MiniMax 聊天
Spring AI支持来自MiniMax的各种AI语言模型。您可以与MiniMax语言模型交互,并基于MiniMax模型创建多语言对话助手。
前提条件
您需要创建一个MiniMax API来访问MiniMax语言模型。
在https://www.minimaxi.com/login[MiniMax注册页面]创建账户,并在https://www.minimaxi.com/user-center/basic-information/interface-key[API密钥页面]生成令牌。
Spring AI项目定义了一个名为`spring.ai.minimax.api-key`的配置属性,您应该将其设置为从API密钥页面获取的`API密钥`值。
您可以在`application.properties`文件中设置此配置属性:
spring.ai.minimax.api-key=<your-minimax-api-key>
为了在处理API密钥等敏感信息时增强安全性,您可以使用Spring表达式语言(SpEL)来引用环境变量:
# 在application.yml中
spring:
ai:
minimax:
api-key: ${MINIMAX_API_KEY}
# 在您的环境或.env文件中
export MINIMAX_API_KEY=<your-minimax-api-key>
您也可以在应用程序代码中以编程方式设置此配置:
// 从安全源或环境变量中获取API密钥
String apiKey = System.getenv("MINIMAX_API_KEY");
自动配置
Spring AI自动配置、starter模块的构件名称发生了重大变化。 请参阅https://docs.spring.io/spring-ai/reference/upgrade-notes.html[升级说明]了解更多信息。 |
Spring AI为MiniMax聊天客户端提供Spring Boot自动配置。 要启用它,请在项目的Maven `pom.xml`文件中添加以下依赖:
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-model-minimax</artifactId>
</dependency>
或添加到您的Gradle `build.gradle`构建文件中。
dependencies {
implementation 'org.springframework.ai:spring-ai-starter-model-minimax'
}
提示:请参阅依赖管理部分,将Spring AI BOM添加到您的构建文件中。
聊天属性
重试属性
前缀`spring.ai.retry`用作属性前缀,允许您配置MiniMax聊天模型的重试机制。
属性 | 描述 | 默认值 |
---|---|---|
spring.ai.retry.max-attempts |
最大重试尝试次数。 |
10 |
spring.ai.retry.backoff.initial-interval |
指数退避策略的初始睡眠持续时间。 |
2秒 |
spring.ai.retry.backoff.multiplier |
退避间隔乘数。 |
5 |
spring.ai.retry.backoff.max-interval |
最大退避持续时间。 |
3分钟 |
spring.ai.retry.on-client-errors |
如果为false,对于`4xx`客户端错误代码抛出NonTransientAiException,不尝试重试 |
false |
spring.ai.retry.exclude-on-http-codes |
不应触发重试的HTTP状态代码列表(例如抛出NonTransientAiException)。 |
空 |
spring.ai.retry.on-http-codes |
应触发重试的HTTP状态代码列表(例如抛出TransientAiException)。 |
空 |
连接属性
前缀`spring.ai.minimax`用作属性前缀,允许您连接到MiniMax。
属性 | 描述 | 默认值 |
---|---|---|
spring.ai.minimax.base-url |
要连接的URL |
|
spring.ai.minimax.api-key |
API密钥 |
- |
配置属性
聊天自动配置的启用和禁用现在通过前缀为`spring.ai.model.chat`的顶级属性进行配置。 要启用,spring.ai.model.chat=minimax(默认启用) 要禁用,spring.ai.model.chat=none(或任何不匹配minimax的值) 此更改是为了允许多个模型的配置。 |
前缀`spring.ai.minimax.chat`是允许您配置MiniMax聊天模型实现的属性前缀。
属性 | 描述 | 默认值 |
---|---|---|
spring.ai.minimax.chat.enabled (已移除且不再有效) |
启用MiniMax聊天模型。 |
true |
spring.ai.model.chat |
启用MiniMax聊天模型。 |
minimax |
spring.ai.minimax.chat.base-url |
可选覆盖spring.ai.minimax.base-url以提供聊天特定的url |
|
spring.ai.minimax.chat.api-key |
可选覆盖spring.ai.minimax.api-key以提供聊天特定的api-key |
- |
spring.ai.minimax.chat.options.model |
这是要使用的MiniMax聊天模型 |
|
spring.ai.minimax.chat.options.maxTokens |
在聊天完成中生成的最大令牌数。输入令牌和生成令牌的总长度受模型上下文长度的限制。 |
- |
spring.ai.minimax.chat.options.temperature |
用于控制生成完成项的明显创造性的采样温度。较高的值将使输出更随机,而较低的值将使结果更集中和确定性。不建议为相同的完成请求同时修改temperature和top_p,因为这两个设置的交互很难预测。 |
