PostgresML 嵌入

DeepSeek V3 中英对照 PostgresML PostgresML Embeddings

Spring AI 支持 PostgresML 文本嵌入模型。

嵌入（Embeddings）是文本的数字表示形式。它们用于将单词和句子表示为向量，即一组数字。通过使用距离度量比较数值向量的相似性，嵌入可以用于查找相似的文本片段，或者它们可以用作其他机器学习模型的输入特征，因为大多数算法无法直接使用文本。

许多预训练的 LLM 可以在 PostgresML 中用于从文本生成嵌入。你可以浏览所有可用的模型，在 Hugging Face 上找到最佳解决方案。

添加仓库和 BOM

Spring AI 工件发布在 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），以确保在整个项目中使用一致版本的 Spring AI。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

Spring AI 为 Azure PostgresML Embedding Model 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-postgresml-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-postgresml-spring-boot-starter'
}

groovy

提示

请参考依赖管理部分，将 Spring AI BOM 添加到您的构建文件中。

使用 spring.ai.postgresml.embedding.options.* 属性来配置你的 PostgresMlEmbeddingModel。链接

嵌入属性

前缀 spring.ai.postgresml.embedding 是一个属性前缀，用于配置 PostgresML 嵌入的 EmbeddingModel 实现。

属性	描述	默认值
spring.ai.postgresml.embedding.enabled	启用 PostgresML 嵌入模型。	true
spring.ai.postgresml.embedding.create-extension	执行 SQL 'CREATE EXTENSION IF NOT EXISTS pgml' 以启用扩展	false
spring.ai.postgresml.embedding.options.transformer	用于嵌入的 Hugging Face 转换器模型。	distilbert-base-uncased
spring.ai.postgresml.embedding.options.kwargs	转换器特定的附加选项。	空映射
spring.ai.postgresml.embedding.options.vectorType	用于嵌入的 PostgresML 向量类型。支持两种选项：PG_ARRAY 和 PG_VECTOR。	PG_ARRAY
spring.ai.postgresml.embedding.options.metadataMode	文档元数据聚合模式	EMBED

提示

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

运行时选项

使用 PostgresMlEmbeddingOptions.java 来配置 PostgresMlEmbeddingModel 的选项，例如要使用的模型等。

在启动时，你可以将 PostgresMlEmbeddingOptions 传递给 PostgresMlEmbeddingModel 构造函数，以配置用于所有嵌入请求的默认选项。

在运行时，你可以通过在 EmbeddingRequest 中使用 PostgresMlEmbeddingOptions 来覆盖默认选项。

例如，要覆盖特定请求的默认模型名称：

EmbeddingResponse embeddingResponse = embeddingModel.call(
    new EmbeddingRequest(List.of("Hello World", "World is big and salvation is near"),
            PostgresMlEmbeddingOptions.builder()
                .transformer("intfloat/e5-small")
                .vectorType(VectorType.PG_ARRAY)
                .kwargs(Map.of("device", "gpu"))
                .build()));

java

示例控制器

这将创建一个 EmbeddingModel 实现，你可以将其注入到你的类中。以下是一个使用 EmbeddingModel 实现的简单 @Controller 类的示例。

spring.ai.postgresml.embedding.options.transformer=distilbert-base-uncased
spring.ai.postgresml.embedding.options.vectorType=PG_ARRAY
spring.ai.postgresml.embedding.options.metadataMode=EMBED
spring.ai.postgresml.embedding.options.kwargs.device=cpu

application.properties

@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);
    }
}

java

手动配置

你可以手动创建 PostgresMlEmbeddingModel，而不是使用 Spring Boot 的自动配置。为此，请将 spring-ai-postgresml 依赖项添加到项目的 Maven pom.xml 文件中：

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-postgresml</artifactId>
</dependency>

xml

或者到你的 Gradle build.gradle 构建文件中。

dependencies {
    implementation 'org.springframework.ai:spring-ai-postgresml'
}

groovy

:::提示
请参考依赖管理部分，将 Spring AI BOM 添加到您的构建文件中。
:::

接下来，创建一个 PostgresMlEmbeddingModel 实例，并使用它来计算两个输入文本之间的相似度：

var jdbcTemplate = new JdbcTemplate(dataSource); // your posgresml data source

PostgresMlEmbeddingModel embeddingModel = new PostgresMlEmbeddingModel(this.jdbcTemplate,
        PostgresMlEmbeddingOptions.builder()
            .transformer("distilbert-base-uncased") // huggingface transformer model name.
            .vectorType(VectorType.PG_VECTOR) //vector type in PostgreSQL.
            .kwargs(Map.of("device", "cpu")) // optional arguments.
            .metadataMode(MetadataMode.EMBED) // Document metadata mode.
            .build());

embeddingModel.afterPropertiesSet(); // initialize the jdbc template and database.

EmbeddingResponse embeddingResponse = this.embeddingModel
	.embedForResponse(List.of("Hello World", "World is big and salvation is near"));

java

备注

当手动创建时，必须在设置属性后、使用客户端之前调用 afterPropertiesSet() 方法。更便捷（且推荐）的方式是将 PostgresMlEmbeddingModel 创建为一个 @Bean。这样你就不必手动调用 afterPropertiesSet() 方法：

@Bean
public EmbeddingModel embeddingModel(JdbcTemplate jdbcTemplate) {
    return new PostgresMlEmbeddingModel(jdbcTemplate,
        PostgresMlEmbeddingOptions.builder()
             ....
            .build());
}

java