spring boot3整合spring AI组件

码农世界 2024-05-21 后端 71 次浏览 0个评论

⛰️个人主页: 蒾酒

🔥系列专栏：《spring boot实战》

写在前面

spring ai简介

单独整合al接口

整合Spring AI组件

起步条件

编辑

进行必要配置

写在最后

写在前面

本文介绍了springboot开发后端服务中，AI组件(Spring AI)的整合与使用。坚持看完相信对你有帮助。

同时欢迎订阅springboot系列专栏，持续分享spring boot的使用经验。

spring ai简介

先看官网介绍：

翻译：

Spring AI 是 AI 工程的应用框架。其目标是将 Spring 生态系统设计原则（如可移植性和模块化设计）应用于 AI，并推广使用 POJO 作为 AI 领域应用程序的构建块。

翻译：

特征

跨 AI 提供商的可移植 API 支持，适用于聊天、文本到图像和嵌入模型。支持同步和流 API 选项。还支持下拉以访问特定于模型的功能。

在spring-ai组件没发布前，我们在spring boot中对接各种ai接口，由于接口规范格式的不同，我们通常每种接口都得单独去写代码去对接，最后通过实现策略模式来实现灵活切换ai接口源。这样是比较麻烦的。而spring-ai组件就是帮我们做了类似的封装，使得我们对接多种ai接口变得十分方便。

单独整合al接口

我们先来看spring boot简单整合经典的chatGPT 3.5接口

代码如下：

import cn.hutool.http.HttpRequest;
import cn.hutool.json.JSONArray;
import cn.hutool.json.JSONObject;
import cn.hutool.json.JSONUtil;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
/**
 * @author mijiu
 * ClassName:OpenAIAPI.java
 * date:2024-05-06 16:49
 * Description:
 */
public class OpenAIAPI {
    /**
     * 聊天端点
     */
    private final static String CHAT_ENDPOINT = "https://api.openai.com/v1/chat/completions";//官网接口地址
    private final static  String PROXY_ENDPOINT ="https://www.chatgp.fun/v1/chat/completions";//国内代理接口
    private final static  String API_KEY = "Bearer sk-pbatvlgKeYScAS3kD4820bA1CcE741F996E0BaAb205421D1";
    /**
     * 需要代理服务器访问
     *
     * @param txt 内容
     * @return {@link String}
     */
    public static String chat(String txt) {
        Map paramMap = new HashMap<>();
        paramMap.put("model", "gpt-3.5-turbo");
        List> dataList = new ArrayList<>();
        dataList.add(new HashMap(){{
            put("role", "user");
            put("content", txt);
        }});
        paramMap.put("messages", dataList);
        System.out.println(JSONUtil.toJsonStr(paramMap));
        JSONObject message = null;
        try {
            String body = HttpRequest.post(PROXY_ENDPOINT)
                    .header("Authorization", API_KEY)
                    .header("Content-Type", "application/json")
                    .body(JSONUtil.toJsonStr(paramMap))
                    .execute()
                    .body();
            JSONObject jsonObject = JSONUtil.parseObj(body);
            System.out.println(jsonObject);
            JSONArray choices = jsonObject.getJSONArray("choices");
            JSONObject result = choices.get(0, JSONObject.class, Boolean.TRUE);
            message = result.getJSONObject("message");
        } catch (Exception e) {
            return "抱歉，我无法回答你的问题。";
        }
        return message.getStr("content");
    }
    public static void main(String[] args) {
        System.out.println(chat("你是？"));
    }
}

这段代码依赖hutool工具包的http工具包

 
    cn.hutool
    hutool-all
    5.7.22

现在运行测试一下：

可以看到目前整合调用测试成功了。

代码里面的api-key有一定量的token新手可以复制代码运行下试试。言归正传下面开始介绍核心内容。

整合Spring AI组件

起步条件

jdk不低于17
spring boot 3x

我们直接新建一个demo项目

为何直接新建一个项目的，主要是为了避开一些麻烦。如，阿里云maven镜像没有此依赖，需要到中央仓库下载。

一定要选不低于Java17的jdk

选择这两个依赖就够了

Spring Web
OpenAI

spring boot的版本不要低于3.0

等待依赖下载完成。

进行必要配置

这个api-key需要你去openal官网去申请购买，或者在一些购物软件直接购买现成的用。

共需要配置：

spring.ai.openai.api-key：这是你的 OpenAI API 密钥，它是用于通过 API 访问 OpenAI 服务的凭证。密钥应该是一个长字符串，用于标识你的账户并授权访问。

spring.ai.openai.chat.options.model：这是用于设置对话系统所使用的 OpenAI 模型的选项之一。在这种情况下，模型选择为 GPT-3.5 Turbo，这是 OpenAI 提供的一种强大的自然语言处理模型，适用于生成对话。

spring.ai.openai.chat.options.temperature：这是对话系统生成响应时的温度参数。温度参数控制着生成文本的多样性，值越高，生成文本的多样性越大。在这里，温度设置为 0.7，这意味着对话系统生成的文本会相对保守，但仍具有一定的多样性。

application.properties：

spring.ai.openai.api-key=sk-uVfM7GiD9RIdIKRrF70eT3BlbkyhdHGHGH
spring.ai.openai.chat.options.model=gpt-3.5-turbo
spring.ai.openai.chat.options.temperature=0.7

代码里面的api-key是我随意写的一个，需要换成你自己的且有效的。

测试控制器

import org.springframework.ai.embedding.EmbeddingClient;
import org.springframework.ai.embedding.EmbeddingResponse;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import java.util.List;
import java.util.Map;
/**
 * @author mijiupro
 */
@RestController
public class EmbeddingController {
    private final EmbeddingClient embeddingClient;
    @Autowired
    public EmbeddingController(EmbeddingClient embeddingClient) {
        this.embeddingClient = embeddingClient;
    }
    @GetMapping("/ai/embedding")
    public Map embed(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        EmbeddingResponse embeddingResponse = this.embeddingClient.embedForResponse(List.of(message));
        return Map.of("embedding", embeddingResponse);
    }
}

最后启动项目浏览器地址栏访问测试接口即可。