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;
@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。
http://localhost:8080/ai/embedding
写在最后
spring boot3整合AI组件到这里就结束了。任何问题评论区或私信讨论，欢迎指正。
