- 博客(13)
- 收藏
- 关注
RSS订阅原创 Spring AI 集成 OpenAI 图像生成
提醒：该版本仍在开发中，尚未被认为是稳定版本。如需获取最新的快照版本，请使用！Spring AI 支持 OpenAI 的图像生成模型 DALL-E。
2025-03-12 11:17:33
1073
原创 Spring AI 集成 Open AI 嵌入模型
注意：您可以重写公共的 spring.ai.openai.base-url 和 spring.ai.openai.api-key，以适配 ChatModel 和 EmbeddingModel 的实现。同样，如果设置了 spring.ai.openai.chat.base-url 和 spring.ai.openai.chat.api-key 属性，它们将优先于公共属性。配置属性：前缀 spring.ai.openai.embedding 用于配置 OpenAI 的 EmbeddingModel 实现。
2025-03-10 14:55:56
1562
原创 Spring AI 集成 Ollama
为此，您需要将 OpenAI 基础 URL 配置为您的 Ollama 实例： spring.ai.openai.chat.base-url=http://localhost:11434，并选择一个提供的 Ollama 模型：spring.ai.openai.chat.options.model=mistral。在启动时，可以使用 OllamaChatModel(api, options) 构造函数或 spring.ai.ollama.chat.options.* 属性来配置默认选项。
2025-03-10 10:39:33
952
原创 Spring AI 集成 Open AI
Override// 自定义逻辑来获取 API 密钥.build();// 使用自定义的 OpenAiApi 实例创建聊天客户端从安全的密钥存储中检索 API 密钥动态旋转 API 密钥实现自定义的 API 密钥选择逻辑。
2025-03-07 21:42:09
1484
原创 Spring AI 集成 DeepSeek
在启动时，可以使用 OpenAiChatModel(api, options) 构造函数或 spring.ai.openai.chat.options.* 属性配置默认选项。提示：所有以 spring.ai.openai.chat.options 开头的属性可以通过为提示调用添加特定的运行时选项来覆盖。配置属性：前缀 spring.ai.openai.chat 用于配置 OpenAI 聊天模型的实现。连接属性：前缀 spring.ai.openai 用于配置与 OpenAI 的连接。
2025-03-07 00:12:15
1385
原创 LangChain4J Spring Boot 集成 LLMs
该事件在 AI 服务注册到 Spring 上下文时触发，允许您在运行时获取所有已注册的 AI 服务及其工具的信息。如果您有多个 AI 服务，并且希望将不同的 LangChain4j 组件注入到每个服务中，您可以使用显式注入模式 (@AiService(wiringMode = EXPLICIT)) 来指定使用哪些组件。Spring Boot 启动器依赖项的命名约定是：langchain4j-{integration-name}-spring-boot-starter。有关更多详细信息，请参阅此处。
2025-03-04 21:02:39
927
原创 OkHttp 使用示例教程
在下面的示例中，我们使用 500 毫秒超时发起一个请求，使用 3000 毫秒超时发起另一个请求。多部分请求体的每一部分本身都是一个请求体，并且可以定义自己的头部。大多数应用程序应该只调用一次 new OkHttpClient()，配置它的缓存，并在整个应用中使用同一个实例。否则，两个缓存实例会互相冲突，损坏响应缓存，并可能导致程序崩溃。但是，如果响应体较大（大于 1 MiB），请避免使用 string()，因为它会将整个文档加载到内存中。为了缓存响应，您需要一个可以读写的缓存目录，并对缓存的大小设置限制。
2025-02-27 16:21:47
1222
原创 LangChain4J Tools (Function Calling)
可以配置一个 ToolProvider，它将在每次调用 AI Service（AI 服务）时被调用，并提供应包含在当前请求中的工具给 LLM。这是一个非常强大的功能。在这个简单的示例中，我们给 LLM 提供了基本的数学工具，但想象一下，如果我们给它提供了例如 googleSearch 和 sendEmail 工具，并提出一个查询：“我的朋友想了解 AI 领域的最新新闻。当 LLM 决定调用工具时，AI Service（AI 服务）会自动执行相应的方法，方法的返回值（如果有）将被发送回 LLM。
2025-02-25 14:38:13
1428
原创 LangChain4J Chat and Language Models（聊天和语言模型）
注意：此页面描述的是低级 LLM API。有关高级 LLM API，请参见（AI 服务）。所有支持的 LLM 可找到。
2025-02-22 17:22:28
1024
原创 LangChain4J Chat Memory（聊天记忆）
根据使用的记忆算法，它可以以各种方式修改历史：驱逐某些消息、总结多条消息、总结独立消息、从消息中删除不重要的细节、向消息中注入额外的信息（例如，RAG）或指令（例如，结构化输出）等。如果包含 ToolExecutionRequests 的 AiMessage 被驱逐，以下孤立的 ToolExecutionResultMessage(s) 也会被自动驱逐，以避免与某些 LLM 提供商（如 OpenAI）相关的问题，这些提供商禁止在请求中发送孤立的 ToolExecutionResultMessage(s)。
2025-02-22 16:26:50
1140
原创 Lanchain4J Response Streaming（流式响应）
这个工具类提供了静态方法，可以使用 lambda 表达式创建 StreamingResponseHandler。对于 ChatLanguageModel 和 LanguageModel 接口，有对应的 StreamingChatLanguageModel 和 StreamingLanguageModel 接口。这些接口具有类似的 API，但可以流式传输响应。LLMs（大语言模型）是逐个标记生成文本的，因此许多 LLM 提供商提供了一种逐个标记地流式传输响应，而不是等待整个文本生成完毕。
2025-02-22 15:44:14
897
原创 LangChain4J AI Services（AI 服务）
此外，通常不需要状态/记忆，因此与 LLM 的每次交互都是独立的。例如，当用户只是向聊天机器人问好或道别时，给 LLM 访问几十个或上百个工具是昂贵的，有时甚至是危险的（每个工具在 LLM 调用中都会消耗大量 tokens），并且可能导致意外的结果（LLM 可能产生幻觉，或被操纵调用工具时输入错误）。关于 RAG：同样的，有时候确实需要为 LLM 提供一些上下文，但并非每次都需要，因为这会带来额外的成本（更多的上下文 = 更多的 tokens）并增加响应时间（更多的上下文 = 更高的延迟）。
2025-02-21 18:06:55
677
原创 LangChain4j Retrieval-Augmented Generation（检索增强生成）
如果你想加载所有子目录中的文档，可以使用。
2025-02-19 10:13:03
1579
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人