0.7 |
spring.ai.minimax.chat.options.topP |
温度采样的替代方案,称为核采样,其中模型考虑具有top_p概率质量的令牌的结果。所以0.1意味着只考虑构成前10%概率质量的令牌。我们通常建议修改这个或temperature,但不要同时修改两者。 |
1.0 |
spring.ai.minimax.chat.options.n |
为每个输入消息生成多少个聊天完成选项。请注意,您将根据所有选项中生成的令牌数量收费。默认值为1,不能大于5。具体来说,当temperature非常小且接近0时,我们只能返回1个结果。如果此时n已设置且>1,服务将返回非法输入参数(invalid_request_error) |
1 |
spring.ai.minimax.chat.options.presencePenalty |
-2.0到2.0之间的数字。正值根据新令牌是否出现在文本中来惩罚它们,增加模型讨论新主题的可能性。 |
0.0f |
spring.ai.minimax.chat.options.frequencyPenalty |
-2.0到2.0之间的数字。正值根据新令牌在文本中的现有频率来惩罚它们,降低模型逐字重复相同行的可能性。 |
0.0f |
spring.ai.minimax.chat.options.stop |
模型将停止生成由stop指定的字符,目前仅支持单个停止词,格式为["stop_word1"] |
- |
注意:您可以为`ChatModel`实现覆盖通用的`spring.ai.minimax.base-url`和`spring.ai.minimax.api-key`。 如果设置了`spring.ai.minimax.chat.base-url`和`spring.ai.minimax.chat.api-key`属性,它们将优先于通用属性。 如果您想为不同的模型和不同的模型端点使用不同的MiniMax账户,这很有用。
提示:所有以`spring.ai.minimax.chat.options`为前缀的属性都可以通过在`Prompt`调用中添加请求特定的运行时选项在运行时覆盖。
运行时选项
MiniMaxChatOptions.java提供模型配置,如要使用的模型、温度、频率惩罚等。
在启动时,可以通过`MiniMaxChatModel(api, options)`构造函数或`spring.ai.minimax.chat.options.*`属性配置默认选项。
在运行时,您可以通过在`Prompt`调用中添加新的、请求特定的选项来覆盖默认选项。 例如,要覆盖特定请求的默认模型和温度:
ChatResponse response = chatModel.call(
new Prompt(
"Generate the names of 5 famous pirates.",
MiniMaxChatOptions.builder()
.model(MiniMaxApi.ChatModel.ABAB_6_5_S_Chat.getValue())
.temperature(0.5)
.build()
));
提示:除了模型特定的MiniMaxChatOptions外,您还可以使用可移植的https://github.com/spring-projects/spring-ai/blob/main/spring-ai-client-chat/src/main/java/org/springframework/ai/chat/ChatOptions.java[ChatOptions]实例,使用https://github.com/spring-projects/spring-ai/blob/main/spring-ai-client-chat/src/main/java/org/springframework/ai/chat/ChatOptionsBuilder.java[ChatOptionsBuilder#builder()]创建。
示例控制器
创建一个新的Spring Boot项目,并将`spring-ai-starter-model-minimax`添加到您的pom(或gradle)依赖中。
在`src/main/resources`目录下添加一个`application.properties`文件,以启用和配置MiniMax聊天模型:
spring.ai.minimax.api-key=YOUR_API_KEY
spring.ai.minimax.chat.options.model=abab6.5g-chat
spring.ai.minimax.chat.options.temperature=0.7
提示:用您的MiniMax凭据替换`api-key`。
这将创建一个`MiniMaxChatModel`实现,您可以将其注入到您的类中。 以下是一个简单的`@Controller`类示例,它使用聊天模型进行文本生成。
@RestController
public class ChatController {
private final MiniMaxChatModel chatModel;
@Autowired
public ChatController(MiniMaxChatModel chatModel) {
this.chatModel = chatModel;
}
@GetMapping("/ai/generate")
public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
return Map.of("generation", this.chatModel.call(message));
}
@GetMapping("/ai/generateStream")
public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
var prompt = new Prompt(new UserMessage(message));
return this.chatModel.stream(prompt);
}
}
手动配置
MiniMaxChatModel实现了`ChatModel`和`StreamingChatModel`,并使用低级MiniMaxApi客户端连接到MiniMax服务。
