Spring AI Alibaba 游乐场（Playground）现已正式上线——想要一站式体验AI应用开发全流程，还能快速复刻一个属于自己的AI应用？这里提供了一整套完整方案。 核心功能一览： - 聊天助手、图像生成、文档总结等AI核心功能 - 支持多模型切换、联网搜索等高级玩法 - 开源完整源码，开发者可直接拿来快速搭建个性化应用 Playground 是由社区基于 Spring AI Alibaba 框架搭建的AI应用体验平台，自带完整的前端UI和后端实现。对话、图片生成、工具调用、RAG、MCP等热门能力一应俱全。如果你手头正好有项目需要集成AI能力，直接拿Playground的源码进行改造，比自己从零开始搭建要省时省力得多。 体验入口在此（浏览器打开即可）：playground.ja va2ai.com 效果预览： 源码仓库（内含完整示例）：
https://github.com/springaialibaba/spring-ai-alibaba-examples/tree/main/spring-ai-alibaba-playground ---

1. 功能快速体验

打开Playground首页，你会看到一系列能力入口：聊天助手（支持多轮对话、深度思考、联网搜索、多模型随心切换）、图像生成、文档总结、RAG、MCP、Function Call。这些功能全部基于 Spring AI Alibaba 框架实现，绝非华而不实。

1.1 聊天助手

聊天窗口本质上是一个基于大模型服务的智能机器人。你可以向Playground提出任何问题，它都会根据模型生成回复。整个对话采用流式输出，聊天记忆也会自动保留。如果想切换模型，页面左侧即可轻松切换，十分便捷。

1.1.1 联网搜索

联网搜索，顾名思义——实时抓取网络上的最新信息，并喂给大模型，从而获得最新答案。Playground 使用了阿里云 IQS 信息检索服务作为数据源。当然，如果你想定制，也可以替换成任何搜索引擎服务的API。IQS 的实现本质上就是调用服务接口或SDK，看看这段核心代码就明白了： ```ja va public GenericSearchResult search(String query) { ResponseEntity resultResponseEntity = run(query); return genericSearchResult(resultResponseEntity); } private ResponseEntity run(String query) { return this.restClient.get() .uri("/search/genericSearch?query={query}&timeRange={timeRange}", query, TIME_RANGE) .retrieve() .toEntity(GenericSearchResult.class); } ```

1.1.2 深度思考

深度思考实际上就是利用模型提供的推理服务。Spring AI Alibaba 通过一个开关来控制思考过程，并且能够将思考过程展示出来。配置参数是 `enable_thinking`，你可以自由开启或关闭。

1.2 图像生成

Spring AI Alibaba 支持多模态模型。在Playground左侧点击“图像生成”菜单，即可快速体验。一张图胜过千言万语，看看效果： 下面是用 Qwen 系列模型实现的图像生成对话效果：

1.3 文档总结

文档总结功能可以帮助你对上传的本地文件或网络链接进行信息提取和总结，让大模型生成一份简洁的总结报告。操作很简单：上传文件，系统处理完成后，点击继续即可得到结果。 上传文件界面： 处理完成，生成总结：

1.4 RAG

RAG 仍然是目前最流行的AI与私有知识库结合的方式，用于构建问答机器人、专业领域助手非常合适。Playground 支持两种向量存储实现：基于 AnalyticdbVectorStore 的生产级方案，以及基于内存的 SimpleVectorStore 方案。部署时可以根据实际需求替换。 我们部署的 Playground 示例已经内置了 Spring AI Alibaba 的文档，因此你问它关于这个框架的任何问题，它都能回答得头头是道。

1.4.1 模块化 RAG 介绍

Spring AI Alibaba 框架支持模块化 RAG，包括查询重写、问题分解、检索重排序、结果聚合等优化。下面这张图展示了核心流程和接口： 模块化 RAG 分为四个环节：Pre-retrieval、Retrieval、Post-retrieval、内容生成。 **Pre-Retrieval**：增强和转换用户输入，让检索更有效。例如解决格式不正确的查询、语义不清晰或不受支持的语言。 - QueryAugmenter（查询增强）：用附加上下文数据增强用户query，为大模型提供必要的背景信息。 - QueryTransformer（查询改写）：用户输入往往片面、信息量少，需要用prompt或大模型改写query，让问题更清晰。 - QueryExpander（查询扩展）：将用户query扩展成多个语义不同的变体，从不同视角检索，增加找到相关结果的机会。 **Retrieval**：负责查询向量存储等数据系统，检索与用户query最相关的文档。 - DocumentRetriever：检索器，根据QueryExpander从不同数据源（搜索引擎、向量存储、数据库、知识图谱等）检索。 - DocumentJoiner：将多个query和多个数据源检索到的文档合并成一个集合。 **Post-Retrieval**：对检索到的文档做进一步处理，解决模型中间丢失和上下文长度限制等问题。 **生成**：将“Query + 上下文”一起输入大模型，获得最终响应。

