spring ai

春ai

Spring AIプロジェクトは、AIアプリケーションを開発するための春に優しいAPIと抽象化を提供します。

その目標は、AIドメインスプリングエコシステム設計の原則に適用し、携帯性やモジュラー設計などの原則に適用し、AIドメインへのアプリケーションの構成要素としてPOJOを使用することを促進することです。

その中心で、Spring AIはAI統合の基本的な課題、つまりエンタープライズデータとAPIをAIモデルと接続することに対処します。

詳細については、Spring AIリファレンスドキュメントをご覧ください。

このプロジェクトは、LangchainやLlamaindexなどの注目すべきPythonプロジェクトからインスピレーションを得ていますが、Spring AIはこれらのプロジェクトの直接港ではありません。このプロジェクトは、生成AIアプリケーションの次の波はPython開発者だけでなく、多くのプログラミング言語で遍在するという信念を持って設立されました。

これは、高レベルの機能の概要です。詳細については、参照ドキュメントをご覧ください

• Anthropic、Openai、Microsoft、Amazon、Google、Ollamaなどのすべての主要なAIモデルプロバイダーのサポート。サポートされているモデルタイプは次のとおりです。
  • チャットの完了
  • 埋め込み
  • テキストから画像
  • オーディオ転写
  • テキストからスピーチ
  • 節度
• 同期およびストリーミングAPIオプションの両方について、AIプロバイダー全体のポータブルAPIサポートがサポートされています。モデル固有の機能へのアクセスも利用できます。
• 構造化出力 - POJOSへのAIモデル出力のマッピング。
• Apache Cassandra、Azure Vector Search、Chroma、Milvus、Mongodb Atlas、Neo4J、Oracle、PostgreSQL/PGVector、Pinecone、QDRANT、REDIS、織りなど、すべての主要なベクターデータベースプロバイダーのサポート。
• 新しいSQLのようなメタデータフィルターAPIを含む、ベクトルストアプロバイダー全体のポータブルAPI。
• ツール/関数呼び出し - モデルがクライアント側のツールと機能の実行を要求することを許可し、それにより必要に応じて必要に応じて必要なリアルタイム情報にアクセスできます。
• 観察可能性 - AI関連操作に関する洞察を提供します。
• データエンジニアリングのためのドキュメントインジェクションETLフレームワーク。
• AIモデル評価 - 生成されたコンテンツを評価し、幻覚反応から保護するためのユーティリティ。
• ChatClient API- AIチャットモデルと通信するためのFluent API。WebClientおよびRestClient APIに慣用的に類似しています。
• Advisors API-繰り返しの生成AIパターンをカプセル化し、言語モデル（LLM）に送られたデータを変換し、さまざまなモデルやユースケースで移植性を提供します。
• チャット会話のメモリと検索拡張生成（RAG）のサポート。
• すべてのAIモデルとベクトルストアのスプリングブートオート構成とスターター - start.spring.ioを使用して、選択したモデルまたはベクトルストアを選択します。

はじめる

依存関係の追加に関する指示については、開始ガイドを参照してください。

プロジェクトリソース

• ドキュメント
• 問題

• Awesome Spring AI -SpringAIを使用して生成AIアプリケーションを構築するための素晴らしいリソース、ツール、チュートリアル、プロジェクトのキュレーションリスト

変化を破る

• アップグレードノートを参照して、1.0.0.m1以降にアップグレードする方法を確認してください。

リポジトリのクローニング

このリポジトリには、大きなモデルファイルが含まれています。それをクローンするには、次のいずれかが必要です。

• 大きなファイルを無視してください（春の動作には影響しません）： GIT_LFS_SKIP_SMUDGE=1 git clone [email protected]:spring-projects/spring-ai.git 。
• または、リポジトリをクローニングする前に、gitの大きなファイルストレージをインストールします。

建物

実行中のユニットテストで構築する

./mvnw clean package

統合テストを含む構築。実行する前に、OpenaiおよびAzure OpenaiのAPIキー環境変数を設定します。

./mvnw clean verify -Pintegration-tests

特定の統合テストを実行して、最大2回の試みを成功させることができます。これは、ホストされたサービスが信頼できない場合、または時間を出していない場合に役立ちます。

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

ドキュメントを作成します

./mvnw -pl spring-ai-docs antora

ドキュメントは、ディレクトリspring-ai-docs/target/antora/site/index.htmlにあります

Java-Formatプラグインを使用して再フォーマットします

./mvnw spring-javaformat:apply

ライセンス - マベンプラギンを使用してライセンスヘッダーで年を更新する

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

Javadoc：Javadocを使用してJavadocsを確認するには

./mvnw javadoc:javadoc -Pjavadoc

チェックスタイルを有効にすることで構築する。現在、チェックスタイルは無効になっていますが、以下を実行することで有効にすることができます。

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