1、【AI技术新纪元：Spring AI解码】Spring AI 应用框架

Spring AI 应用框架

Spring AI 是面向人工智能工程的应用框架。其目标是将Spring生态系统的设计原则如可移植性和模块化设计应用于AI领域，并推广使用POJOs（Plain Old Java Objects，简单旧式Java对象）作为应用程序的构建块。

特点

• 跨AI提供商的可移植API支持，涵盖聊天、文本到图像以及嵌入模型。
• 支持同步和流API选项。
• 支持特定模型特性的深入访问。

聊天模型

• OpenAI
• Azure Open AI
• Amazon Bedrock
• Cohere’s Command
• AI21 Labs’ Jurassic-2
• Meta’s LLama 2
• Amazon’s Titan
• Google Vertex AI Palm
• Google Gemini
• HuggingFace - 访问包括Meta的Llama2在内的数千种模型
• Ollama - 在本地机器上运行AI模型
• MistralAI

文本到图像模型

• OpenAI with DALL-E
• StabilityAI

转录模型（音频到文本）

• OpenAI

嵌入模型

• OpenAI
• Azure OpenAI
• Ollama
• ONNX
• PostgresML
• Bedrock Cohere
• Bedrock Titan
• Google VertexAI
• Mistal AI

向量存储 API

提供跨不同提供商的可移植性，特色是类似SQL的元数据过滤API，维持可移植性。

向量数据库

• Azure Vector Search
• Chroma
• Milvus
• Neo4j
• PostgreSQL/PGVector
• PineCone
• Redis
• Weaviate
• Qdrant

Spring Boot 自动配置和AI模型及向量存储启动器

函数调用

您可以声明java.util.Function实现以用于OpenAI模型的提示响应。可以直接提供这些函数作为对象，或者在应用上下文中注册为@Bean后引用它们的名称。此功能最大限度地减少不必要的代码，并使AI模型能够请求更多信息以完成其响应。

支持的模型包括：

• OpenAI
• Azure OpenAI
• VertexAI
• Mistral AI

ETL框架用于数据工程

核心功能是使用向量存储将文档传输到模型提供商。ETL框架基于Java功能性编程概念，帮助您串联多个步骤。我们支持读取各种格式的文档，包括PDF、JSON等。框架允许根据需要进行数据操作，通常包括拆分文档以遵守上下文窗口限制，并通过关键词增强以提高文档检索效果。最后，处理过的文档存储在向量数据库中，方便未来检索。

参考文档、样本应用和工作坊/课程材料

未来的版本将在这一基础上构建，提供对额外AI模型的访问，例如Google刚发布的Gemini多模态模型，一个评估AI应用有效性的框架，更多便利API，以及帮助解决“查询/总结我的文档”用例的功能。请查看GitHub以获取即将发布的详情。

入门

您可以通过以下几个简单步骤开始：

1. 安装Spring CLI，然后在您的Shell中运行命令。

   spring boot new --from ai --name myai
   1

   将为您创建一个应用程序，开始与ChatGPT的基本交互，只需按照

生成的README文件中的说明获取您的API密钥。

2. 运行应用程序

   ./mvw spring-boot:run
   1

   并访问端点：

   curl localhost:8080/ai/simple
   1