spring ai

AI de primavera

El proyecto Spring AI proporciona una API y abstracciones amigables con la primavera para desarrollar aplicaciones de IA.

Su objetivo es aplicarse a los principios de diseño del ecosistema Spring del dominio AI, como la portabilidad y el diseño modular y promover el uso de POJOS como los bloques de construcción de una aplicación al dominio AI.

En esencia, Spring AI aborda el desafío fundamental de la integración de IA: conectando sus datos empresariales y API con los modelos de IA .

Para obtener más información, visite nuestra documentación de referencia Spring AI.

El proyecto se inspira en proyectos de Python notables, como Langchain y Llamaindex, pero Spring AI no es un puerto directo de esos proyectos. El proyecto se fundó con la creencia de que la próxima ola de aplicaciones generativas de IA no será solo para los desarrolladores de Python, sino que será ubicua en muchos lenguajes de programación.

Esta es una descripción general de características de alto nivel. Puede encontrar más detalles en la documentación de referencia

• Soporte para todos los principales proveedores de modelos de IA como Anthrope, OpenAI, Microsoft, Amazon, Google y Ollama. Los tipos de modelos compatibles incluyen:
  • Finalización del chat
  • Incrustación
  • Texto a imagen
  • Transcripción de audio
  • Texto a discurso
  • Moderación
• Se admite el soporte de API portátil en los proveedores de IA para las opciones de API sincrónicas y de transmisión. El acceso a las características específicas del modelo también está disponible.
• Salidas estructuradas: mapeo de la salida del modelo AI a POJOS.
• Soporte para todos los principales proveedores de bases de datos vectoriales como Apache Cassandra, Azure Vector Search, Chroma, Milvus, MongoDB Atlas, Neo4J, Oracle, PostgreSQL/PgVector, Pinecone, Qdrant, Redis y Weaviate .
• API portátil en los proveedores de tiendas vectoriales, incluida una nueva API de filtro de metadatos tipo SQL.
• Herramientas/llamadas de función: permite que el modelo solicite la ejecución de herramientas y funciones del lado del cliente, accediendo así a la información necesaria en tiempo real según sea necesario.
• Observabilidad: proporciona información sobre las operaciones relacionadas con la IA.
• Inyección de documentos Marco ETL para ingeniería de datos.
• Evaluación del modelo de IA: servicios públicos para ayudar a evaluar el contenido generado y proteger contra la respuesta alucinada.
• API de ChatClient: API fluida para comunicarse con modelos de chat de IA, de manera idiomática similar a la API WebClient y RestClient.
• API de asesores: encapsula los patrones de IA generativos recurrentes, transforma los datos enviados hacia y desde los modelos de idiomas (LLM) y proporciona portabilidad en varios modelos y casos de uso.
• Soporte para la memoria de conversación de chat y la generación aumentada de recuperación (RAG).
• Configuración automática de arranque y arrancadores para todos los modelos de IA y tiendas vectoriales: use Start.spring.io para seleccionar el modelo o la tienda vectorial de elección.

Empezando

Consulte la Guía Getting Start para obtener instrucciones sobre cómo agregar sus dependencias.

Proyecto de recursos

• Documentación
• Asuntos

• Awesome Spring AI: una lista curada de recursos increíbles, herramientas, tutoriales y proyectos para construir aplicaciones generativas de IA utilizando Spring AI

Cambios de ruptura

• Consulte las notas de actualización para ver cómo actualizar a 1.0.0.m1 o superior.

Clonando el repositorio

Este repositorio contiene grandes archivos de modelo. Para clonarlo, tienes que:

• Ignore los archivos grandes (no afectará el comportamiento Spring-AI): GIT_LFS_SKIP_SMUDGE=1 git clone [email protected]:spring-projects/spring-ai.git .
• O instale el almacenamiento de archivos grande GIT antes de clonar el repositorio.

Edificio

Construir con pruebas unitarias en ejecución

./mvnw clean package

Para construir, incluidas las pruebas de integración. Establezca variables de entorno de clave API para OpenAI y Azure OpenAI antes de ejecutar.

./mvnw clean verify -Pintegration-tests

Para ejecutar una prueba de integración específica que permite hasta dos intentos de tener éxito. Esto es útil cuando un servicio alojado no es confiable o tiempos fuera.

./mvnw -pl vector-stores/spring-ai-pgvector-store -Pintegration-tests -Dfailsafe.rerunFailingTestsCount=2 -Dit.test=PgVectorStoreIT verify

Para construir los documentos

./mvnw -pl spring-ai-docs antora

Los documentos se encuentran en el directorio spring-ai-docs/target/antora/site/index.html

Para reformatear el uso del complemento Java-formato

./mvnw spring-javaformat:apply

Para actualizar el año en los encabezados de licencia utilizando la licencia-saven-plugin

./mvnw license:update-file-header -Plicense

Para verificar los javadocs usando el javadoc: javadoc

./mvnw javadoc:javadoc -Pjavadoc

Para construir con checkstyles habilitados. Los checkstyles están actualmente deshabilitados, pero puede habilitarlos haciendo lo siguiente:

./mvnw clean package -DskipTests -Ddisable.checks=false