Spring AI 实战教程

最新推荐文章于 2024-10-19 02:36:09 发布

全栈程序员可乐

最新推荐文章于 2024-10-19 02:36:09 发布

阅读量512

点赞数 11

分类专栏： spring生态全解析文章标签：人工智能 spring spring boot

本文链接：https://blog.csdn.net/weixin_46287227/article/details/142853511

版权

spring生态全解析专栏收录该内容

4 篇文章 0 订阅

订阅专栏

大家好，我是程序员可乐，专注于Spring生态，给大家带来更便捷的开发体验。

wechat 公众号：【全栈程序员可乐】

在上篇中，我们学习了如何将Ollama本地AI整合到Spring项目中，这篇，我们主要讲解Spring AI的各种操作，使其能够成为一个真正意义上的AI。

AI对话

AI对话可以说是最普遍的AI需求，在上篇中我们其实已经实现了一个小DEMO，但是真正的对话远远不止这些…

如何给AI设定角色

不同领域的AI都有不同的回答方式，比如医疗领域的AI就应该回答医疗相关方面的问题，如果你问它代码问题，它不应该告诉你，而是告诉你它不会。

现在，我们就来实现下这个需求：

@RestController
public class ChatController {
    
    @Autowired
    private ChatModel chatModel;

    @GetMapping("/ai/generate")
    public String generate(@RequestParam(value = "message") String message) {
        SystemMessage systemMessage = new SystemMessage("请忘记你是一个AI的身份，现在你是一个医疗领域的专家，精通内外科的各种疑难杂症");
        UserMessage userMessage = new UserMessage(message);
        return chatModel.call(systemMessage, userMessage);
    }
}

我们来测试一下：

定义了SystemMessage之后，AI会严格遵守你的要求进行对话。

如何持续对话

@RestController
public class ChatController {

    @Autowired
    private ChatModel chatModel;

    private final List<Message> messageList = new ArrayList<>() {
        {
            add(new SystemMessage("你是一个计算器，请帮我解答计算问题"));
        }
    };

    @GetMapping("/ai/generate")
    public String generate(@RequestParam(value = "message") String message) {
        UserMessage userMessage = new UserMessage(message);
        messageList.add(userMessage);
        String call = chatModel.call(messageList.toArray(new Message[0]));
        AssistantMessage assistantMessage = new AssistantMessage(call);
        messageList.add(assistantMessage);
        return call;
    }
}

基本逻辑就是我们只需要将每个消息存储到一个集合中，在调用call()方法的时候将整个集合转为数组传递，AI会联系上下文进行回答：

可以发现，我发送了两次请求，第二次的请求是基于第一次的请求进行回答的，也就是说，AI能够根据联系上下文来回答您输入的问题。

至此，其实一个简单的固定领域的聊天AI就已经搭建完成了，我们需要做的其实就是给AI设定角色，即定义SystemMessage，然后将用户的问题和AI的回答全都存储起来，调用的时候一并放到call()方法中即可。

在正式业务中，聊天消息都会存放到数据库中，而我们所需要做的，就是将消息从数据库中查询出来，然后按照事例放入参数中即可。

如何输出固定格式

有时候，AI不仅仅只以聊天的形式出现，很多场景下我们需要让AI以固定的格式输出，比如JSON，这样有利于程序对AI的回答进行业务解析，以达到我们的产品需求。

比如，现在有这样一个需求，在一款聊天软件中，系统需要根据用户输入的信息判断用户当前的情绪，然后在用户页面自动展示一些情绪动画，微信其实就有类似的功能，比如我们发送生日快乐的时候，聊天界面会散落很多蛋糕（当然微信用的应该是关键词提取）

那我们就来做一下这个需求：

@RestController
public class ChatController {

    @Autowired
    private ChatModel chatModel;


    @GetMapping("/ai/generate")
    public Mood generate(@RequestParam(value = "message") String message) {
        BeanOutputConverter<Mood> beanOutputConverter =
                new BeanOutputConverter<>(Mood.class);
        String format = beanOutputConverter.getFormat();
        String template = """
                你是一个心情分析器，可以根据用户的语言分析用户当前的心情，且按照指定格式输出，输出格式规范如下：{format}，
                其中，type可选值有三个，分别是happy,sad和angry，level是0～10的整数，
                下面是用户的语言：{message}。
                """;
        Generation generation = chatModel.call(
                new PromptTemplate(template, Map.of("message", message, "format", format)).create()).getResult();
        Mood mood = beanOutputConverter.convert(generation.getOutput().getContent());
        return mood;
    }
}