（2）探索 Spring AI - 实现聊天对话

最新推荐文章于 2024-06-16 21:58:22 发布

clutch.

最新推荐文章于 2024-06-16 21:58:22 发布

阅读量1.2k

点赞数 30

分类专栏： Spring AI 文章标签： spring 人工智能 java

本文链接：https://blog.csdn.net/ly1347889755/article/details/138377034

版权

Spring AI 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

开发环境

本次演示的基本环境准备如下：

序号	版本
JDK	17 +
SpringBoot	3.x +
Maven	3.9
VPN	至少能够访问 OpenAI 网站 https://openai.com/
OpenAI API Key	注册账号或者淘宝购买

新建工程

这里我新建一个 boot-ai 作为父工程，删除不必要的文件，保留 pom.xml 即可：

在父 pom.xml 文件中修改打包方式为 pom，并加入必要的依赖。

Spring AI 的版本我们采用了最新的 1.0.0-SNAPSHOT：

首先要使用里程碑（Milestone）和快照（Snapshot）版本，需要在构建文件中添加对 Spring Milestone 和/或 Spring Snapshot 资源库的引用：

  <repositories>
    <!-- 里程碑（Milestone）-->
    <repository>
      <id>spring-milestones</id>
      <name>Spring Milestones</name>
      <url>https://repo.spring.io/milestone</url>
      <snapshots>
        <enabled>false</enabled>
      </snapshots>
    </repository>
		<!-- 快照（Snapshot）-->
    <repository>
      <id>spring-snapshots</id>
      <name>Spring Snapshots</name>
      <url>https://repo.spring.io/snapshot</url>
      <releases>
        <enabled>false</enabled>
      </releases>
    </repository>
  </repositories>

Spring AI BOM 声明了特定版本的 Spring AI 所使用的所有依赖关系的推荐版本。在应用程序的构建脚本中使用 BOM 可以避免自己指定和维护依赖版本。相反，使用的 BOM 版本将决定所使用的依赖版本。它还能确保您默认使用的是受支持且经过测试的依赖关系版本，除非你选择覆盖它们。

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>1.0.0-SNAPSHOT</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

最终的父 pom.xml 如下：

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>3.2.4</version>
        <relativePath/> <!-- lookup parent from repository -->
    </parent>

    <groupId>cn.javgo</groupId>
    <artifactId>boot-ai</artifactId>
    <version>1.0-SNAPSHOT</version>
    <packaging>pom</packaging>

    <name>boot-ai</name>
    <url>http://maven.apache.org</url>
    <modules>
        <module>spring-ai-chat</module>
    </modules>

    <properties>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
        <java.version>17</java.version>
        <spring-ai.version>1.0.0-SNAPSHOT</spring-ai.version>
    </properties>

    <!-- 配置本项目的仓库：因为 Maven 中心仓库还没有更新 Spring AI 的 jar 包 -->
    <repositories>
        <!-- 里程碑（Milestone）-->
        <repository>
            <id>spring-milestones</id>
            <name>Spring Milestones</name>
            <url>https://repo.spring.io/milestone</url>
            <snapshots>
                <enabled>false</enabled>
            </snapshots>
        </repository>
        <!-- 快照（Snapshot）-->
        <repository>
            <id>spring-snapshots</id>
            <name>Spring Snapshots</name>
            <url>https://repo.spring.io/snapshot</url>
            <releases>
                <enabled>false</enabled>
            </releases>
        </repository>
    </repositories>

    <dependencyManagement>
        <dependencies>
            <!-- 相当于是继承一个父项目：spring-ai-bom 父项目 -->
            <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>

    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-devtools</artifactId>
            <scope>runtime</scope>
            <optional>true</optional>
        </dependency>

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>

        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
                <configuration>
                    <excludes>
                        <exclude>
                            <groupId>org.projectlombok</groupId>
                            <artifactId>lombok</artifactId>
                        </exclude>
                    </excludes>
                </configuration>
            </plugin>
        </plugins>
    </build>
</project>

再创建一个子模块 spring-ai-chat。用来演示基本聊天功能：

只需要在 spring-ai-chat 模块的 pom.xml 文件中引入 spring-ai-openai-spring-boot-starter 即可：

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <parent>
        <groupId>cn.javgo</groupId>
        <artifactId>boot-ai</artifactId>
        <version>1.0-SNAPSHOT</version>
    </parent>

    <artifactId>spring-ai-chat</artifactId>
    <packaging>jar</packaging>

    <name>spring-ai-chat</name>
    <url>http://maven.apache.org</url>

    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
        </dependency>

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
    </dependencies>
</project>

