Java从坚持到精通-SpringAI

已于 2024-04-25 16:39:52 修改
阅读量599 收藏 2
点赞数 7
分类专栏： Java从坚持到精通 文章标签： java spring
于 2024-04-24 00:02:10 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_44466906/article/details/138138871
版权
本文介绍了如何在SpringBoot项目中集成SpringAI，包括设置API密钥和基础URL，使用不同客户端对象进行聊天、生成图片、语音转换以及Ollama本地大模型的部署和SpringBoot集成。还涉及了Docker部署OpenWebUI和LobeChat的相关步骤。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1.加入坐标

2.项目配置

如上图，SpringAI需要api-key和base-url，都是需要科学上网才可以。

3.编写方法

直接注入OpenAIChatClient对象即可，高版本springboot已经自动装配了。

然后调用该方法的call方法，表示发送请求。

4.生成图片

以上是调用聊天模型，接下来讲调用生成图片模型。

只需注入OpenAIImageClient对象即可，然后调用call方法。

5.翻译声音转为文本

<
最低0.47元/天 解锁文章
5.1.2、【AI技术新纪元：Spring AI解码】Ollama Chat
宋志辉的博客
03-18 325
为了帮助依赖管理，Spring AI提供了一个BOM（物料清单），以确保整个项目中使用一致版本的Spring AI。请参阅依赖管理部分，将Spring AI的BOM添加到你的构建系统中。运行时，你可以通过向Prompt调用添加新的、特定于请求的选项来覆盖默认选项。的属性都可以在运行时通过在Prompt调用中添加特定于请求的运行时选项来覆盖。请参阅依赖管理部分，将Spring AI的BOM添加到你的构建文件中。请参阅依赖管理部分，将Spring AI的BOM添加到你的构建文件中。
SpringAI集成本地AI大模型ollama（调用篇）非常简单！！
weixin_54925172的博客
05-13 8891
这里不做具体的代码深挖，只做基本基础的运用。后期有机会会出个人模型训练方法。流式调用的展示（我们跟ai聊天，回答不是一下子就出来的，就是这种流式调用所展示的这般）启动完成后，我们可以在cmd中执行ollama可以看到相关命令行。然后我们需要在这个ai中给它下载好一个已有模型给我们自己使用。直接下载到本地，然后启动ollama。将命令行运行即可下载。我们看看普通调用的展示。
springAI结合ollama简单实现
var200的博客
08-21 4781
/ console.log('收到的数据:', value);//处理data:字样，格式化流数据。// 发送 POST 请求。// 继续读取下一个数据块。// 检查响应是否成功。// 检查是否读取完毕。// 返回一个可读流。// 处理每个数据块。// 开始读取数据流。
ollama+springboot ai+vue+elementUI整合
雨季的博客
11-12 3244
如果没有模型，首先自动尝试拉镜像，如果需要手动拉取镜像，执行ollama pull qwen2.5命令。上述命令执行完毕后，我们就可以直接使用大模型。接着启动项目，如果项目启动失败，删除package-lock.json文件和node_modules目录，执行npm install，然后启动项目。(2) 优先采用流式数据返回，因为它响应速度较快，并且由于restful返回的结果是md格式的数据，所以，首先集成对md的支持。接着，我们拉一个大模型，这里以阿里qwen2.5为例，更多模型可以从。
【Spring AI】Java结合ollama实现大模型调用
最新发布
2402_84949062的博客
04-30 1644
在较新的Java版本中，编译器已经支持了接入各种AI模型工具进行开发，这篇文章我会介绍如何利用Spring AI进行大模型的调用的基础方法
Spring AI 与 Ollama 的协同作用：利用 LLM 转变本地 AI 交互
php源码
07-29 1278
即使在当今时代，Java 和 Spring 仍引领着大多数开发社区，而 Python 则是 AI 领域（机器学习或生成式 AI）的主要武器。如果 Java 开发人员不愿意使用 Python，他们该如何利用或使用 LLM？这就是 Spring AI 弥补差距的地方。当我阅读 Spring AI 门户时，我更想做的是创建 Spring 应用程序和可以在本地运行的 LLM 之间的集成。这让所有 Java 开发人员都能够开发 AI 驱动的应用程序。
AI菜鸟向前飞 — LLM简介
2401_82469710的博客
05-11 1609
AI菜鸟向前飞 — LLM简介
SpringAI+Ollama三部曲之二：细说开发
程序员欣宸的博客
05-18 1704
