Titan 嵌入
提供 Bedrock Titan Embedding 模型。Amazon Titan 基础模型（FMs）通过完全托管的 API 为客户提供了一系列高性能的图像、多模态嵌入和文本模型选择。Amazon Titan 模型由 AWS 创建，并在大型数据集上进行了预训练，使其成为强大的通用模型，旨在支持各种用例，同时也支持负责任地使用 AI。您可以直接使用这些模型，也可以使用自己的数据进行私有化定制。
Bedrock Titan Embedding 支持文本和图像嵌入。
Bedrock Titan Embedding 不支持批量嵌入。
AWS Bedrock Titan 模型页面 和 Amazon Bedrock 用户指南 包含了关于如何使用 AWS 托管的模型的详细信息。
前提条件
请参阅 Spring AI 关于 Amazon Bedrock 的文档 以设置 API 访问。
添加仓库和 BOM
Spring AI 的制品发布在 Maven Central 和 Spring Snapshot 仓库中。请参考 Repositories 部分，将这些仓库添加到您的构建系统中。
为了帮助管理依赖项，Spring AI 提供了一个 BOM（物料清单）来确保在整个项目中使用的 Spring AI 版本一致。请参考 依赖管理 部分，将 Spring AI BOM 添加到您的构建系统中。
自动配置
将 spring-ai-bedrock-ai-spring-boot-starter 依赖项添加到你的项目的 Maven pom.xml 文件中：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-bedrock-ai-spring-boot-starter</artifactId>
</dependency>
或者到你的 Gradle build.gradle 构建文件中。
dependencies {
implementation 'org.springframework.ai:spring-ai-bedrock-ai-spring-boot-starter'
}
请参考依赖管理部分，将 Spring AI BOM 添加到您的构建文件中。
启用 Titan Embedding 支持
默认情况下，Titan 嵌入模型是禁用的。要启用它，请将 spring.ai.bedrock.titan.embedding.enabled 属性设置为 true。导出环境变量是设置此配置属性的一种方式：
export SPRING_AI_BEDROCK_TITAN_EMBEDDING_ENABLED=true
嵌入属性
spring.ai.bedrock.aws 前缀是用于配置与 AWS Bedrock 连接的属性前缀。
| 属性 | 描述 | 默认值 |
|---|---|---|
| spring.ai.bedrock.aws.region | 使用的 AWS 区域。 | us-east-1 |
| spring.ai.bedrock.aws.access-key | AWS 访问密钥。 | - |
| spring.ai.bedrock.aws.secret-key | AWS 秘密密钥。 | - |
前缀 spring.ai.bedrock.titan.embedding（定义在 BedrockTitanEmbeddingProperties 中）是用于配置 Titan 嵌入模型实现的属性前缀。
| 属性 | 描述 | 默认值 |
|---|---|---|
| spring.ai.bedrock.titan.embedding.enabled | 启用或禁用 Titan 嵌入支持 | false |
| spring.ai.bedrock.titan.embedding.model | 要使用的模型 ID。请参阅 TitanEmbeddingModel 以了解支持的模型。 | amazon.titan-embed-image-v1 |
支持的值为：amazon.titan-embed-image-v1、amazon.titan-embed-text-v1 和 amazon.titan-embed-text-v2:0。模型 ID 值也可以在 AWS Bedrock 基础模型 ID 文档 中找到。
运行时选项
BedrockTitanEmbeddingOptions.java 提供了模型配置，例如 input-type。在启动时，默认选项可以通过 BedrockTitanEmbeddingModel(api).withInputType(type) 方法或 spring.ai.bedrock.titan.embedding.input-type 属性进行配置。
在运行时，你可以通过向 EmbeddingRequest 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 temperature 参数：
EmbeddingResponse embeddingResponse = embeddingModel.call(
new EmbeddingRequest(List.of("Hello World", "World is big and salvation is near"),
BedrockTitanEmbeddingOptions.builder()
.withInputType(InputType.TEXT)
.build()));
示例控制器
创建一个新的 Spring Boot 项目，并将 spring-ai-bedrock-ai-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 Titan Embedding 模型：
spring.ai.bedrock.aws.region=eu-central-1
spring.ai.bedrock.aws.access-key=${AWS_ACCESS_KEY_ID}