添加配置

在 spring-ai-chat 子模块的 application.yml 配置文件中配置 Spring AI 的基本属性：

server:
  port: 8081

spring:
  application:
    name: chat-service
  ai:
    openai:
      # 购买的 OpenAI API Key
      api-key: ${OPENAI_API_KEY}
      # 配置 OpenAI 的官方地址（https://api.openai.com），如果是中转的则需要配置中转地址
      base-url: https://apikeyplus.com

TIP：上面的 OpenAI API Key 我配置到了本地环境变量中，这也是一种推荐的做法来保证 API Key 不会泄漏。测试时直接填写明文也可以。

源码分析

在将 spring-ai-openai-spring-boot-starter 集成到 Spring Boot 应用中后，框架自动配置了一组 AI 客户端，使我们能够轻松地在应用中加入智能对话等功能。其中最基本的聊天功能由 OpenAiChatClient 提供。我们可以在 OpenAiAutoConfiguration 的配置中看到详细的自动装配过程。

ModelClient 是所有 AI 客户端接口的顶层抽象，定义了一个关键的方法 call，它负责处理模型请求和响应：

package org.springframework.ai.model;

public interface ModelClient<TReq extends ModelRequest<?>, TRes extends ModelResponse<?>> {
    TRes call(TReq request);
}

这个泛型接口允许传入特定的请求和响应类型，增加了代码的通用性和复用性。

下一级的 ChatClient 接口继承自 ModelClient，它重载了 call 方法以提供更具针对性的聊天功能：

在 ChatClient 中，具体实现了几个 call 方法：

call(String message)：接受一个字符串输入，返回字符串输出。
call(Message... messages)：接受一个或多个 Message 输入，返回字符串输出。

default String call(String message) {
    Prompt prompt = new Prompt(new UserMessage(message));
    Generation generation = this.call(prompt).getResult();
    return generation != null ? generation.getOutput().getContent() : "";
}

default String call(Message... messages) {
    Prompt prompt = new Prompt(Arrays.asList(messages));
    Generation generation = this.call(prompt).getResult();
    return generation != null ? generation.getOutput().getContent() : "";
}

通过观察上述方法实现，我们可以发现一个共同的模式：无论是单个消息还是多个消息，内部逻辑都是首先将输入包装为 Prompt 对象，然后调用 call(Prompt prompt) 方法。call(Prompt prompt) 方法返回一个 ChatResponse 对象，该对象包含 Generation 类型的结果。结果通过 getOutput() 方法获取，最终通过 getContent() 方法提取出聊天的响应内容。

ChatResponse call(Prompt prompt);

类结构图如下：

除了 call 方法，还有另一种调用方式就是 “流” 的形式。让我们首先理解 Flux 类型。Flux 是 Project Reactor 库中的一个响应式流发布者，它可以发出0到N个元素，并随后完成或错误。在 Spring AI 中，Flux 被用来模拟流式的聊天响应，它允许我们像打字机一样逐渐展示聊天内容，而不必等待整个响应一次性返回。

流式聊天功能使得我们的应用能够提供更加动态和互动的用户体验，就像在使用 ChatGPT 时所体验到的那样。在 Spring Boot 应用中，我们通过实现 StreamingChatClient 接口来提供这种能力。

StreamingChatClient 接口扩展自 StreamingModelClient，它定义了如何以流的形式处理聊天功能：

@FunctionalInterface
public interface StreamingChatClient extends StreamingModelClient<Prompt, ChatResponse> {
    default Flux<String> stream(String message) {
        Prompt prompt = new Prompt(message);
        return this.stream(prompt).map((response) -> {
            return response.getResult() != null && response.getResult().getOutput() != null && response.getResult().getOutput().getContent() != null ? response.getResult().getOutput().getContent() : "";
        });
    }

    default Flux<String> stream(Message... messages) {
        Prompt prompt = new Prompt(Arrays.asList(messages));
        return this.stream(prompt).map((response) -> {
            return response.getResult() != null && response.getResult().getOutput() != null && response.getResult().getOutput().getContent() != null ? response.getResult().getOutput().getContent() : "";
        });
    }

    Flux<ChatResponse> stream(Prompt prompt);
}

可以看到，主要提供了两个默认方法 stream(String message) 和 stream(Message... messages)，它们都调用了一个私有方法 streamResponseContent 来避免代码重复。这个私有方法通过流式处理，逐步返回聊天的响应内容，同时使用了 filter 和 map 操作来确保不会处理任何空的响应。

