Azure OpenAI 嵌入
Azure 的 OpenAI 扩展了 OpenAI 的功能，为各种任务提供安全的文本生成和嵌入计算模型：
-
相似性嵌入擅长捕捉两个或多个文本片段之间的语义相似性。
-
文本搜索嵌入帮助衡量长文档是否与短查询相关。
-
代码搜索嵌入对于嵌入代码片段和嵌入自然语言搜索查询很有用。
Azure OpenAI 嵌入使用 余弦相似度 来计算文档和查询之间的相似性。
前提条件
Azure OpenAI 客户端提供三种连接选项：使用 Azure API 密钥、使用 OpenAI API 密钥或使用 Microsoft Entra ID。
Azure API 密钥和端点
从 Azure 门户的 Azure OpenAI 服务部分获取您的 Azure OpenAI endpoint 和 api-key。
Spring AI 定义了两个配置属性：
-
spring.ai.azure.openai.api-key：设置为从 Azure 获取的API Key值。 -
spring.ai.azure.openai.endpoint：设置为在 Azure 中配置模型时获取的端点 URL。
您可以在 application.properties 或 application.yml 文件中设置这些配置属性：
spring.ai.azure.openai.api-key=<your-azure-api-key>
spring.ai.azure.openai.endpoint=<your-azure-endpoint-url>如果您更喜欢使用环境变量来处理敏感信息（如 API 密钥），可以在配置中使用 Spring 表达式语言（SpEL）：
# 在 application.yml 中
spring:
ai:
azure:
openai:
api-key: ${AZURE_OPENAI_API_KEY}
endpoint: ${AZURE_OPENAI_ENDPOINT}# 在您的环境或 .env 文件中
export AZURE_OPENAI_API_KEY=<your-azure-openai-api-key>
export AZURE_OPENAI_ENDPOINT=<your-azure-endpoint-url>OpenAI 密钥
要使用 OpenAI 服务（非 Azure）进行身份验证，请提供 OpenAI API 密钥。 这将自动将端点设置为 api.openai.com/v1。
使用此方法时，将 spring.ai.azure.openai.chat.options.deployment-name 属性设置为您希望使用的 OpenAI 模型 的名称。
在您的应用程序配置中：
spring.ai.azure.openai.openai-api-key=<your-azure-openai-key>
spring.ai.azure.openai.chat.options.deployment-name=<openai-model-name>使用 SpEL 的环境变量：
# 在 application.yml 中
spring:
ai:
azure:
openai:
openai-api-key: ${AZURE_OPENAI_API_KEY}
chat:
options:
deployment-name: ${OPENAI_MODEL_NAME}# 在您的环境或 .env 文件中
export AZURE_OPENAI_API_KEY=<your-openai-key>
export OPENAI_MODEL_NAME=<openai-model-name>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 升级说明 了解更多信息。
Spring AI 为 Azure OpenAI 嵌入模型提供了 Spring Boot 自动配置。
要启用它，请将以下依赖项添加到项目的 Maven pom.xml 文件中：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-model-azure-openai</artifactId>
</dependency>或添加到 Gradle build.gradle 构建文件中。
dependencies {
implementation 'org.springframework.ai:spring-ai-starter-model-azure-openai'
}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。
嵌入属性
前缀 spring.ai.azure.openai 是配置 Azure OpenAI 连接的属性前缀。
| 属性 | 描述 | 默认值 |
|---|---|---|
spring.ai.azure.openai.api-key |
来自 Azure AI OpenAI |
- |
spring.ai.azure.openai.endpoint |
来自 Azure AI OpenAI |
- |
spring.ai.azure.openai.openai-api-key |
（非 Azure）OpenAI API 密钥。用于向 OpenAI 服务进行身份验证，而不是 Azure OpenAI。
这会自动将端点设置为 api.openai.com/v1。使用 |
- |
嵌入自动配置的启用和禁用现在通过前缀为 spring.ai.model.embedding 的顶级属性进行配置。
要启用，spring.ai.model.embedding=azure-openai（默认启用）
要禁用，spring.ai.model.embedding=none（或任何不匹配 azure-openai 的值）
此更改是为了允许多个模型的配置。
前缀 spring.ai.azure.openai.embedding 是配置 Azure OpenAI 的 EmbeddingModel 实现的属性前缀
| 属性 | 描述 | 默认值 |
|---|---|---|
spring.ai.azure.openai.embedding.enabled（已移除且不再有效） |
启用 Azure OpenAI 嵌入模型。 |
true |
spring.ai.model.embedding |
