spring ai

ฤดูใบไม้ผลิ AI

โครงการ Spring AI ให้บริการ API ที่เป็นมิตรกับฤดูใบไม้ผลิและ abstractions สำหรับการพัฒนาแอพพลิเคชั่น AI

เป้าหมายของมันคือการใช้กับหลักการออกแบบระบบนิเวศสปริงของโดเมน AI เช่นการพกพาและการออกแบบแบบแยกส่วนและส่งเสริมการใช้ POJOS เป็นหน่วยการสร้างของแอปพลิเคชันไปยังโดเมน AI

ที่สำคัญของมัน Spring AI จัดการกับความท้าทายพื้นฐานของการรวม AI: การเชื่อมต่อ ข้อมูล องค์กรและ APIs ของคุณกับ โมเดล AI

สำหรับข้อมูลเพิ่มเติมไปที่เอกสารอ้างอิง Spring AI ของเรา

โครงการได้รับแรงบันดาลใจจากโครงการ Python ที่โดดเด่นเช่น Langchain และ Llamaidex แต่ Spring AI ไม่ใช่ท่าเรือโดยตรงของโครงการเหล่านั้น โครงการก่อตั้งขึ้นด้วยความเชื่อที่ว่าคลื่นลูกต่อไปของแอพพลิเคชั่น AI รุ่นต่อไปจะไม่ได้เป็นเพียงสำหรับนักพัฒนา Python เท่านั้น แต่จะแพร่หลายในภาษาการเขียนโปรแกรมหลายภาษา

นี่คือภาพรวมคุณสมบัติระดับสูง คุณสามารถค้นหารายละเอียดเพิ่มเติมในเอกสารอ้างอิง

• สนับสนุนผู้ให้บริการโมเดล AI ที่สำคัญทั้งหมดเช่นมานุษยวิทยา, OpenAI, Microsoft, Amazon, Google และ Ollama ประเภทรุ่นที่รองรับ ได้แก่ :
  • การแชทเสร็จสิ้น
  • การฝัง
  • ส่งข้อความถึงรูปภาพ
  • การถอดเสียง
  • ส่งข้อความถึงการพูด
  • การกลั่นกรอง
• รองรับการสนับสนุน API แบบพกพาทั่วทั้งผู้ให้บริการ AI สำหรับตัวเลือกทั้งแบบซิงโครนัสและสตรีมมิ่ง API นอกจากนี้ยังมีการเข้าถึงคุณสมบัติเฉพาะรุ่น
• เอาต์พุตที่มีโครงสร้าง - การแมปของเอาท์พุตโมเดล AI ไปยัง pojos
• สนับสนุนผู้ให้บริการฐานข้อมูลเวกเตอร์รายใหญ่ทั้งหมดเช่น Apache Cassandra, Azure Vector Search, Chroma, Milvus, MongoDB Atlas, Neo4J, Oracle, PostgreSQL/PGVector, Pinecone, Qdrant, Redis และ Weaviate
• API แบบพกพาข้ามผู้ให้บริการร้านค้าเวกเตอร์รวมถึงตัวกรองข้อมูลเมตาของ SQL-like Filter API
• เครื่องมือ/ฟังก์ชั่นการโทร-อนุญาตให้โมเดลขอการดำเนินการเครื่องมือและฟังก์ชั่นฝั่งไคลเอ็นต์ซึ่งจะเข้าถึงข้อมูลเรียลไทม์ที่จำเป็นตามที่ต้องการ
• การสังเกต - ให้ข้อมูลเชิงลึกเกี่ยวกับการดำเนินงานที่เกี่ยวข้องกับ AI
• Framework การฉีดเอกสารสำหรับวิศวกรรมข้อมูล
• การประเมินแบบจำลอง AI - ยูทิลิตี้เพื่อช่วยประเมินเนื้อหาที่สร้างขึ้นและป้องกันการตอบสนองของภาพหลอน
• Chatclient API - Flueent API สำหรับการสื่อสารกับโมเดล AI แชทคล้ายกับ WebClient และ RestClient APIs
• Advisors API - ห่อหุ้มรูปแบบ AI ที่เกิดขึ้นซ้ำ ๆ แปลงข้อมูลที่ส่งไปยังและจากแบบจำลองภาษา (LLMS) และให้ความสามารถในการพกพาในแบบจำลองต่าง ๆ และกรณีการใช้งาน
• รองรับหน่วยความจำการสนทนาการสนทนาและการเพิ่ม Generation (RAG)
• Spring Boot Auto Configuration และ Starters สำหรับ AI ทุกรุ่นและร้านค้าเวกเตอร์ - ใช้ start.spring.io เพื่อเลือกรุ่นหรือร้านค้าเวกเตอร์ที่เลือก

เริ่มต้น

โปรดดูคู่มือการเริ่มต้นใช้งานเพื่อเพิ่มการพึ่งพาของคุณ

ทรัพยากรโครงการ

• เอกสาร
• ปัญหา

• Awesome Spring AI - รายการทรัพยากรเครื่องมือการสอนและโครงการที่ยอดเยี่ยมสำหรับการสร้างแอปพลิเคชัน AI แบบกำเนิดโดยใช้ Spring AI

ทำลายการเปลี่ยนแปลง

• อ้างถึงบันทึกการอัพเกรดเพื่อดูวิธีการอัพเกรดเป็น 1.0.0.M1 หรือสูงกว่า

โคลน repo

ที่เก็บนี้มีไฟล์รุ่นใหญ่ เพื่อโคลนคุณต้องทำเช่นกัน:

• ละเว้นไฟล์ขนาดใหญ่ (จะไม่ส่งผลกระทบต่อพฤติกรรม Spring-AI): GIT_LFS_SKIP_SMUDGE=1 git clone [email protected]:spring-projects/spring-ai.git
• หรือติดตั้งที่เก็บไฟล์ขนาดใหญ่ Git ก่อนที่จะโคลน repo

อาคาร

เพื่อสร้างด้วยการทดสอบหน่วยรัน

./mvnw clean package

เพื่อสร้างรวมถึงการทดสอบการรวม ตั้งค่าตัวแปรสภาพแวดล้อมคีย์ API สำหรับ OpenAI และ Azure OpenAI ก่อนที่จะทำงาน

./mvnw clean verify -Pintegration-tests

ในการเรียกใช้การทดสอบการรวมที่เฉพาะเจาะจงเพื่อให้สามารถประสบความสำเร็จได้สูงสุดสองครั้ง สิ่งนี้มีประโยชน์เมื่อบริการโฮสต์ไม่น่าเชื่อถือหรือหมดเวลา

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

เพื่อสร้างเอกสาร

./mvnw -pl spring-ai-docs antora

เอกสารจะอยู่ในไดเรกทอรี spring-ai-docs/target/antora/site/index.html

เพื่อฟอร์แมตโดยใช้ปลั๊กอินรูปแบบ Java

./mvnw spring-javaformat:apply

หากต้องการอัปเดตปีที่ส่วนหัวใบอนุญาตโดยใช้ใบอนุญาต-Maven-Plugin

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

เพื่อตรวจสอบ Javadocs โดยใช้ Javadoc: Javadoc

./mvnw javadoc:javadoc -Pjavadoc

เพื่อสร้างด้วยการเปิดใช้งาน CheckStyles CheckStyles ถูกปิดใช้งานในขณะนี้ แต่คุณสามารถเปิดใช้งานได้โดยทำสิ่งต่อไปนี้:

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