开源模型应用落地-工具使用篇-Spring AI-高阶用法(九)
一、前言
(图片来源网络,侵删)
通过“开源模型应用落地-工具使用篇-Spring AI-Function Call(八)-CSDN博客”文章的学习,已经掌握了如何通过Spring AI集成OpenAI以及如何进行function call的调用,现在将进一步学习Spring AI更高阶的用法,如:传递历史上下文对话,调整模型参数等。
二、术语
2.1、Spring AI
是 Spring 生态系统的一个新项目,它简化了 Java 中 AI 应用程序的创建。它提供以下功能:
- 支持所有主要模型提供商,例如 OpenAI、Microsoft、Amazon、Google 和 Huggingface。
- 支持的模型类型包括“聊天”和“文本到图像”,还有更多模型类型正在开发中。
- 跨 AI 提供商的可移植 API,用于聊天和嵌入模型。
- 支持同步和流 API 选项。
- 支持下拉访问模型特定功能。
- AI 模型输出到 POJO 的映射。
三、前置条件
3.1、JDK 17+
(图片来源网络,侵删)下载地址:Java Downloads | Oracle
3.2、创建Maven项目
SpringBoot版本为3.2.3
org.springframework.boot spring-boot-starter-parent 3.2.3
3.3、导入Maven依赖包
(图片来源网络,侵删)org.projectlombok lombok true ch.qos.logback logback-core ch.qos.logback logback-classic cn.hutool hutool-core 5.8.24 org.springframework.ai spring-ai-openai-spring-boot-starter 0.8.0
3.4、 科学上网的软件
四、技术实现
4.1、新增配置
spring: ai: openai: api-key: sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
PS:
- openai要替换自己的api-key
- 模型参数根据实际情况调整
4.2、历史上下文对话传递
# 方式一
使用 UserMessage 和 AssistantMessage 指定上下文
# 方式二
使用 ChatMessage 指定上下文
4.3、 调整模型参数
# 方式一
在配置文件中指定
# 方式二
在代码中指定
五、测试
在代码中指定的上下文:
对话次数 用户 AI 第一轮 你好
你好!很高兴能为你提供帮助。有什么问题可以问我吗?
第二轮 我家在广州,你呢?
我是一个人工智能助手,没有具体的居住地。不过我可以帮助你解答问题和提供信息。有什么我可以帮你的吗?
第三轮 我家有什么特产 浏览器返回的结果:
idea返回的结果:
结论:
AI能识别出我家在广州,并给出广州的特产
六、附带说明
6.1、更多的模型参数配置
OpenAI Chat :: Spring AI Reference
6.2、完整代码
import cn.hutool.core.collection.CollUtil; import cn.hutool.core.map.MapUtil; import jakarta.servlet.http.HttpServletResponse; import lombok.extern.slf4j.Slf4j; import org.apache.commons.lang3.StringUtils; import org.springframework.ai.chat.Generation; import org.springframework.ai.chat.messages.*; import org.springframework.ai.chat.prompt.ChatOptions; import org.springframework.ai.chat.prompt.Prompt; import org.springframework.ai.chat.prompt.SystemPromptTemplate; import org.springframework.ai.openai.OpenAiChatClient; import org.springframework.ai.openai.OpenAiChatOptions; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RestController; import org.springframework.web.servlet.mvc.method.annotation.SseEmitter; import java.util.List; @Slf4j @RestController @RequestMapping("/api") public class OpenaiTestController { @Autowired private OpenAiChatClient openAiChatClient; @RequestMapping("/history") public SseEmitter history(HttpServletResponse response) { response.setContentType("text/event-stream"); response.setCharacterEncoding("UTF-8"); SseEmitter emitter = new SseEmitter(); String systemPrompt = "{prompt}"; SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemPrompt); String userPrompt = "我家有什么特产?"; Message userMessage = new UserMessage(userPrompt); Message systemMessage = systemPromptTemplate.createMessage(MapUtil.of("prompt", "you are a helpful AI assistant")); UserMessage userChatMessage1 = new UserMessage("你好"); AssistantMessage assistantChatMessage1 = new AssistantMessage("你好!很高兴能为你提供帮助。有什么问题可以问我吗?"); UserMessage userChatMessage2 = new UserMessage("我家在广州,你呢?"); AssistantMessage assistantChatMessage2 = new AssistantMessage("我是一个人工智能助手,没有具体的居住地。不过我可以帮助你解答问题和提供信息。有什么我可以帮你的吗?"); // ChatMessage userChatMessage2 = new ChatMessage(MessageType.USER, "你好"); // ChatMessage assistantChatMessage2 = new ChatMessage(MessageType.ASSISTANT, "你好!很高兴能为你提供帮助。有什么问题可以问我吗?"); // // ChatMessage userChatMessage2 = new ChatMessage(MessageType.USER, "我家在广州,你呢?"); // ChatMessage assistantChatMessage2 = new ChatMessage(MessageType.ASSISTANT, "我是一个人工智能助手,没有具体的居住地。不过我可以帮助你解答问题和提供信息。有什么我可以帮你的吗?"); OpenAiChatOptions openAiChatOptions = OpenAiChatOptions.builder() .withModel("gpt-3.5-turbo") .withTemperature(0.7f) .withMaxTokens(4096) .withN(1) .withTopP(0.9f) .build(); Prompt prompt = new Prompt(List.of(userChatMessage1, assistantChatMessage1, userChatMessage2, assistantChatMessage2, userMessage, systemMessage), openAiChatOptions); log.info(prompt.toString()); openAiChatClient.stream(prompt).subscribe(x -> { try { log.info("response: {}", x); List generations = x.getResults(); if (CollUtil.isNotEmpty(generations)) { for (Generation generation : generations) { AssistantMessage assistantMessage = generation.getOutput(); String content = assistantMessage.getContent(); if (StringUtils.isNotEmpty(content)) { emitter.send(content); } else { if (StringUtils.equals(content, "null")) emitter.complete(); // Complete the SSE connection } } } } catch (Exception e) { emitter.complete(); log.error("流式返回结果异常", e); } }); return emitter; } }
文章版权声明:除非注明,否则均为主机测评原创文章,转载或复制请以超链接形式并注明出处。
还没有评论,来说两句吧...