详述SpringAI调用ollama的开发过程，包括编码、构建、脚本编写
Spring AI + Ollama 快速构建大模型应用程序（含源码）
python12345678_的博客
11-30 843
Spring AI 借鉴了 LangChain（Python）的灵感，后者支持与 AI 和多种 LLM 集成。目前 Spring AI 提供了多种大模型和向量数据库供您选择。可以登录官网（https://spring.io/projects/spring-ai）查看 Spring AI 的更详细文档。今天的 Spring AI 项目中会使用到 Vaadin，Vaadin 是一个基于 Java 和 Kotlin 的 Web 应用开发框架。
Spring AI集成Ollama+llava:7b：实战探索大模型的多模态应用
m0_63171455的博客
08-21 1269
多模态是指模型同时理解和处理来自各种来源的信息的能力，包括文本、图像、音频和其他数据格式。人类同时处理多种数据输入模式的知识。我们的学习方式，我们的经验都是多模态的。我们不仅有视觉，只有音频和文本。现代教育之父约翰·阿莫斯·夸美纽斯在其著作中提到;“所有自然联系的事物都应该结合起来教授”但是机器学习方法通常集中在为处理单一模式而量身定制的专用模型上。与人类的学习行为是相反的，然而新一波的多模态大型语言模型开始出现。
Spring AI多模态接口开发
缘友一世的博客
05-14 2152
【代码】Spring AI多模态接口开发。
如何用 Spring AI + Ollama 构建生成式 AI 应用
star_nwe的博客
10-23 2902
AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！
Spring AI 大模型 Ollama
weixin_45945401的博客
12-22 1014
ghcr.io/open-webui/open-webui:main：这是你要运行的 Docker镜像的完整名称，ghcrio是 GitHub Container Registry 的地址，openwebui/open-webui 是镜像的仓库和名称，main是标签，通常表示该镜像的最新或主分支版本。这是一个 docker run 命令，用于启动一个新的 Docker 容器，下面是这个命令各个部分的解释：docker run：这是 Docker 的命令，用于从指定的镜像启动一个新的容器；
开源模型应用落地-工具使用篇-Spring AI-Function Call（八）
没有卑微的工作，只有卑微的心态，与其抱怨，不如埋头实干
03-07 1万+
Spring AI调用OpenAI，并实现function call的高级用法，良心之作，全网唯一，绝非搬运，希望能给您带来一些些帮助！
JAVA实现人工智能,采用框架SpringAI
bright的博客
04-13 5280
springai 人工智能
Spring AI教程（三）Image API之AI自查实现对话和绘图
qq_41481367的博客
04-23 1047
我们可以通过AI自查手段将文本模型和图片生成模型进行组合实现一个既可以生成文本也可以生成AI的接口。
JAVA对接Spring-AI
weixin_70213588的博客
04-23 1352
Ollama是一个开源的大型语言模型服务，提供了类似OpenAI的API接口和聊天界面，可以非常方便地部署最新版本的GPT模型并通过接口使用。支持热加载模型文件，无需重新启动即可切换不同的模型。Ollama 是一个强大的框架，设计用于在 Docker 容器中部署 LLM。Ollama 的主要功能是在 Docker 容器内部署和管理 LLM 的促进者，它使该过程变得非常简单。它帮助用户快速在本地运行大模型，通过简单的安装指令，可以让用户执行一条命令就在本地运行开源大型语言模型，例如 Llama 2。
Spring AI与大模型Ollama如何集成整合？
极道Jdon的技术博客
03-04 3076
这两种方法的操作方式都是获取一个 Payload 对象（该对象封装了要嵌入的字符串），并以不同的格式返回嵌入结果--在 getEmbeddingsWithModelOverride 的情况下直接返回 EmbeddingResponse，而在 getEmbeddingsWithDefaultModel 的情况下返回一个包含 EmbeddingResponse 的映射。借助 Ollama 在本地运行 LLM 的能力，开发人员可以对人工智能驱动的功能获得前所未有的控制力和灵活性，确保数据隐私并减少延迟。
Ollama完整教程：本地LLM管理、WebUI对话、Python/Java客户端API应用
热门推荐
老牛啊
07-10 1万+
Ollama可以非常方便的管理和部署我们本地大语言模型，老牛同学希望通过本文对Ollama进行一次详细介绍，包括本地大模型管理和使用、WebUI对话界面部署、通过Python和Java使用Ollama的API接口等……
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值