NVIDIA 聊天

DeepSeek V3 中英对照 NVIDIA NVIDIA Chat

NVIDIA LLM API 是一个代理 AI 推理引擎，提供来自各种供应商的广泛模型。

Spring AI 通过复用现有的 OpenAI 客户端与 NVIDIA LLM API 进行集成。为此，你需要将 base-url 设置为 [integrate.api.nvidia.com](https://integrate.api.nvidia.com)，选择提供的 LLM 模型 之一，并获取其 api-key。

备注

NVIDIA LLM API 要求显式设置 max-tokens 参数，否则会抛出服务器错误。

查看 NvidiaWithOpenAiChatModelIT.java 测试，了解如何使用 Spring AI 与 NVIDIA LLM API 的示例。

先决条件

• 创建一个 NVIDIA 账户，确保有足够的积分。

• 选择一个要使用的 LLM 模型。例如下图中的 meta/llama-3.1-70b-instruct。

• 从所选模型的页面中，你可以获取访问该模型的 api-key。

自动配置

Spring AI 为 OpenAI Chat Client 提供了 Spring Boot 自动配置。要启用它，请将以下依赖项添加到项目的 Maven pom.xml 文件中：

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

xml

或添加到你的 Gradle build.gradle 构建文件中。

dependencies {
    implementation 'org.springframework.ai:spring-ai-openai-spring-boot-starter'
}

groovy

提示

请参考 依赖管理 部分，将 Spring AI BOM 添加到你的构建文件中。

聊天属性

重试属性

前缀 spring.ai.retry 用作属性前缀，允许你为 OpenAI 聊天模型配置重试机制。

属性	描述	默认值
spring.ai.retry.max-attempts	最大重试次数。	10
spring.ai.retry.backoff.initial-interval	指数退避策略的初始休眠时间。	2 秒
spring.ai.retry.backoff.multiplier	退避间隔的倍数。	5
spring.ai.retry.backoff.max-interval	最大退避时间。	3 分钟
spring.ai.retry.on-client-errors	如果为 false，则抛出 NonTransientAiException，并且不会对 4xx 客户端错误代码进行重试。	false
spring.ai.retry.exclude-on-http-codes	不应触发重试的 HTTP 状态代码列表（例如，抛出 NonTransientAiException）。	空
spring.ai.retry.on-http-codes	应触发重试的 HTTP 状态代码列表（例如，抛出 TransientAiException）。	空

连接属性

前缀 spring.ai.openai 用作属性前缀，允许你连接到 OpenAI。

属性	描述	默认值
spring.ai.openai.base-url	连接的 URL。必须设置为 [integrate.api.nvidia.com](https://integrate.api.nvidia.com)	-
spring.ai.openai.api-key	NVIDIA API 密钥	-

