- 博客(4)
- 收藏
- 关注
RSS订阅原创 spring-AI中 Function Calling的使用
摘要：Spring AI Function Calling 解决了大模型在精确计算、确定性逻辑验证等领域的不足，通过将传统应用功能封装为函数（@Tool注解标记），使AI能够调用这些函数完成任务。流程包括：定义函数和参数描述、AI理解需求并调用函数、传统应用执行并返回结果。示例展示了会议预约功能，AI根据用户输入自动校验参数并调用相应方法。该机制扩展了AI能力边界，实现了动态信息获取、业务流程自动化和系统集成，为复杂任务提供了高效解决方案。
2025-06-05 09:00:00
754
原创 spirngAI基于Redis实现自定义chatMemory
Spring AI通过ChatMemory接口实现聊天记忆功能，解决了大型语言模型无状态的问题。官方默认使用InMemoryChatMemory基于内存存储聊天记录，但存在重启丢失问题。本文提出基于Redis的自定义实现方案：首先定义Msg类规范存储结构，然后通过Redis持久化保存对话历史。相比默认内存方案，Redis实现能长期保存上下文信息，支持多实例共享记忆，提升用户体验。系统通过MessageChatMemoryAdvisor拦截器自动管理对话记忆，开发者只需关注业务逻辑。
2025-06-03 14:06:39
1106
原创 spring-AI集成向量数据库redis使用实现RAG
本文介绍了SpringAI支持的两种向量数据库：SimpleVectorStore和RedisVectorStore。SimpleVectorStore是基于内存实现的测试/教学用库，通过配置类注入即可使用其文档存储与相似度搜索功能。RedisVectorStore需要安装Redis Stack并引入对应依赖，配置索引信息后可持久化存储向量数据。两种方案都遵循统一的VectorStore接口，支持文档分割存储和语义搜索，其中PDF文档可通过PagePdfDocumentReader转换为Document对象
2025-06-02 15:29:58
1430
13
原创 spring-AI集成向量数据库pinecone使用实现RAG
Pinecone是一个用于构建知识型AI的向量数据库，提供2GB免费存储空间。集成SpringAI使用Pinecone的步骤包括：注册获取API Key并配置环境变量；创建向量索引库并记录host信息；导入SpringAI-Pinecone依赖；配置application.yml文件中的参数；通过测试代码验证功能，包括PDF文档读取、向量存储和相似度搜索。测试成功后，文档内容将上传至Pinecone平台，可在项目中直接调用。该方案适用于构建智能搜索和知识管理应用。
2025-06-02 14:58:44
530
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