebClient.Builder webClientBuilder, @Value("${api.tongyi.key}") String apiKey) { this.webClient = webClientBuilder .baseUrl("https://dashscope.aliyuncs.com") .defaultHeader("Authorization", "Bearer " + apiKey) .defaultHeader("Content-Type", MediaType.APPLICATION_JSON) .build(); this.apiKey = apiKey; } public Mono<String> chat(String prompt) { TongyiRequest request = new TongyiRequest(); request.getInput().add(new Message("user", prompt)); return webClient.post() .uri("/api/v1/services/aigc/text-generation/generation") .bodyValue(request) .retrieve() .bodyToMono(TongyiResponse.class) .map(resp -> resp.getOutput().getText().get(0).getContent()); } }4. Controller 使用
@RestController @RequestMapping("/ai") public class AiController { private final TongyiService tongyiService; public AiController(TongyiService tongyiService) { this.tongyiService = tongyiService; } @GetMapping("/tongyi") public Mono<String> askTongyi(@RequestParam String question) { return tongyiService.chat(question); } }七、错误处理与最佳实践
1. 优雅处理 HTTP 错误
使用onStatus()捕获 4xx/5xx 错误：
public Mono<String> chat(String prompt) { return webClient.post() .uri("/chat/completions") .bodyValue(request) .retrieve() .onStatus(httpStatus -> httpStatus.value() >= 400, clientResponse -> { // 读取错误信息 return clientResponse.bodyToMono(String.class) .flatMap(errorBody -> Mono.error(new RuntimeException( "API 调用失败: " + httpStatus.getReasonPhrase() + ", " + errorBody ))); }) .bodyToMono(OpenAiResponse.class) .map(...); }2. 重要最佳实践
实践 | 原因 |
密钥隔离 | 使用环境变量、Vault 或 KMS，绝不硬编码在代码中 |
超时设置 | 避免请求长时间挂起（如 |
重试机制 | 对 5xx 错误使用 |
流式处理 | 大模型响应可能很长，支持流式输出（如 OpenAI 的 |
日志与监控 | 记录请求参数、响应码、耗时，方便排查问题 |
令牌刷新 | 文心一言的 |
响应式编程 | 在 Reactive 项目中，避免使用 |
3. 流式输出示例（OpenAI）
public Flux<String> streamChat(String prompt) { OpenAiRequest request = new OpenAiRequest("gpt-3.5-turbo", List.of(new Message("user", prompt))); request.setStream(true); // 开启流式 return webClient.post() .uri("/chat/completions") .bodyValue(request) .accept(MediaType.TEXT_EVENT_STREAM) // SSE 格式 .exchangeToFlux(clientResponse -> clientResponse.bodyToFlux(String.class)) .filter(chunk -> !chunk.trim().isEmpty()) .map(chunk -> chunk.split("data: ")[1]) .filter(data -> !data.equals("[\u200b]")) // 过滤心跳 .map(data -> { /* 解析 JSON 得到内容 */ }); }八、完整项目结构
src ├── main │ ├── java │ │ └── com.example.demo │ │ ├── DemoApplication.java │ │ ├── config │ │ │ └── WebClientConfig.java │ │ ├── controller │ │ │ └── AiController.java │ │ ├── dto │ │ │ ├── OpenAiRequest.java │ │ │ ├── WenxinRequest.java │ │ │ └── TongyiRequest.java │ │ ├── service │ │ │ ├── OpenAiService.java │ │ │ ├── WenxinService.java │ │ │ └── TongyiService.java │ │ └── ApiConfig.java │ └── resources │ └── application.yml九、总结
通过本文，你掌握了：
- 如何配置 Spring Boot 的
WebClient作为高性能 HTTP 客户端。 - 三大主流大模型 API 的调用流程：
- OpenAI：直接传递
Bearer Token。 - 文心一言：先获取
access_token，再带参调用。 - 通义千问：使用
Bearer方式传递 API 密钥。
- OpenAI：直接传递
- 响应式编程实践：使用
Mono/Flux处理异步调用，避免线程阻塞。 - 生产级考量：错误处理、密钥管理、超时重试、流式输出等。
💡下一步建议：
- 集成Spring AI（官方支持的 AI 框架），简化大模型调用。
- 尝试流式输出，提升用户体验（如实时显示模型思考过程）。
- 使用缓存存储重复请求的结果，降低 API 调用成本。
现在，你已经可以轻松将大模型能力集成到自己的 Spring Boot 应用中！🚀
重要提醒：
大模型 API 通常需要付费（按 token 计费），请理性使用，并遵守各平台的使用政策。本文示例仅用于学习，实际项目中请仔细阅读官方文档获取最新接口规范。
)