1.5 MCP

Playground 提供了MCP体验页面。内置了一个基于Ja va实现的 `weather_server` MCP服务，在线即可触发调用。 想增加更多MCP服务？源码解读部分会告诉你如何修改Playground代码进行定制。 ---

2. 本地部署

想在本地运行起来？有两种方式：Docker 一键运行，或者下载源码本地构建。

2.1 使用 Docker 运行

执行下面这条命令，即可用 Docker 快速启动 Playground。需要先到阿里云百炼获取 API-KEY，然后设置环境变量 `AI_DASHSCOPE_API_KEY=your_api_key`。 ```bash docker run -d -p 8080:8080 \ -e AI_DASHSCOPE_API_KEY=your_api_key \ --name spring-ai-alibaba-playground \ sca-registry.cn-hangzhou.cr.aliyuncs.com/spring-ai-alibaba/playground:1.0.0.2-x ``` 启动后，浏览器访问 `http://localhost:8080` 即可看到前端页面。

2.1.1 开启更多组件

Playground 作为一个AI智能体应用，依赖大模型等在线服务，需要通过环境变量指定访问凭证。要开启全部能力，需要设置以下环境变量： - 【必须】阿里云百炼 API-KEY：大模型服务，示例 `export AI_DASHSCOPE_API_KEY=xxx` - 【可选】百度翻译 appId 和 secretKey：使用 Tool Call 时必须，示例 `export BAIDU_TRANSLATE_APP_ID=xxx`、`export BAIDU_TRANSLATE_SECRET_KEY=xxx` - 【可选】百度地图 api key：使用 Tool Call 必须，示例 `export BAIDU_MAP_API_KEY=xxx` - 【可选】阿里云 IQS 服务 apikey：使用联网搜索必须，示例 `export IQS_SEARCH_API_KEY=xxx` - 【可选】阿里云 AnalyticDB 向量数据库：使用 RAG 时可开启（默认使用内存向量数据库）。先设置 `export VECTOR_STORE_TYPE=analyticdb`，再配置相关参数。 完整示例 Docker 命令： ```bash docker run -d -p 8080:8080 \ -v "$(pwd)/logs:/app/logs" \ -e AI_DASHSCOPE_API_KEY=your_api_key \ -e ADB_ACCESS_KEY_ID=your_access_key \ -e ADB_ACCESS_KEY_SECRET=your_secret_key \ -e BAIDU_TRANSLATE_APP_ID=your_app_id \ -e BAIDU_TRANSLATE_SECRET_KEY=your_secret_key \ -e BAIDU_MAP_API_KEY=your_api_key \ -e VECTOR_STORE_TYPE=analyticdb \ -e IQS_SEARCH_API_KEY=your_api_key \ --name spring-ai-alibaba-playground \ sca-registry.cn-hangzhou.cr.aliyuncs.com/spring-ai-alibaba/playground:1.0.0.2-x ```

2.2 下载源码构建运行

首先，项目打包： ```bash mvn clean install -DskipTests ``` 然后配置环境变量（参考Docker运行那节的说明）。 最后运行项目： ```bash ja va -jar ./target/app.jar ``` 启动成功后，浏览器访问 `http://localhost:8080` 查看前端页面。 ---

3. 源码解读

Playground 源码在这里：
https://github.com/springaialibaba/spring-ai-alibaba-examples/tree/main/spring-ai-alibaba-playground 我们还在官网发布了详细的源码解读文章：
https://ja va2ai.com/docs/1.0.0.2/practices/usecase/playground/ 希望Playground能帮助开发者快速构建自己的AI应用。你可以仿照它的开发模式，或者直接复制代码进行改造，定制出属于自己的智能体。 ---

4. 总结

随着 Spring AI Alibaba 1.0 正式发布，Ja va 智能体开发进入了一个新时代。Playground 项目正是为了让开发者以更低成本、更快速度体验和开发自己的智能体应用而生的。从聊天助手到RAG，从图像生成到MCP，你想要的AI能力都在这儿了。现在就去试试吧。