playground flight booking

Démo du système expert alimenté par l'IA

Réimplémentation Spring AI de https://github.com/marcushellberg/java-ai-playground

Cette application montre comment vous pouvez utiliser Spring AI pour créer un système alimenté par l'IA qui :

• A accès aux termes et conditions (génération augmentée de récupération, RAG)
• Peut accéder à des outils (méthodes Java) pour effectuer des actions (appel de fonction)
• Utilise un LLM pour interagir avec l'utilisateur

Exigences

• Java17+
• Clé API OpenAI dans la variable d'environnement OPENAI_API_KEY

En cours d'exécution

Exécutez l'application en exécutant Application.java dans votre IDE ou mvn dans la ligne de commande.

Avec le chat OpenAI

Ajoutez au POM le démarreur de démarrage Spring AI Open AI :

< dependency >
    < groupId >org.springframework.ai</ groupId >
    < artifactId >spring-ai-openai-spring-boot-starter</ artifactId >
</ dependency >

Ajoutez la configuration OpenAI au application.properties :

 spring.ai.openai.api-key=${OPENAI_API_KEY}
spring.ai.openai.chat.options.model=gpt-4o

Avec VertexAI Gemini Chat

Ajoutez au POM les démarreurs de démarrage Spring AI VertexAI Gemini et Onnx Transformer Embedding :

< dependency >
    < groupId >org.springframework.ai</ groupId >
    < artifactId >spring-ai-vertex-ai-gemini-spring-boot-starter</ artifactId >
</ dependency >

< dependency >
    < groupId >org.springframework.ai</ groupId >
    < artifactId >spring-ai-transformers-spring-boot-starter</ artifactId >
</ dependency >

Ajoutez la configuration VertexAI Gemini au application.properties :

 spring.ai.vertex.ai.gemini.project-id=${VERTEX_AI_GEMINI_PROJECT_ID}
spring.ai.vertex.ai.gemini.location=${VERTEX_AI_GEMINI_LOCATION}
spring.ai.vertex.ai.gemini.chat.options.model=gemini-1.5-pro-001
# spring.ai.vertex.ai.gemini.chat.options.model=gemini-1.5-flash-001

Avec Azure OpenAI Chat

Ajoutez au POM le démarreur de démarrage Spring AI Azure OpenAI :

< dependency >
    < groupId >org.springframework.ai</ groupId >
    < artifactId >spring-ai-azure-openai-spring-boot-starter</ artifactId >
</ dependency >

Ajoutez la configuration Azure OpenAI au application.properties :

 spring.ai.azure.openai.api-key=${AZURE_OPENAI_API_KEY}
spring.ai.azure.openai.endpoint=${AZURE_OPENAI_ENDPOINT}
spring.ai.azure.openai.chat.options.deployment-name=gpt-4o

Avec Groq Chat

Il réutilise le client OpenAI Chat mais pointe vers le point de terminaison Groq

Ajoutez au POM le démarreur de démarrage Spring AI Open AI :

< dependency >
    < groupId >org.springframework.ai</ groupId >
    < artifactId >spring-ai-openai-spring-boot-starter</ artifactId >
</ dependency >
< dependency >
    < groupId >org.springframework.ai</ groupId >
    < artifactId >spring-ai-transformers-spring-boot-starter</ artifactId >
</ dependency >

Ajoutez la configuration Groq au application.properties :

 spring.ai.openai.api-key=${GROQ_API_KEY}
spring.ai.openai.base-url=https://api.groq.com/openai
spring.ai.openai.chat.options.model=llama3-70b-8192

Avec Anthropic Claude 3 Chat

Ajoutez au POM les démarreurs de démarrage Spring AI Anthropic Claude et Onnx Transformer Embedding :

< dependency >
    < groupId >org.springframework.ai</ groupId >
    < artifactId >spring-ai-anthropic-spring-boot-starter</ artifactId >
</ dependency >

< dependency >
    < groupId >org.springframework.ai</ groupId >
    < artifactId >spring-ai-transformers-spring-boot-starter</ artifactId >
</ dependency >

Ajoutez la configuration Anthropic au application.properties :

 spring.ai.anthropic.api-key=${ANTHROPIC_API_KEY}
spring.ai.openai.chat.options.model=llama3-70b-8192
spring.ai.anthropic.chat.options.model=claude-3-5-sonnet-20240620

Construire un pot

./mvnw clean install -Pproduction

java -jar ./target/playground-flight-booking-0.0.1-SNAPSHOT.jar

 docker run -it --rm --name postgres -p 5432:5432 -e POSTGRES_USER=postgres -e POSTGRES_PASSWORD=postgres ankane/pgvector