TIP：这一部分内容较多也很花哨，感兴趣的可以阅读官方文档。（Class Flux）

代码编写

OK，简单了解后使用起来就非常简单了，我们这里快速创建一个 Controller 编写两个方法来实现基本的聊天功能：

package cn.javgo.ai.controller;

import com.knuddels.jtokkit.api.ModelType;
import lombok.RequiredArgsConstructor;
import org.springframework.ai.chat.ChatResponse;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.openai.OpenAiChatClient;
import org.springframework.ai.openai.OpenAiChatOptions;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;
import reactor.core.publisher.Mono;

import java.util.List;

/**
 * Description: Chat Controller
 *
 * @author javgo
 * @date 2024/05/01
 * @version: 1.0
 */
@RequiredArgsConstructor
@RestController
@RequestMapping(value = "/ai")
public class ChatController {

    private final OpenAiChatClient openAiChatClient;

    /**
     * 基本请求方法
     */
    @RequestMapping(value = "/chat")
    public String chat(@RequestParam(value = "msg") String msg) {
        return openAiChatClient.call(msg);
    }

    /**
     * 等价于上面的方法
     */
    @RequestMapping(value = "/chatV2")
    public String chatV2(@RequestParam(value = "msg") String msg) {
        ChatResponse chatResponse = openAiChatClient.call(new Prompt(msg));
        return chatResponse.getResult().getOutput().getContent();
    }

    /**
     * 定制化更高的方法
     */
    @RequestMapping(value = "/chatV3")
    public String chatV3(@RequestParam(value = "msg") String msg) {
        // 构建 OpenAiChat 选项，进行更加细粒度地定制
        OpenAiChatOptions openAiChatOptions = OpenAiChatOptions.builder()
                // OpenAI 聊天模型版本，默认 gpt-3.5-turbo，也可以配置 gpt-4-32k 后缀 32k 代表参数量
                .withModel(ModelType.GPT_3_5_TURBO.getName())
                // 温度，温度越高回答更具创新性但是准确率也会下降，温度越低回答的准确率越好，需要调整一个合适的值
                .withTemperature(0.4F)
                .build();

        // 接口调用并提取内容
        ChatResponse chatResponse = openAiChatClient.call(new Prompt(msg, openAiChatOptions));
        return chatResponse.getResult().getOutput().getContent();
    }

    /**
     * 流
     */
    @RequestMapping(value = "/chatV4")
    public Flux<String> chatV4(@RequestParam(value = "msg") String msg) {
        Flux<String> stringFlux = openAiChatClient.stream(msg);
        return stringFlux;
    }

    /**
     * 流（定制化更高）
     */
    @RequestMapping(value = "/chatV5")
    public Mono<List<ChatResponse>> chatV5(@RequestParam(value = "msg") String msg) {
        // 构建 OpenAiChat 选项，进行更加细粒度地定制
        OpenAiChatOptions openAiChatOptions = OpenAiChatOptions.builder()
                // OpenAI 聊天模型版本，默认 gpt-3.5-turbo，也可以配置 gpt-4-32k 后缀 32k 代表参数量
                .withModel(ModelType.GPT_3_5_TURBO.getName())
                // 温度，温度越高回答更具创新性但是准确率也会下降，温度越低回答的准确率越好，需要调整一个合适的值
                .withTemperature(0.4F)
                .build();

        // 接口调用获取数据
        Flux<ChatResponse> chatResponseFlux = openAiChatClient.stream(new Prompt(msg, openAiChatOptions));
        // 返回数据的序列，一序列的数据，一个一个的数据返回
        return chatResponseFlux.collectList();
    }
}

准备启动类：

package cn.javgo.ai;

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;

/**
 * Description: 程序入口
 *
 * @author javgo
 * @date 2024/05/01
 * @version: 1.0
 */
@SpringBootApplication
public class ChatApplication {

    public static void main(String[] args) {
        SpringApplication.run(ChatApplication.class, args);
    }
}

结果测试

启动程序后调用 API 进行测试。

测试基本聊天接口：

测试定制化更高的 V3 接口：

测试流式接口：

clutch.

关注

30
点赞
踩
16

收藏

觉得还不错? 一键收藏
打赏
0
评论
（2）探索 Spring AI - 实现聊天对话

Spring AI BOM 声明了特定版本的 Spring AI 所使用的所有依赖关系的推荐版本。相反，使用的 BOM 版本将决定所使用的依赖版本。流式聊天功能使得我们的应用能够提供更加动态和互动的用户体验，就像在使用 ChatGPT 时所体验到的那样。TIP：上面的 OpenAI API Key 我配置到了本地环境变量中，这也是一种推荐的做法来保证 API Key 不会泄漏。集成到 Spring Boot 应用中后，框架自动配置了一组 AI 客户端，使我们能够轻松地在应用中加入智能对话等功能。
复制链接

扫一扫