spring.ai.bedrock.aws.secret-key=${AWS_SECRET_ACCESS_KEY}
spring.ai.bedrock.titan.embedding.enabled=true
将 regions、access-key 和 secret-key 替换为你的 AWS 凭证。
这将创建一个 EmbeddingController 实现，你可以将其注入到你的类中。以下是一个使用聊天模型进行文本生成的简单 @Controller 类的示例。
@RestController
public class EmbeddingController {
private final EmbeddingModel embeddingModel;
@Autowired
public EmbeddingController(EmbeddingModel embeddingModel) {
this.embeddingModel = embeddingModel;
}
@GetMapping("/ai/embedding")
public Map embed(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
EmbeddingResponse embeddingResponse = this.embeddingModel.embedForResponse(List.of(message));
return Map.of("embedding", embeddingResponse);
}
}
手动配置
BedrockTitanEmbeddingModel 实现了 EmbeddingModel 接口，并使用 Low-level TitanEmbeddingBedrockApi Client 连接到 Bedrock Titan 服务。
将 spring-ai-bedrock 依赖添加到项目的 Maven pom.xml 文件中：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-bedrock</artifactId>
</dependency>
或到你的 Gradle build.gradle 构建文件中。
dependencies {
implementation 'org.springframework.ai:spring-ai-bedrock'
}
请参考 依赖管理 部分，将 Spring AI BOM 添加到你的构建文件中。
接下来，创建一个 BedrockTitanEmbeddingModel 并将其用于文本嵌入：
var titanEmbeddingApi = new TitanEmbeddingBedrockApi(
TitanEmbeddingModel.TITAN_EMBED_IMAGE_V1.id(), Region.US_EAST_1.id());
var embeddingModel = new BedrockTitanEmbeddingModel(this.titanEmbeddingApi);
EmbeddingResponse embeddingResponse = this.embeddingModel
.embedForResponse(List.of("Hello World")); // NOTE titan does not support batch embedding.
低级 TitanEmbeddingBedrockApi 客户端
TitanEmbeddingBedrockApi 提供了一个轻量级的 Java 客户端，基于 AWS Bedrock 的 Titan Embedding 模型。
以下类图展示了 TitanEmbeddingBedrockApi 接口及其构建模块：
TitanEmbeddingBedrockApi 支持 amazon.titan-embed-image-v1 和 amazon.titan-embed-image-v1 模型，用于单次和批量嵌入计算。
以下是一个简单的代码片段，展示了如何以编程方式使用 API：
TitanEmbeddingBedrockApi titanEmbedApi = new TitanEmbeddingBedrockApi(
TitanEmbeddingModel.TITAN_EMBED_TEXT_V1.id(), Region.US_EAST_1.id());
TitanEmbeddingRequest request = TitanEmbeddingRequest.builder()
.withInputText("I like to eat apples.")
.build();
TitanEmbeddingResponse response = this.titanEmbedApi.embedding(this.request);
要将图像嵌入，你需要将其转换为 base64 格式：
TitanEmbeddingBedrockApi titanEmbedApi = new TitanEmbeddingBedrockApi(
TitanEmbeddingModel.TITAN_EMBED_IMAGE_V1.id(), Region.US_EAST_1.id());
byte[] image = new DefaultResourceLoader()
.getResource("classpath:/spring_framework.png")
.getContentAsByteArray();
TitanEmbeddingRequest request = TitanEmbeddingRequest.builder()
.withInputImage(Base64.getEncoder().encodeToString(this.image))
.build();
TitanEmbeddingResponse response = this.titanEmbedApi.embedding(this.request);