引言

集成问题

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。

该项目的灵感来源于著名的 Python 项目，如 LangChain 和 LlamaIndex，但 Spring AI 并非这些项目的直接移植。 该项目坚信，下一波生成式人工智能应用程序将不仅仅面向 Python 开发人员，而是将普及到多种编程语言中。

注意：Spring AI 解决了人工智能集成的基本挑战：将您的企业数据和 API 与人工智能模型连接起来。

交互式

Spring AI 提供了作为开发人工智能应用程序基础的抽象。 这些抽象有多种实现，从而能够以最少的代码更改轻松替换组件。

Spring AI 提供以下功能：

  • 跨 AI 提供商的聊天、文本到图像和嵌入模型的便携式 API 支持。支持同步和流式 API 选项。也提供对模型特定功能的访问。

  • 支持所有主要的 AI 模型提供商，例如 Anthropic、OpenAI、Microsoft、Amazon、Google 和 Ollama。支持的模型类型包括：

  • 结构化输出 - 将 AI 模型输出映射到 POJO。

  • 支持所有主要的 向量数据库提供商，例如 Apache Cassandra、Azure Cosmos DB、Azure Vector Search、Chroma、Elasticsearch、GemFire、MariaDB、Milvus、MongoDB Atlas、Neo4j、OpenSearch、Oracle、PostgreSQL/PGVector、PineCone、Qdrant、Redis、SAP Hana、Typesense 和 Weaviate。

  • 跨向量存储提供商的便携式 API，包括新颖的类 SQL 元数据过滤 API。

  • 工具/函数调用 - 允许模型请求执行客户端工具和函数，从而根据需要访问必要的实时信息并采取行动。

  • 可观察性 - 提供对 AI 相关操作的洞察。

  • 用于数据工程的文档提取 ETL 框架。

  • AI 模型评估 - 帮助评估生成内容并防止幻觉响应的实用程序。

  • AI 模型和向量存储的 Spring Boot 自动配置和启动器。

  • ChatClient API - 用于与 AI 聊天模型通信的流畅 API，在习惯用法上类似于 WebClient 和 RestClient API。

  • Advisors API - 封装了重复出现的生成式 AI 模式，转换进出语言模型 (LLM) 的数据，并提供跨各种模型和用例的可移植性。

  • 支持 聊天对话记忆 和 检索增强生成 (RAG)。

此功能集使您可以实现常见的用例，例如“文档问答”或“与您的文档聊天”。

概念部分 提供了 AI 概念及其在 Spring AI 中表示的高级概述。

入门部分 向您展示了如何创建您的第一个 AI 应用程序。 后续部分将深入探讨每个组件和常见用例，并采用以代码为中心的方法。