使用spring-ai快速对接ChatGpt_spring ai 集成gpt

什么是spring-ai

Spring AI 是一个与 Spring 生态系统紧密集成的项目，旨在简化在基于 Spring 的应用程序中使用人工智能（AI）技术的过程。
简化集成：Spring AI 为开发者提供了方便的工具和接口，使得在 Spring 应用中集成 AI 功能变得更加容易，避免了手动处理底层细节的复杂性。

spring-ai具备什么功能

下面是spring官方文档介绍
Spring AI API 涵盖了广泛的功能。 每个主要功能都在其单独的部分中进行了详细说明。 为了提供概述，提供了以下关键功能：

• 跨 AI 提供商的可移植 API，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。我们支持来自OpenAI，Microsoft，Amazon，Google，Huggingface等的AI模型。
• 跨 Vector Store 提供程序的可移植 API，包括新颖的类似 SQL 的元数据过滤器 API，该 API 也是可移植的。支持 8 个向量数据库。
• 函数调用。Spring AI 可以轻松地让 AI 模型调用您的 POJO java.util.Function 对象。
• AI 模型和矢量存储的 Spring Boot 自动配置和启动器。
• 用于数据工程的 ETL 框架。这为将数据加载到向量数据库提供了基础，有助于实现检索增强生成模式，使您能够将数据引入 AI 模型以合并到其响应中。

** 总结来说。通过spring-ai的提供的api功能，可以方便的实现大模型相关的相关功能。例如对话，提示，文生图等功能。**

接入chatGpt

spring-ai官方提供了一个demo
ai-openai-helloworld
这个demo中，可以通过简单的配置实现会话功能，但是没有提供设置代理的功能，国内使用的话会请求超市，无法访问社区也有相关的反馈

因此我稍微改写了这个demo，提供了设置代理的功能。完善了相关配置

项目介绍

在ai-openai-helloworld基础上进行了一些修改，完善可一些配置文件，增加了代理的配置。国内可以通过配置代理访问openAI。
项目地址spring-ai-chatgpt
实现了3个demo
1、简单回话（全部生成完毕返回）

curl --location 'http://localhost:8080/ai/simple?message=Tell me a joke'
1

返回完整的生成回话

2、流式回话

curl --location 'http://localhost:8080/ai/stream?message=Tell me a joke'
1

3、消息的模板提示和对gpt相应的结果自动映射到java类

curl --location 'http://localhost:8080/ai/template?author=李白'
1

例如这个例子中我们像gpt提问请列出关于李白相关的诗词题目，spring-ai可以自动帮我们解析成java对象

启动项目

需要修改application.yml文件
填写正确的apiKey。与代理服务器的配置，即可启动项目

spring:
  ai:
    proxy:
      host: 127.0.0.1
      port: 1080
    openai:
      api-key: xxxx
      chat:
        options:
          model: gpt-3.5-turbo


1
2
3
4
5
6
7
8
9
10
11
12

接口说明

  /**
     * 对话接口,回话生成完毕返回
     * @param message
     * @return
     */
    @GetMapping("/ai/simple")
    public Map<String, String> completion(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        return Map.of("generation", chatClient.call(message));
    }


    /**
     * 流式对话接口
     *
     * @param message
     * @return
     */
    @GetMapping("/ai/stream")
    public SseEmitter streamCompletion(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        SseEmitter emitter = new SseEmitter(5L * 60 * 1000);
        Flux<String> stream = chatClient.stream(message);
        stream.subscribe(it -> {
            try {
                System.out.println(it);
                emitter.send(it, MediaType.TEXT_EVENT_STREAM);
            } catch (IOException e) {
                System.out.println("sse发送消息失败");
                emitter.completeWithError(e);
            }
        });

        stream.doOnError(e -> {
            System.out.println("流式对话发生异常");
            emitter.completeWithError(e);
        });

        stream.doOnComplete(emitter::complete);
        return emitter;
    }


    /**
     * 模板对话接口，可以用于提示用户，也可以引导chatGpt的回答
     * 可以对chat的回答指定格式，轻松转换为java的实体类
     *
     * @return
     */
    @GetMapping("/ai/template")
    @ResponseBody
    public AuthorPoems templateCompletion(@RequestParam(value = "author", defaultValue = "李白") String author) {
        var outputParser = new BeanOutputParser<>(AuthorPoems.class);
        String message = """
             请列出关于{author}相关的诗词题目
             {format}
             """;

        PromptTemplate promptTemplate = new PromptTemplate(message, Map.of("author", author, "format", outputParser.getFormat()));
        Prompt prompt = promptTemplate.create();
        Generation generation = chatClient.call(prompt).getResult();

        AuthorPoems authorPoems = outputParser.parse(generation.getOutput().getContent());
        return authorPoems;
    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63

项目结构

整个项目十分简单，代码很少。主要为了实现设置代理类重写了了openai一些接口