随着大语言模型发展越来越成熟,Apache开源组织也出了自己的SpringAI开源工程
Spring AI项目旨在简化包含人工智能功能的应用程序的开发,避免不必要的复杂性。
该项目从著名的 Python 项目(例如 LangChain 和 LlamaIndex)中汲取灵感,但 Spring AI 并不是这些项目的直接移植。
支持所有主要模型,例如 OpenAI、Ollama、Azure OpenAI、Amazon Bedrock、Huggingface、Google VertextAI、Mistral AI。
支持的模型类型包括“聊天”和“文本到图像”,还有更多模型类型正在开发中。
支持所有主要矢量数据库提供商,例如 Apache Cassandra、Azure 矢量搜索、Chroma、Milvus、Neo4j、PostgreSQL/PGVector、PineCone、Qdrant、Redis 和 Weaviate
本博文分两部分,ollama环境搭建,SpringAI连接通义千问(源代码放在文章最后,可以下载)
说明:本代码使用jdk版本为17
先看效果:
一、ollama环境搭建
可以参考这篇文章的中的第三部分 【三、LLM语言模型搭建】,搭建是一样的,在此就不重复了
FastGTP环境搭建,可直接使用在项目上
二、SpringAI连接通义千问
1、配置文件,如下 上代码
server:
port: 8080
spring:
application:
name: ai
ai:
ollama:
base-url: http://192.168.1.200:11434
chat:
enabled: true
options:
model: qwen:0.5b
2、java连接关键代码
String systemPrompt = "{prompt}";
SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemPrompt);
String userPrompt = message;
Message userMessage = new UserMessage(userPrompt);
Message systemMessage = systemPromptTemplate.createMessage(MapUtil.of("prompt", "you are a helpful AI assistant"));
List<Message> list = new ArrayList<>();
list.add(userMessage);
list.add(systemMessage);
Prompt prompt = new Prompt(list);
Flux<String> response =chatClient.stream(prompt).flatMap(res->{
List<Generation> generations = res.getResults();
if(CollUtil.isNotEmpty(generations)){
for(Generation generation:generations){
AssistantMessage assistantMessage = generation.getOutput();
String content = assistantMessage.getContent();
System.out.println(content);
return Flux.just(content);
}
}
return Flux.empty();
});
3、测试,访问 http://localhost:8080/chat?message=用python写个排序算法:
使用Apifox工具测(百度自行下载),截下截图:
三、源代码下载
AI-Auto-config 工程是使用springboot的bootstrap.yml配置连接ollama
AI-Manual-Config 手动配置连接ollama方式
下载地址:百度网盘 请输入提取码
版权归原作者 软件科学研究院 所有, 如有侵权,请联系我们删除。