spring boot3整合AI组件及使用方法_Java

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