首页 › Spring AI › 实战项目：AI 智能客服系统

从零开始构建一个完整的 AI 智能客服系统，整合前面所学的 ChatClient、Tool Calling、RAG 等技术。

项目功能

功能模块	说明
智能问答	基于知识库的 RAG 问答，多轮对话
订单查询	AI 通过 Tool 调用查询工单/订单状态
知识库管理	上传文档 → 向量化 → 语义检索
对话管理	多轮对话记忆，持久化到数据库
管理后台	知识库管理、对话记录查看、参数配置

技术栈

spring:
  boot: 3.3.x
  ai: 1.0.x
  database:
    - PostgreSQL 16 (pgvector)     # 向量数据库
    - MySQL 8                      # 业务数据
  ai:
    provider: Ollama (开发) / OpenAI (生产)
    model: llama3.2:3b / gpt-4o-mini
  frontend: Thymeleaf + Tailwind CSS
  deploy: Docker Compose

项目结构

spring-ai-customer-service/
├── pom.xml
├── docker-compose.yml
├── src/main/java/com/example/cs/
│   ├── CsApplication.java
│   ├── config/
│   │   ├── AIConfig.java               # ChatClient 与 Advisor 配置
│   │   └── VectorStoreConfig.java       # PGVector 配置
│   ├── controller/
│   │   ├── ChatController.java          # 对话 API
│   │   ├── KnowledgeController.java     # 知识库管理 API
│   │   └── AdminController.java         # 管理后台
│   ├── service/
│   │   ├── ChatService.java            # 对话服务（RAG + Tool）
│   │   ├── KnowledgeService.java       # 知识库服务
│   │   └── OrderToolService.java       # 订单查询 Tool
│   ├── tool/
│   │   ├── OrderQueryTool.java         # 订单查询 Tool
│   │   ├── ProductQueryTool.java       # 产品查询 Tool
│   │   └── UserAuthTool.java           # 用户认证 Tool
│   ├── model/
│   │   ├ entity/*.java                 # 数据库实体
│   │   └ dto/*.java                    # 数据传输对象
│   ├── repository/
│   │   ├── ChatMessageRepository.java  # 对话记录 DAO
│   │   └── KnowledgeRepository.java    # 知识库 DAO
│   └── controller/
│       └── admin/
│           ├── DashboardController.java
│           └── SettingsController.java
└── src/main/resources/
    ├── application.yml
    ├── prompts/
    │   ├── rag-system.st               # RAG 系统 Prompt
    │   └── tool-system.st              # Tool 系统 Prompt
    ├── static/
    └── templates/

pom.xml 依赖

<dependencies>
    <!-- Spring Boot -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-data-jpa</artifactId>
    </dependency>

    <!-- Spring AI -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-pgvector-store-spring-boot-starter</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-tika-document-reader</artifactId>
    </dependency>

    <!-- 数据库 -->
    <dependency>
        <groupId>org.postgresql</groupId>
        <artifactId>postgresql</artifactId>
    </dependency>
    <dependency>
        <groupId>com.mysql</groupId>
        <artifactId>mysql-connector-j</artifactId>
    </dependency>

    <!-- 工具 -->
    <dependency>
        <groupId>org.projectlombok</groupId>
        <artifactId>lombok</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-thymeleaf</artifactId>
    </dependency>
</dependencies>

docker-compose.yml

services:
  postgres:
    image: pgvector/pgvector:0.7.0-pg16
    environment:
      POSTGRES_DB: vectordb
      POSTGRES_USER: postgres
      POSTGRES_PASSWORD: postgres
    ports:
      - "5432:5432"
    volumes:
      - pgdata:/var/lib/postgresql/data

  mysql:
    image: mysql:8.4
    environment:
      MYSQL_ROOT_PASSWORD: root
      MYSQL_DATABASE: customer_service
    ports:
      - "3306:3306"
    volumes:
      - mysqldata:/var/lib/mysql

  app:
    build: .
    ports:
      - "8080:8080"
    environment:
      SPRING_DATASOURCE_URL: jdbc:postgresql://postgres:5432/vectordb
      SPRING_DATASOURCE_SECONDARY_URL: jdbc:mysql://mysql:3306/customer_service
    depends_on:
      - postgres
      - mysql

volumes:
  pgdata:
  mysqldata:

application.yml

server:
  port: 8080

spring:
  # PostgreSQL（向量数据库）
  datasource:
    url: jdbc:postgresql://localhost:5432/vectordb
    username: postgres
    password: postgres

  # MySQL（业务数据）
  datasource-secondary:
    url: jdbc:mysql://localhost:3306/customer_service
    username: root
    password: root

  jpa:
    hibernate:
      ddl-auto: update
    show-sql: false

  ai:
    ollama:
      base-url: http://localhost:11434
      chat:
        options:
          model: llama3.2:3b
          temperature: 0.3
      embedding:
        options:
          model: nomic-embed-text

    vectorstore:
      pgvector:
        index-type: HNSW
        distance-type: COSINE_DISTANCE
        dimension: 768
        initialize-schema: true

小结

• 项目融合了 ChatClient、RAG、Tool Calling、多轮对话等全部 Spring AI 能力。
• 技术栈：Spring Boot + Spring AI + PostgreSQL(pgvector) + MySQL。
• Docker Compose 一键启动所有服务。
• 项目结构按功能分层：controller → service → tool → repository。
• 开发阶段用 Ollama 本地模型，生产切换到 OpenAI。

下一节：知识库模块

贡献者: 布欧-Lewyon