在项目的Maven `pom.xml`文件中添加`spring-ai-minimax`依赖:
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-minimax</artifactId>
</dependency>
或添加到您的Gradle `build.gradle`构建文件中。
dependencies {
implementation 'org.springframework.ai:spring-ai-minimax'
}
提示:请参阅依赖管理部分,将Spring AI BOM添加到您的构建文件中。
接下来,创建一个`MiniMaxChatModel`并使用它进行文本生成:
var miniMaxApi = new MiniMaxApi(System.getenv("MINIMAX_API_KEY"));
var chatModel = new MiniMaxChatModel(this.miniMaxApi, MiniMaxChatOptions.builder()
.model(MiniMaxApi.ChatModel.ABAB_6_5_S_Chat.getValue())
.temperature(0.4)
.maxTokens(200)
.build());
ChatResponse response = this.chatModel.call(
new Prompt("Generate the names of 5 famous pirates."));
// 或使用流式响应
Flux<ChatResponse> streamResponse = this.chatModel.stream(
new Prompt("Generate the names of 5 famous pirates."));
`MiniMaxChatOptions`提供聊天请求的配置信息。 `MiniMaxChatOptions.Builder`是一个流畅的选项构建器。
低级MiniMaxApi客户端
MiniMaxApi提供了MiniMax API的轻量级Java客户端。
以下是一个简单的代码片段,展示如何以编程方式使用API:
MiniMaxApi miniMaxApi =
new MiniMaxApi(System.getenv("MINIMAX_API_KEY"));
ChatCompletionMessage chatCompletionMessage =
new ChatCompletionMessage("Hello world", Role.USER);
// 同步请求
ResponseEntity<ChatCompletion> response = this.miniMaxApi.chatCompletionEntity(
new ChatCompletionRequest(List.of(this.chatCompletionMessage), MiniMaxApi.ChatModel.ABAB_6_5_S_Chat.getValue(), 0.7f, false));
// 流式请求
Flux<ChatCompletionChunk> streamResponse = this.miniMaxApi.chatCompletionStream(
new ChatCompletionRequest(List.of(this.chatCompletionMessage), MiniMaxApi.ChatModel.ABAB_6_5_S_Chat.getValue(), 0.7f, true));
请参阅https://github.com/spring-projects/spring-ai/blob/main/models/spring-ai-minimax/src/main/java/org/springframework/ai/minimax/api/MiniMaxApi.java[MiniMaxApi.java]的JavaDoc获取更多信息。
Web搜索聊天
MiniMax模型支持网络搜索功能。网络搜索功能允许您搜索网络信息并在聊天响应中返回结果。
有关网络搜索的更多信息,请参阅https://platform.minimaxi.com/document/ChatCompletion%20v2[MiniMax ChatCompletion]。
以下是一个简单的代码片段,展示如何使用网络搜索:
UserMessage userMessage = new UserMessage(
"How many gold medals has the United States won in total at the 2024 Olympics?");
List<Message> messages = new ArrayList<>(List.of(this.userMessage));
List<MiniMaxApi.FunctionTool> functionTool = List.of(MiniMaxApi.FunctionTool.webSearchFunctionTool());
MiniMaxChatOptions options = MiniMaxChatOptions.builder()
.model(MiniMaxApi.ChatModel.ABAB_6_5_S_Chat.value)
.tools(this.functionTool)
.build();
// 同步请求
ChatResponse response = chatModel.call(new Prompt(this.messages, this.options));
// 流式请求
Flux<ChatResponse> streamResponse = chatModel.stream(new Prompt(this.messages, this.options));
MiniMaxApi示例
-
MiniMaxApiIT.java测试提供了一些关于如何使用轻量级库的一般示例。
-
MiniMaxApiToolFunctionCallIT.java测试展示了如何使用低级API调用工具函数。 基于https://docs.mistral.ai/guides/function-calling/[Mistral AI函数调用]教程。