Spring Boot 整合 Spring AI 实现项目接入ChatGPT(OpenAl的调用）

    当前各种AI项目层出不穷，但绝大多数都是用python写的，现在Spring开源了Spring AI项目，让Java开发者也可以轻松给自己的springboot项目集成AI能力。目前spring AI正式版本为0.8.1，支持接入openAI、Ollama、Azure openAI、Huggingface等，可实现聊天、embedding、图片生成、语音转文字、向量数据库、function calling、prompt模板、outputparser、RAG等功能，就像Java版本的langchain，本文通过一些示例简要介绍部分功能。

一、OpenAI简介

OpenAI是一家致力于推动人工智能发展的研究公司，其目标是确保人工智能的益处广泛而均匀地分布。为了实现这一目标，OpenAI开发了一系列强大的API，供开发者在自己的应用中集成AI功能。

OpenAI的API涵盖了自然语言处理、图像识别、机器翻译等多个领域，其中最为著名的可能是GPT系列模型，它们在文本生成、文本理解等方面表现出色。

二、Spring Boot与OpenAI的无缝对接

Spring Boot是一个流行的Java框架，用于快速开发企业级应用。其简洁的配置和丰富的生态使得Spring Boot成为许多开发者的首选。将Spring Boot与OpenAI对接，可以让你的Java应用轻松拥有AI能力。

Spring AI API 涵盖了广泛的功能。每个主要功能都在其专门的部分中进行了详细介绍。为了提供概述，可以使用以下关键功能：

• 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。还支持下拉访问模型特定功能。我们支持 OpenAI、Microsoft、Amazon、Google、Huggingface 等公司的 AI 模型。
• 跨 Vector Store 提供商的可移植 API，包括同样可移植的新颖的类似 SQL 的元数据过滤器 API。支持 8 个矢量数据库。
• 函数调用。Spring AI 使 AI 模型可以轻松调用 POJO java.util.Function 对象。
• AI 模型和向量存储的 Spring Boot 自动配置和启动器。
• 数据工程的 ETL 框架。这为将数据加载到矢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 模型以纳入其响应中。

第一步：建项目：创建一个Spring Boot项目(JDK17起步)；

第二步：加依赖

2.1 加入spring-ai-openai-spring-boot-starter依赖； 
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
</dependency>
2.2 继承父项目：

<dependencyManagement>
    <dependencies>
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-bom</artifactId>
        <version>${spring-ai.version}</version>
        <type>pom</type>
        <scope>import</scope>
     </dependency>
    </dependencies>
</dependencyManagement>
2.3 配置项目依赖下载的仓库：(因为spring ai在中心仓库还没有依赖，所以需要去网站下载)
<repositories>
    <repository>
        <id>spring-milestones</id>
        <name>Spring Milestones</name>
        <url>https://repo.spring.io/milestone</url>
        <snapshots>
            <enabled>false</enabled>
        </snapshots>
    </repository>
</repositories>

第三步：配文件(这个的api -key就是你自己的)

1. 注册OpenAI账号并获取API密钥要使用OpenAI的API，首先需要注册一个OpenAI账号，并在Dashboard中获取你的API密钥。这个密钥将用于后续的API调用中，以验证你的身份。

13k star! 获取免费ChatGPT API Key的开源项目，亲测可用！

spring:
  ai:
    openai:
      api-key:  （换成你的api-key）
      base-url: https://api.openai.com（分为代理地址和直连地址）

第四步： 聊天功能写具体的代码实现

4.1 因为所有的接口的父接口都继承与Model，可以看到聊天方式的实现就是注入OpenAiChatModel 因为这个springboot自动装配的功能，只需要注入即可

第一种： 聊天的第一种实现方式（调用call方法，直接传入msg，这个叫做同步API）

public class ChatController {
    @Resource
    private OpenAiChatModel openAiChatModel;
    /**
     * 聊天的方法。底层调用的openAi的方法
     * RequestParam 接受参数
     * msg 就是我们提的问题
     * @return
     */
    @RequestMapping("/ai/chat")
    public String chat(@RequestParam("msg") String msg){
        String called = openAiChatModel.call(msg);
        return called;
    }

5.1 运行程序结果

2. 聊天与prompt template

如果使用openai，就注入openAiChatClient，如果使用ollama，就注入ollamaChatClient，然后调用call方法就可以了。

@Autowired
private ChatClient openAiChatClient;
@Autowired
private ChatClient ollamaChatClient;

@GetMapping("/ai/simple")
public Map<String, String> completion(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
    return Map.of("generation", openAiChatClient.call(message));
}

第二种 聊天的程序的第二种实现方式（调用call方法，new一个Prompt对象再传入msg）

/**
     * 聊天的方法。底层调用的openAi的方法
     * RequestParam 接受参数
     * msg 就是我们提的问题
     * ChatResponse 返回的是一个josn串
     * chatResponse.getResult().getOutput().getContent();只获取文本
     * @return
     */
    @RequestMapping("/ai/chat2")
    public Object chat2(@RequestParam("msg") String msg){
        ChatResponse chatResponse = openAiChatModel.call(new Prompt(msg));
        return chatResponse.getResult().getOutput().getContent();
    }

6.1 运行程序结果

第三种：聊天的程序的第三种实现方式（比上一个方法多了一个关于gpt参数的设置）

/**
     *OpenAiChatOptions.builder() 传入的一个参数，可以控制大模型的设置
     * @param msg
     * @return
     */
    @RequestMapping("/ai/chat3")
    public Object chat3(@RequestParam("msg") String msg){
        ChatResponse chatResponse = openAiChatModel.call(new Prompt(msg, OpenAiChatOptions.builder()
                //.withModel("gpt-4-32k")  //gpt的版本 ，32K是参数，参数越高，回答问题越准确
                .withTemperature(0.4F)  //温度值，温度越高，回答的准确率越低，温度越低，回答的准确率越高
                .build()));
        return chatResponse.getResult().getOutput().getContent();
    }

7.1 运行程序结果

当然上述的可选参数不仅可以在代码中配置，也可以在配置文件中配置

注意：如果代码中写了关于gpt的参数，配置文件中也配置了参数，那么以代码中为主

第四种：聊天的程序的第三种实现方式（调用stream方法，用法和call一样，只不过返回值不一样,Stream返回的是Fiux，叫做数据的序列一序列的数据，一个一个的数据返回，调用Stream叫做流式API）

/**
     *OpenAiChatOptions.builder() gpt的可选参数
     * @param msg
     * @return
     */
    @RequestMapping("/ai/chat4")
    public Object chat4(@RequestParam("msg") String msg){
        Flux<ChatResponse> flux = openAiChatModel.stream(new Prompt(msg, OpenAiChatOptions.builder()
                //.withModel("gpt-4-32k")  //gpt的版本 ，32K是参数，参数越高，回答问题越准确
                .withTemperature(0.4F)  //温度值，温度越高，回答的准确率越低，温度越低，回答的准确率越高
                .build()));
        return flux.collectList();
    }

上述就是关于Spring Boot 整合 Spring AI 实现项目接入ChatGPT，本文仅介绍了关于聊天方面的实现方式，接下来的文章介绍关于如何生成图片以及语言的转换。