探索AI创新的前沿从零开始学习和运用SpringAI
探索AI创新的前沿——从零开始学习和运用SpringAI
1.SpringAI介绍
SpringAI是AI工程师的一个应用框架，它提供了一个友好的API和开发AI应用的抽象，旨在简化AI应用的开发工序。
目标是将可移植性和模块化设计等设计原则应用于AI领域的Spring生态系统，并将POJO作为应用程序的构建块推广到AI领域。
跨AI提供商的便携API支持聊天、文本到图像和嵌入模型。同时支持同步和流API选项。还支持各种定制的功能。
总的来说就是： Spring出了一个AI框架，帮助我们快速调用AI，从而实现各种功能场景 。
2.创建SpringBoot项目
打开IDEA新建一个项目或者模块；
在新出的弹框中选择Spring Boot； 这里需要注意类型选择Maven、JDK需要选择17版本，打包方式选择jar ；
选择需要添加的依赖项目，分别是SpringWeb和OpneAI；
最后点击创建即可。
3.修改仓库地址
项目创建完毕后，如果你的项目仓库地址是阿里云镜像，则有可能导致openai依赖无法正常下载，因此需要修改pom.xml中的仓库地址。具体如下所示：
<repositories>
<repository>
<id>spring-milestones</id>
<name>Spring Milestones</name>
<url>https://repo.spring.io/milestone</url>
<snapshots>
<enabled>false</enabled>
</snapshots>
</repository>
<repository>
<id>spring-snapshots</id>
<name>Spring Snapshots</name>
<url>https://repo.spring.io/snapshot</url>
<snapshots>
<enabled>false</enabled>
</snapshots>
</repository>
</repositories>4.修改配置文件
spring.application.name=SpringAI-demo
# 添加openai配置文件
spring.ai.openai.api-key=
spring.ai.openai.base-url=
spring.ai.openai.chat.options.model=gpt-3.5-turbo
spring.ai.openai.chat.options.temperature=0.7这些配置项是用于Spring AI框架与OpenAI API集成的配置参数。以下是对每个配置项的详细解释：
1. spring.ai.openai.api-key
解释 ：这个配置项用于指定与OpenAI API通信的API密钥。API密钥是一个私密的字符串，OpenAI使用它来识别和授权您的应用程序。
示例 ：
spring.ai.openai.api-key=sk-XXXXXXXXXXXXXX
2. spring.ai.openai.base-url
解释 ：这个配置项用于指定OpenAI API的基础URL。通常，您可以使用默认的OpenAI URL，但在某些情况下，您可能需要指定一个自定义URL（例如，使用代理或自托管的OpenAI实例）。
示例 ：
spring.ai.openai.base-url=https://api.openai.com/v1
3. spring.ai.openai.chat.options.model
解释 ：这个配置项用于指定要使用的OpenAI模型的名称。OpenAI提供了多种模型，每种模型具有不同的性能和用途。例如，
gpt-3.5-turbo是一个性能良好且性价比高的模型，适合大多数对话和生成任务。示例 ：
spring.ai.openai.chat.options.model=gpt-3.5-turbo
4. spring.ai.openai.chat.options.temperature
解释 ：这个配置项用于设置生成文本时的“温度”参数。温度控制生成文本的随机性。较高的温度值（如0.9）会使输出更随机和多样化，而较低的温度值（如0.2）会使输出更确定和集中。0.7是一个常用的平衡值。
示例 ：
spring.ai.openai.chat.options.temperature=0.7
5.编写控制层代码
1.Chat Client AI
package com.xing.springaidemo.controller;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;
@RestController
public class ChatController {
private final ChatClient chatClient;
public ChatController(ChatClient.Builder chatClientBuilder) {
this.chatClient = chatClientBuilder.build();
}
@GetMapping("/hello")
public String hello() {
return "Hello SpringAI";
}
@GetMapping("/ai")
String generation(String userInput) {
return this.chatClient.prompt()
.user(userInput)
.call()
.content();
}
}2.Chat Model AI
package com.xing.springaidemo.controller;
import org.springframework.ai.openai.OpenAiChatModel;
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.Map;
@RestController
public class ChatController {
private final OpenAiChatModel model;
@Autowired
public ChatController(OpenAiChatModel model) {
this.model = model;
}
@GetMapping("/hello")
public String hello() {
return "Hello SpringAI";
}
@GetMapping("/ai/generate")
public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
return Map.of("generation", model.call(message));
}
}6.查看效果
