SpringAI——Java生态接入LLM-Toy模板网

这篇具有很好参考价值的文章主要介绍了SpringAI——Java生态接入LLM。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

最近，Spring官网发布了SpringAI，可点此查看https://spring.io/blog/2024/03/12/spring-ai-0-8-1-released，对于SpringAI的介绍，可看官方文档：https://spring.io/projects/spring-ai#overview。
本文将使用SpringAI配合Ollama完成SpringAI的体验，下面分别介绍SpringAI和Ollama。

一、Spring AI

Spring AI是一个专为人工智能工程而设计的应用框架。它的目标是将Spring生态系统的设计原则，如可移植性和模块化设计，应用于人工智能领域，并推广使用纯Java对象（POJO）作为AI领域应用程序的构建块。

1.Spring AI的核心特性

跨AI提供商的API支持：Spring AI提供了一套可移植的API，支持与多个AI服务提供商的聊天、文本到图像和嵌入模型进行交云。
同步和流式API选项：框架支持同步和流式API，为开发者提供了灵活的交互方式。
模型特定功能访问：允许开发者通过配置参数访问特定模型的功能，提供了更细致的控制。

2.支持的模型

聊天模型：包括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（包括Meta的Llama2等数千种模型）、Ollama（本地运行AI模型）、MistralAI等。
文本到图像模型：如OpenAI的DALL-E、StabilityAI等。
嵌入模型：包括OpenAI、Azure Open AI、Ollama、ONNX、PostgresML、Bedrock Cohere、Bedrock Titan、Google VertexAI、Mistal AI等。

3.向量存储API和向量数据库

Spring AI提供了跨不同提供商的向量存储API，具有类似SQL的元数据过滤API，保持了可移植性。支持的向量数据库包括Azure Vector Search、Chroma、Milvus、Neo4j、PostgreSQL/PGVector、PineCone、Redis、Weaviate、Qdrant等。

4.函数调用和ETL框架

Spring AI允许开发者声明java.util.Function实现，用于OpenAI模型的提示响应中。这一特性最小化了不必要的代码，并使AI模型能够请求更多信息以完成其响应。此外，框架还包括一个基于Java函数编程概念的ETL框架，帮助开发者将文档传输到模型提供商使用的向量存储中。

5.丰富的参考文档和示例应用

Spring AI配备了详尽的参考文档、示例应用程序和研讨会/课程材料，确保开发者拥有开始使用和充分利用框架所需的所有资源。

6.Spring AI的未来

Spring AI的未来版本将在当前基础上构建，计划提供对更多AI模型的访问，例如Google刚刚发布的Gemini多模态模型。框架还将引入评估AI应用程序效果的工具，更多的便利API和功能，以帮助解决查询/总结文档等常见用例。

7.Spring AI的使用

要开始使用Spring AI，只需几个简单的步骤：

安装Spring CLI。
在shell中运行以下命令创建一个新应用程序：
spring boot new --from ai --name myai
这将创建一个用于与ChatGPT进行基本交互的应用程序。按照生成的README文件中的说明获取您的API密钥。
使用以下命令运行应用程序：
./mvw spring-boot:run
使用curl测试端点：
curl localhost:8080/ai/simple

二、Ollama：本地运行大型语言模型的轻量级框架

Ollama是一个开源项目，旨在为用户提供一个简单、可扩展的框架，以便在本地机器上快速启动和运行大型语言模型。无论是研究人员、开发者还是对人工智能感兴趣的爱好者，Ollama都提供了一个便捷的途径来探索和利用最新的语言模型技术。

1.核心特性

多平台支持：Ollama支持macOS、Windows预览版和Linux操作系统，确保了广泛的用户基础能够使用该框架。
Docker镜像：通过官方的Docker镜像ollama/ollama，用户可以轻松地在容器化环境中部署Ollama。
丰富的模型库：项目支持包括Llama 2、Mistral、Gemma在内的多种大型语言模型，用户可以根据需要选择合适的模型。
易于安装：Ollama提供了详细的安装指南，无论是通过下载压缩包还是使用命令行工具，用户都能轻松完成安装过程。
模型自定义：用户可以通过创建Modelfile来导入GGUF模型，或者从PyTorch和Safetensors导入模型，实现模型的个性化定制。
命令行界面（CLI）：Ollama提供了一系列的CLI命令，简化了模型的创建、管理和运行过程。
REST API：通过REST API，用户可以编程方式运行和管理模型，为自动化和集成提供了便利。
社区集成：Ollama与多个社区项目集成，包括Web和桌面应用程序、终端工具、数据库、包管理器和移动应用等，扩展了其应用范围。

2.模型安装和使用

Ollama官网：https://ollama.com/
Ollama Github地址：https://github.com/ollama/ollama

2.1 macOS安装指南

下载Ollama压缩包：
访问Ollama的GitHub页面或官方网站，找到适用于macOS的下载链接。
Download Ollama for macOS
解压压缩包：
将下载的Ollama-darwin.zip文件解压到希望安装Ollama的目录。
安装依赖（如果有）：
根据Ollama的README文件或官方文档，安装任何必要的依赖项。
运行Ollama：
打开终端，切换到解压后的Ollama目录，运行Ollama的启动命令。

cd Ollama-darwin
./ollama

2.2 Windows安装指南

下载Ollama安装程序：
在Ollama的GitHub页面上找到Windows预览版的下载链接。
Download Ollama for Windows
运行安装程序：
双击下载的OllamaSetup.exe文件，并按照安装向导的指示完成安装。
验证安装：
安装完成后，可以通过运行Ollama的命令或启动桌面应用程序来验证安装是否成功。

2.3 Linux安装指南

通过curl安装：
打开终端，运行以下命令来安装Ollama。
curl -fsSL https://ollama.com/install.sh | sh
手动安装（可选）：
如果希望手动安装或需要更详细的安装步骤，可以参考Ollama的GitHub仓库中的Linux安装文档。
Manual install instructions
运行Ollama：
安装完成后，可以通过终端运行Ollama的命令来启动框架。

2.4 Docker安装指南

安装Docker（如果尚未安装）：
根据操作系统，从Docker官网下载并安装Docker。
拉取Ollama Docker镜像：
在终端中运行以下命令来拉取官方的Ollama Docker镜像。
docker pull ollama/ollama
运行Docker容器：
使用以下命令运行Ollama容器。
docker run -it ollama/ollama

2.5 验证安装

无论使用的是哪种安装方法，都可以通过运行以下命令来验证Ollama是否已成功安装并运行：
ollama run gemma:2b
这将启动Gemma:2b模型，可以通过与模型交互来测试其功能。Gemma:2b模型对中文相对友好一些，例如：
spring ai glm,AI,Java相关,java,人工智能,ai,AI编程,spring