Spring与AI结合-spring boot3整合AI组件

本文主要是介绍Spring与AI结合-spring boot3整合AI组件，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

⛰️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<String, Object> paramMap = new HashMap<>();paramMap.put("model", "gpt-3.5-turbo");List<Map<String, String>> dataList = new ArrayList<>();dataList.add(new HashMap<String, String>(){{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

 <dependency><groupId>cn.hutool</groupId><artifactId>hutool-all</artifactId><version>5.7.22</version></dependency>

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;@Autowiredpublic 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。