配置属性

前缀 spring.ai.openai.chat 是一个属性前缀，允许你为 OpenAI 的聊天模型实现进行配置。

属性	描述	默认
spring.ai.openai.chat.enabled	启用 OpenAI 聊天模型。	true
spring.ai.openai.chat.base-url	可选地覆盖 spring.ai.openai.base-url 以提供聊天特定的 URL。必须设置为 [integrate.api.nvidia.com](https://integrate.api.nvidia.com)。	-
spring.ai.openai.chat.api-key	可选地覆盖 spring.ai.openai.api-key 以提供特定于聊天的 API 密钥。	-
spring.ai.openai.chat.options.model	使用的 NVIDIA LLM 模型	-
spring.ai.openai.chat.options.temperature	用于控制生成补全内容表现出的创造性的采样温度。较高的值会使输出更加随机，而较低的值会使结果更加集中和确定性。不建议在同一个补全请求中同时修改 temperature 和 top_p，因为这两个设置的交互作用难以预测。	0.8
spring.ai.openai.chat.options.frequencyPenalty	数值介于 -2.0 和 2.0 之间。正值会根据新 token 在文本中已有的出现频率对其进行惩罚，从而降低模型逐字重复相同内容的可能性。	0.0f
spring.ai.openai.chat.options.maxTokens	在聊天补全中生成的最大 token 数量。输入 token 和生成 token 的总长度受到模型上下文长度的限制。	注意：NVIDIA LLM API 要求显式设置 max-tokens 参数，否则会抛出服务器错误。
spring.ai.openai.chat.options.n	为每个输入消息生成多少个聊天完成选项。请注意，您将根据所有选项中生成的 token 数量进行计费。将 n 保持为 1 以最小化成本。	1
spring.ai.openai.chat.options.presencePenalty	数值在 -2.0 到 2.0 之间。正值会根据新 token 是否已出现在当前文本中对其进行惩罚，从而增加模型讨论新话题的可能性。	-
spring.ai.openai.chat.options.responseFormat	一个指定模型必须输出的格式的对象。设置为 { "type": "json_object" } 可以启用 JSON 模式，该模式保证模型生成的消息是有效的 JSON。	-
spring.ai.openai.chat.options.seed	此功能处于测试阶段（Beta）。如果指定了此功能，我们的系统将尽最大努力进行确定性采样，以便使用相同的种子和参数重复请求应返回相同的结果。	-
spring.ai.openai.chat.options.stop	最多 4 个序列，API 将在生成这些序列后停止生成更多的 token。	-
spring.ai.openai.chat.options.topP	一种替代基于温度的采样方法，称为核心采样（nucleus sampling），在这种方法中，模型会考虑概率质量最高的前 top_p 部分的 token。例如，top_p=0.1 表示只考虑概率质量最高的前 10% 的 token。我们通常建议调整 top_p 或温度参数之一，而不是同时调整两者。	-
spring.ai.openai.chat.options.tools	模型可以调用的工具列表。目前，仅支持函数作为工具。使用此选项提供模型可能生成 JSON 输入的函数列表。	-
spring.ai.openai.chat.options.toolChoice	控制模型调用哪个（如果有的话）函数。none 表示模型不会调用函数，而是生成一条消息。auto 表示模型可以选择生成消息或调用函数。通过指定 {"type": "function", "function": {"name": "my_function"}} 可以强制模型调用特定函数。如果没有函数存在，默认值为 none。如果存在函数，默认值为 auto。	-
spring.ai.openai.chat.options.user	一个代表您终端用户的唯一标识符，可以帮助 OpenAI 监控和检测滥用行为。	-
spring.ai.openai.chat.options.functions	在单个提示请求中启用的函数列表，通过函数名称标识。这些名称的函数必须存在于 functionCallbacks 注册表中。	-
spring.ai.openai.chat.options.stream-usage	（仅适用于流式传输）设置为在整个请求中添加一个包含令牌使用统计信息的附加块。此块的 choices 字段为空数组，所有其他块也将包含一个 usage 字段，但其值为 null。	false
spring.ai.openai.chat.options.proxy-tool-calls	如果为 true，Spring AI 将不会在内部处理函数调用，而是将其代理给客户端。此时，客户端负责处理函数调用，将其分派到适当的函数并返回结果。如果为 false（默认值），Spring AI 将在内部处理函数调用。仅适用于支持函数调用的聊天模型。	false

提示

所有以 spring.ai.openai.chat.options 为前缀的属性都可以在运行时通过在 Prompt 调用中添加特定请求的 运行时选项 来覆盖。

运行时选项

OpenAiChatOptions.java 提供了模型的配置选项，例如使用的模型、温度（temperature）、频率惩罚（frequency penalty）等。

在启动时，默认选项可以通过 OpenAiChatModel(api, options) 构造函数或 spring.ai.openai.chat.options.* 属性进行配置。

在运行时，你可以通过向 Prompt 调用添加新的、特定于请求的选项来覆盖默认选项。例如，要为特定请求覆盖默认的模型和温度设置：

ChatResponse response = chatModel.call(
    new Prompt(
        "Generate the names of 5 famous pirates.",
        OpenAiChatOptions.builder()
            .withModel("mixtral-8x7b-32768")
            .withTemperature(0.4)
        .build()
    ));

java

提示

除了特定于模型的 OpenAiChatOptions，你还可以使用一个可移植的 ChatOptions 实例，该实例是通过 ChatOptionsBuilder#builder() 创建的。

