跳到主要内容

引言

Deepseek 3.2 中英对照 Overview Introduction

集成问题

Spring AI项目旨在简化融合人工智能功能的应用程序开发过程，避免不必要的复杂性。

该项目从一些著名的Python项目中汲取灵感，例如LangChain和LlamaIndex，但Spring AI并非这些项目的直接移植版本。该项目的创立基于一个信念：下一波生成式人工智能应用浪潮将不仅仅面向Python开发者，而是会普及到众多编程语言中。

备注

Spring AI 解决的是 AI 集成中的核心挑战：将您的企业数据与 API 连接到 AI 模型。

Spring AI 提供了作为开发AI应用程序基础的抽象层。这些抽象层具有多种实现方式，使得仅需极少的代码改动即可轻松替换组件。

Spring AI 提供以下功能：

  • 支持跨AI提供商的便携式API，涵盖聊天、文生图及嵌入模型。同时支持同步和流式API选项，并可访问模型特定功能。

  • 支持所有主流AI模型提供商，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。

  • 支持所有主流向量数据库提供商，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，包括一种新颖的类 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。

  • 可观测性 - 提供对 AI 相关操作的洞察。

  • 面向数据工程的文档摄取 ETL 框架。

  • AI 模型评估 - 提供评估生成内容并防范幻觉响应的实用工具。

  • 为 AI 模型和向量存储提供 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，其风格与 WebClient 和 RestClient API 相似。

  • Advisors API - 封装了常见的生成式 AI 模式，转换发送到语言模型 (LLM) 以及从语言模型接收的数据，并提供跨不同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)。

该功能集让您能够实现常见的应用场景，例如“基于文档的问答”或“与文档进行对话”。

概念部分提供了对 AI 概念及其在 Spring AI 中表示方式的高级概述。

入门指南部分将向您展示如何创建您的第一个 AI 应用。后续章节将以代码为核心，深入探讨各个组件及常见应用场景。

章节总结​