Spring AI接入本地ollama大模型开发

Spring AI简介

• Spring AI 是 AI 工程的应用框架。其目标是将 Spring 生态系统设计原则（如可移植性和模块化设计）应用于 AI，并推广使用 POJO 作为 AI 领域应用程序的构建块。
• 特征：跨AI 提供商的可移植 API 支持，适用于聊天、文本到图像和嵌入模型。支持同步和流 API 选项。还支持下拉以访问特定于模型的功能。

---

• 聊天模型：OpenAI、Azure Open AI、Amazon Bedrock、Cohere’s Command(AI21 Labs’ Jurassic-2、Meta’s LLama 2、Amazon’s Titan）、Google Vertex AI Palm、Google Gemini、HuggingFace (access thousands of models, including those from Meta such as Llama2)、Ollama(run AI models on your local machine)、MistralAI
• …

---

本地环境准备

• 硬件条件：最好具有N卡，ollama可以在轻量运行大模型提供支持。内存8G以上，cpu好一点。

• 软件环境：windows系统安装ollama

• ollama：配置开发测试模型：qwen:7b(运行 7B 型号至少需要 8 GB 可用 RAM （内存），运行 13B 型号至少需要16 GB可用 RAM （内存） ，运行 33B 型号至少需要32 GB 可用 RAM （内存）)

  # 下载千问 7b模型
  ollama run qwen:7b
  

创建Spring AI项目

1. 打开IDEA创建一个新的spring boot项目，填写项目名称和位置，类型选择maven，组、工件、软件包名称可以自定义，JDK选择17+即可，java语言标准和JDK相同即可
   
2. 配置Spring Boot版本和开发所需的依赖，主要如下图所示
   • Spring Boot版本可以选择3.2.5或者更高的版本（作者使用3.2.5和3.2.6(SNAPSHOT)可以正常开发）
   • Spring Boot DevTools：spring项目热部署工具，修改完代码（不含application和pom配置文件）即刻热部署项目
   • Lombok：通过配置快速配置对象的get、set、toString
   • Spring AI：Spring AI是一个用于AI工程的应用框架
     
3. 创建完成后，项目结构大体如下(这里删除了无用的maven文件内容、修改application的文件格式为yaml)
   

配置项目pom和application文件

• 注意：修改pom文件，重新下载spring ai依赖需要科学上网，请确保网络连接没有问题

1. 打开项目的pom文件，修改spring ai的版本（项目默认使用稳定版0.8.1）
   • 主要注意默认的spring ai版本和配置依赖jar包仓库（maven仓库中还没有spring ai的依赖）

<properties>
    <java.version>21</java.version>
    <spring-ai.version>1.0.0-SNAPSHOT</spring-ai.version>
</properties>

<repositories>
    <repository>
        <id>spring-snapshots</id>
        <name>Spring Snapshots</name>
        <url>https://repo.spring.io/snapshot</url>
        <releases>
            <enabled>false</enabled>
        </releases>
    </repository>
    <repository>
        <id>spring-milestones</id>
        <name>Spring Milestones</name>
        <url>https://repo.spring.io/milestone</url>
        <snapshots>
            <enabled>false</enabled>
        </snapshots>
    </repository>
</repositories>

<pluginRepositories>
    <pluginRepository>
        <id>spring-snapshots</id>
        <name>Spring Snapshots</name>
        <url>https://repo.spring.io/snapshot</url>
        <releases>
            <enabled>false</enabled>
        </releases>
    </pluginRepository>
</pluginRepositories>

2. 配置application文件（api-key的获取参考Spring AI开发前期开发指导）

spring:
  application:
    name: ChatOllama
  ai:
    openai:
      base-url: http://localhost:11434
server:
  port: 8085

controller接口开发

• 图片资源
  
• controller内容

import jakarta.annotation.Resource;
import org.springframework.ai.chat.ChatResponse;
import org.springframework.ai.chat.messages.Media;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.ollama.OllamaChatClient;
import org.springframework.ai.ollama.api.OllamaOptions;
import org.springframework.core.io.ClassPathResource;
import org.springframework.util.MimeTypeUtils;
import org.springframework.web.bind.annotation.GetMapping;
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 java.io.IOException;
import java.util.List;

@RestController
public class OllamaController {
    @Resource
    private OllamaChatClient ollamaChatClient;


    @RequestMapping("/ai/ollama")
    public Object chat(@RequestParam(value = "msg") String msg) {
        ChatResponse response = ollamaChatClient.call(
                new Prompt(msg,
                        OllamaOptions.create()
                                .withModel("qwen:7b")
                                .withTemperature(0.8f)
                )
        );
        System.out.print(response.getResult().getOutput());
        return response.getResult().getOutput();
    }
    @GetMapping("/ai/generateStream")
    public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        Prompt prompt = new Prompt(new UserMessage(message),
                OllamaOptions.create().withModel("qwen:7b"));
        return ollamaChatClient.stream(prompt);
    }

    /**
     * 本次使用llava:7b 硬件有限，怕跑的很慢 所以不返回结果，直接打印
     */
    @GetMapping("/ai/test")
    public void test() throws IOException {
        byte[] imageData = new ClassPathResource("/multimodal.test.png").getContentAsByteArray();

        var userMessage = new UserMessage("描述一下图片内容?",
                List.of(new Media(MimeTypeUtils.IMAGE_PNG, imageData)));

        ChatResponse response = ollamaChatClient.call(
                new Prompt(List.of(userMessage),
                        OllamaOptions.create().withModel("llava:7b").withMainGPU(1)
                )
        );
        System.out.println(response.getResult().getOutput().getContent());
    }
    //更多的图片相关的接口开发可以参考MultiModel项目的内容
}

运行测试

#获取ollama已经下载的模型
http://localhost:11434/api/tags
http://localhost:8085/ai/ollama?msg=hello
http://localhost:8085/ai/generateStream=hello
http://localhost:8085/ai/test