函数调用

NVIDIA LLM API 在选择支持工具/函数调用的模型时，支持工具/函数调用功能。

你可以将自定义的 Java 函数注册到你的 ChatModel 中，并让提供的模型智能地选择输出一个包含参数的 JSON 对象，以调用一个或多个已注册的函数。这是一种强大的技术，可以将 LLM 的能力与外部工具和 API 连接起来。

工具示例

以下是一个简单的示例，展示如何在 Spring AI 中使用 NVIDIA LLM API 函数调用：

spring.ai.openai.api-key=${NVIDIA_API_KEY}
spring.ai.openai.base-url=https://integrate.api.nvidia.com
spring.ai.openai.chat.options.model=meta/llama-3.1-70b-instruct
spring.ai.openai.chat.options.max-tokens=2048

application.properties

@SpringBootApplication
public class NvidiaLlmApplication {

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

    @Bean
    CommandLineRunner runner(ChatClient.Builder chatClientBuilder) {
        return args -> {
            var chatClient = chatClientBuilder.build();

            var response = chatClient.prompt()
                .user("What is the weather in Amsterdam and Paris?")
                .functions("weatherFunction") // reference by bean name.
                .call()
                .content();

            System.out.println(response);
        };
    }

    @Bean
    @Description("Get the weather in location")
    public Function<WeatherRequest, WeatherResponse> weatherFunction() {
        return new MockWeatherService();
    }

    public static class MockWeatherService implements Function<WeatherRequest, WeatherResponse> {

        public record WeatherRequest(String location, String unit) {}
        public record WeatherResponse(double temp, String unit) {}

        @Override
        public WeatherResponse apply(WeatherRequest request) {
            double temperature = request.location().contains("Amsterdam") ? 20 : 25;
            return new WeatherResponse(temperature, request.unit);
        }
    }
}

java

在这个示例中，当模型需要天气信息时，它会自动调用 weatherFunction bean，然后该 bean 可以获取实时天气数据。预期的响应如下所示：“阿姆斯特丹的当前气温为 20 摄氏度，巴黎的当前气温为 25 摄氏度。”

了解更多关于 OpenAI 函数调用 的信息。

示例控制器

创建一个新的 Spring Boot 项目，并将 spring-ai-openai-spring-boot-starter 添加到你的 pom（或 gradle）依赖中。

在 src/main/resources 目录下添加一个 application.properties 文件，以启用并配置 OpenAi 聊天模型：

spring.ai.openai.api-key=${NVIDIA_API_KEY}
spring.ai.openai.base-url=https://integrate.api.nvidia.com
spring.ai.openai.chat.options.model=meta/llama-3.1-70b-instruct

# The NVIDIA LLM API doesn't support embeddings, so we need to disable it.
spring.ai.openai.embedding.enabled=false

# The NVIDIA LLM API requires this parameter to be set explicitly or server internal error will be thrown.
spring.ai.openai.chat.options.max-tokens=2048

application.properties

提示

将 api-key 替换为你的 NVIDIA 凭证。

备注

NVIDIA LLM API 要求明确设置 max-token 参数，否则会抛出服务器错误。

以下是一个简单的 @Controller 类示例，该类使用聊天模型进行文本生成。

@RestController
public class ChatController {

    private final OpenAiChatModel chatModel;

    @Autowired
    public ChatController(OpenAiChatModel chatModel) {
        this.chatModel = chatModel;
    }

    @GetMapping("/ai/generate")
    public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        return Map.of("generation", this.chatModel.call(message));
    }

    @GetMapping("/ai/generateStream")
	public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        Prompt prompt = new Prompt(new UserMessage(message));
        return this.chatModel.stream(prompt);
    }
}

java