启用 Azure OpenAI 嵌入模型。 |
azure-openai |
spring.ai.azure.openai.embedding.metadata-mode |
文档内容提取模式 |
EMBED |
spring.ai.azure.openai.embedding.options.deployment-name |
这是在 Azure AI 门户中显示的"部署名称"的值 |
text-embedding-ada-002 |
spring.ai.azure.openai.embedding.options.user |
操作的调用者或最终用户的标识符。这可用于跟踪或速率限制目的。 |
- |
提示：所有以 spring.ai.azure.openai.embedding.options 为前缀的属性都可以通过在 EmbeddingRequest 调用中添加请求特定的 运行时选项 在运行时被覆盖。
运行时选项
AzureOpenAiEmbeddingOptions 提供嵌入请求的配置信息。
AzureOpenAiEmbeddingOptions 提供了一个构建器来创建选项。
在启动时使用 AzureOpenAiEmbeddingModel 构造函数设置用于所有嵌入请求的默认选项。
在运行时，您可以通过在 EmbeddingRequest 请求中传递 AzureOpenAiEmbeddingOptions 实例来覆盖默认选项。
例如，为特定请求覆盖默认模型名称：
EmbeddingResponse embeddingResponse = embeddingModel.call(
new EmbeddingRequest(List.of("Hello World", "World is big and salvation is near"),
AzureOpenAiEmbeddingOptions.builder()
.model("Different-Embedding-Model-Deployment-Name")
.build()));示例代码
这将创建一个 EmbeddingModel 实现，您可以将其注入到您的类中。
以下是一个使用 EmbeddingModel 实现的简单 @Controller 类示例。
spring.ai.azure.openai.api-key=YOUR_API_KEY
spring.ai.azure.openai.endpoint=YOUR_ENDPOINT
spring.ai.azure.openai.embedding.options.model=text-embedding-ada-002@RestController
public class EmbeddingController {
private final EmbeddingModel embeddingModel;
@Autowired
public EmbeddingController(EmbeddingModel embeddingModel) {
this.embeddingModel = embeddingModel;
}
@GetMapping("/ai/embedding")
public Map embed(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
EmbeddingResponse embeddingResponse = this.embeddingModel.embedForResponse(List.of(message));
return Map.of("embedding", embeddingResponse);
}
}手动配置
如果您不想使用 Spring Boot 自动配置，可以在应用程序中手动配置 AzureOpenAiEmbeddingModel。
为此，将 spring-ai-azure-openai 依赖项添加到项目的 Maven pom.xml 文件中：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-azure-openai</artifactId>
</dependency>或添加到 Gradle build.gradle 构建文件中。
dependencies {
implementation 'org.springframework.ai:spring-ai-azure-openai'
}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。
注意：spring-ai-azure-openai 依赖项还提供对 AzureOpenAiEmbeddingModel 的访问。有关 AzureOpenAiChatModel 的更多信息，请参阅 Azure OpenAI 嵌入 部分。
接下来，创建一个 AzureOpenAiEmbeddingModel 实例并使用它来计算两个输入文本之间的相似性：
var openAIClient = OpenAIClientBuilder()
.credential(new AzureKeyCredential(System.getenv("AZURE_OPENAI_API_KEY")))
.endpoint(System.getenv("AZURE_OPENAI_ENDPOINT"))
.buildClient();
var embeddingModel = new AzureOpenAiEmbeddingModel(this.openAIClient)
.withDefaultOptions(AzureOpenAiEmbeddingOptions.builder()
.model("text-embedding-ada-002")
.user("user-6")
.build());
EmbeddingResponse embeddingResponse = this.embeddingModel
.embedForResponse(List.of("Hello World", "World is big and salvation is near"));注意：text-embedding-ada-002 实际上是 Azure AI 门户中显示的 Deployment Name。
