开始使用
本节介绍如何将可用的 AI 聊天放入应用程序：启用服务器推送、连接模型，并添加组件。
前提条件
按照 安装 中的说明安装该扩展组件。
启用服务端推送
AI 回答的答案是从其他线程逐个 token 传递而来，因此应用程序必须启用服务端推送。在应用程序类上添加 @Push：
@Push
@SpringBootApplication
public class AiChatEx1Application implements AppShellConfigurator {如果不添加，组件仍会渲染，但答案产生的任何内容都不会到达浏览器。
连接模型
聊天本身不与模型通信，而是向应用程序请求一个函数：给定请求，以文本流的形式返回答案。该函数就是 LLMProvider，配置了 provider 之后聊天才能回答问题。
本示例使用 Ollama 在本地运行模型，不需要 API 密钥。首先添加 Spring AI starter：
implementation 'org.springframework.ai:spring-ai-starter-model-ollama'并在 application.properties 中配置：
spring.ai.model.chat=ollama
spring.ai.ollama.base-url=${OLLAMA_BASE_URL:http://localhost:11434}
spring.ai.ollama.chat.model=${OLLAMA_CHAT_MODEL:qwen3:8b}
spring.ai.ollama.init.pull-model-strategy=never然后为聊天提供一个 provider。Spring AI 会自动配置一个 ChatClient.Builder，在视图中可以用这个 builder 构建自己的 AI 客户端：
@Autowired
private ChatClient.Builder chatClientBuilder;
private ChatClient chatClient;
@Subscribe
public void onInit(final InitEvent event) {
chatClient = chatClientBuilder.build();
}
@Install(to = "chat", subject = "llmProvider")
private Flux<String> llmProvider(final LLMProvider.LLMRequest request) {
return chatClient.prompt()
.user(request.userMessage())
.stream()
.content();
}示例使用 @Install 声明 provider，这是视图中的常用方式。如需以编程方式创建聊天，请使用 setLlmProvider(…) 实现。
LLMProvider 来自 com.vaadin.flow.component.ai.provider，而不是 Jmix 包。
请求中携带的内容不仅包含用户输入的文本，还包含系统提示词和任何添加的附件。provider 决定其中哪些内容会到达模型。未读取的内容不会被发送。上面的方法只转发消息，这对于不需要系统提示词和附件的聊天来说已经足够。参考 系统提示词 和 将文件发送到模型。
| 除了 starter 和配置之外，上面的内容都不是 Ollama 独有的。也就是说，如需使用 OpenAI、Anthropic、Azure OpenAI 或任何其他 Spring AI 模型，只需替换 starter 和配置即可，provider 方法保持不变。 |
添加聊天
在视图描述符中声明该组件。为其指定宽度和高度，如未指定则聊天会根据内容调整自身大小（在视图的根布局中显示狭窄的列）：
<aichat:aiChat id="chat" width="100%" height="100%"/>这就是全部配置。聊天将对话保存在内存中，渲染答案，不需要其他任何配置即可工作：
|
当没有可访问的模型时，应用程序也能正常启动，视图也会照常打开。但发送第一条消息就会失败，表现为聊天中的生成失败，而不是启动错误。 |
后续步骤
上面的聊天将对话保存在内存中，因此当视图关闭时对话就会消失。参考 aiChat，了解如何将聊天绑定到自定义的消息实体、持久化对话、控制生成，以及配置聊天的各个部分。
聊天中的组件也可以单独使用：aiMessageList 用于显示对话或自行驱动对话，aiMessageInput 用于输入消息，aiCodeBlock 用于在应用程序的任何位置显示代码。