利用Spring Boot以及Spring AI构建生成式人工智能应用

Spring AI，作为行业领导者，通过其强大、灵活的API和先进的功能，为各种行业提供了颠覆性的解决方案。在本专题中，我们将深入探讨Spring AI在各领域的应用示例，每个案例都将展示Spring AI如何满足特定需求，实现目标，并将这些LESSONS LEARNED扩展到更广泛的应用。希望这个专题能对你有所启发，更深入地理解和利用Spring AI的无限可能。

Spring框架在软件开发领域已经有超过20年的历史，自Spring Boot 1.0版本发布以来已有10年。现在，无人会质疑，Spring创造了一种独特的风格，使开发者从重复任务中解放出来，专注于提供业务价值。随着时间的推移，Spring的技术深度不断增强，涵盖了广泛的开发领域和技术。另一方面，随着更多的专用解决方案得到尝试，概念的验证被创建，并最终在项目的保护下得到推广，其技术广度不断扩大。

Spring AI 项目就是一个实例，根据其参考文档，该项目旨在简化当生成式人工智能层需要被引入应用时的开发过程。开发者再次从重复任务中解放出来，可以直接通过简单的接口与预先训练的模型（包含实际处理算法）进行交互。

通过直接或者通过 Spring AI 以编程方式与生成式预训练的转换器（GPTs）交互，用户（开发者）不需要拥有广泛的机器学习知识。但作为一名工程师，我强烈认为，即使这些开发者工具可以方便快捷地使用并产生结果，我建议我们需要克制自己，警觉观察，尝试首先理解基本概念。此外，通过遵循这条路径，产出的结果可能会更有价值。

目的

本文介绍了如何将 Spring AI 集成到Spring Boot应用，与OpenAI进行编程交互。我们假定prompt设计一般来说是一种最先进的活动。因此，在实验过程中使用的prompt非常有教导性，但应用性不大。此处的重点是通讯接口，即 Spring AI API。

实施前

首先要明确自身使用GPT解决方案的理由，除了希望提供更好的质量，节省时间和降低成本。

生成式人工智能据说擅长执行大量耗时的任务，速度更快，效率更高，生成结果。此外，如果这些结果进一步经过经验丰富且智慧的人类验证，获得有用结果的可能性会增加。

接下来，应抵制立即跳入实施的诱惑，至少要花一些时间熟悉一下一般概念。对生成式人工智能概念的深入探索远远超出了本文的范围。然而，出现在交互中的“主要角色”在下面简要概述。

舞台 - 生成式人工智能是人工智能的一部分
输入 - 提供的数据（输入）
输出 - 计算结果（输出）
大型语言模型（LLM）- 根据解释的输入产生输出的微调算法
提示词- 一种最先进的接口，通过它将输入传入模型
提示词模板 - 允许构造结构化参数化提示的组件
令牌 - 算法在内部将输入转换为令牌，然后使用这些令牌来编译结果，并最终从中构造输出
模型的环境窗口 - 模型限制每次调用的令牌数量的阈值（通常，使用的令牌越多，操作就越昂贵）

最后，可以开始实施，但随着实施的进行，建议回顾和优化前两个步骤。

提示词

在本次练习中，我们请求如下：

Write {count = three} reasons why people in {location = Romania} should consider a {job = software architect} job. 
These reasons need to be short, so they fit on a poster. 
For instance, "{job} jobs are rewarding.