Spring AI-49.智谱AI（ZhiPuAI）嵌入模型集成指南

Spring AI集成智谱AI嵌入模型指南
于 2025-06-15 19:53:29 发布
阅读量157 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 人工智能(AI) Java全套教程 Spring AI 文章标签： 人工智能 spring java Spring AI
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/youyong/article/details/148453592

Spring AI-49.智谱AI（ZhiPuAI）嵌入模型集成指南

Spring AI 支持集成智谱AI的文本嵌入模型，提供中文优化的语义向量生成能力，适用于中文语义搜索、文本分类和推荐系统等场景。以下是核心内容总结：

一、环境准备与依赖配置

  1. 获取 API 密钥

    • 访问 智谱AI开发者平台 注册账号并生成 API 密钥。

    • 设置环境变量或配置文件：

      export ZHIPU_API_KEY=your-zhipu-api-key

  2. 添加依赖
    在项目中引入智谱AI嵌入模型的 Spring Boot 启动器：

    <!-- Maven --&
了解本专栏 订阅专栏 解锁全文 超级会员免费看
Spring AI-34.智谱AI（ZhiPu AI）聊天模型集成指南
无
06-14 126
Spring AI 支持集成智谱AI（ZhiPu AI）的大语言模型（如 GLM-4、GLM-3-Turbo），提供中文优化的对话生成、流式响应和工具调用能力。
Spring AI-44.Transformers (ONNX) 嵌入模型集成指南
无
06-15 153
Spring AI 集成ONNX嵌入模型指南摘要 Spring AI通过ONNX格式支持本地运行Hugging Face嵌入模型（如all-MiniLM-L6-v2）。开发者需先用optimum-cli转换模型为ONNX格式，添加spring-ai-starter-model-transformers依赖后，可通过配置文件指定模型路径、GPU加速及分词选项。自动配置时直接注入EmbeddingModel接口，或手动实例化TransformersEmbeddingModel。性能优化包括启用GPU（需onnx
Spring AI 整合聊天模型之智谱AI
oscar999的专栏
05-28 1169
本文介绍了如何在Spring AI项目中集成智谱AI(ZhiPu AI)的语言模型服务，实现多语言会话助手功能。主要内容包括： 注册智谱AI平台并获取API Key； 配置Spring AI项目，通过application.properties或环境变量安全设置API Key； 添加Maven依赖启用自动配置； 详细说明了聊天属性配置，包括重试机制、连接参数和模型选项； 介绍了可配置的模型参数，如温度、top_p、最大token数等。 文章提供了完整的配置指南，帮助开发者快速集成智谱AI的GLM系列模型（如
SpringAI + 智谱
yuanchun的知识整理
08-16 2945
智谱 AI 是一家中国的人工智能公司
Spring AI 第二讲 之 Chat Model API 第七节Mistral AI Chat
qq_25137131的博客
06-04 1703
Spring AI 支持来自 Mistral AI 的各种 AI 语言模型。您可以与 Mistral AI 语言模型互动，并基于 Mistral 模型创建多语言对话助手。
Spring Boot 整合智谱AI
sanzailmn的博客
07-07 1354
Spring Boot整合智谱AI
SpringAI调用ZhiPu AI
莫凡的博客
10-25 1181
【代码】SpringAI调用ZhiPu AI。
Spring AI-46.PostgresML 嵌入模型集成指南
无
06-15 104
Spring AI 集成 PostgresML 嵌入模型指南 Spring AI 通过 PostgresML 扩展在 PostgreSQL 中直接生成文本嵌入向量，结合 Hugging Face 预训练模型实现高效的向量搜索和机器学习处理。核心步骤包括： 环境配置：安装 pgml 扩展并添加 Spring AI 依赖 参数设置：指定模型（如 distilbert-base-uncased）、向量类型（PG_ARRAY/PG_VECTOR）等 功能实现：支持自动注入或手动配置嵌入模型，动态切换模型参数 性能优
Spring AI-48.Google VertexAI 多模态嵌入模型集成指南
无
06-15 125
Spring AI 现已支持集成 Google VertexAI 的多模态嵌入模型，实现跨模态内容分析。该模型可处理图像、文本和视频输入，生成1408维向量（支持调整维度）。开发者需通过gcloud CLI完成认证，添加相应依赖后即可使用。配置参数包括项目信息、模型选项和视频处理参数（如采样间隔）。使用方式提供自动注入和手动配置两种方案，支持构建包含多媒体的Document对象并生成嵌入向量。该集成适用于跨模态检索、内容推荐等场景，通过统一接口简化多模态数据处理流程。
SpringBoot项目整合智谱AI + SSE推送流式数据到前端展示 + RxJava得浅显理解
m0_73966521的博客
08-27 3864
``json{"options":[{"value":"12 + 15", "key":"A"},{"value":"14 + 17", "key":"B"},{"value":"13 + 16", "key":"C"}], "title":"小学数学测验：哪个选项的结果是29？"},
springAI + pgvector + zhipu 实现 RAG
hello！树先生！
02-14 2392
到此，从环境搭建到效果演示全部完成，如需获取完整代码，关注公众号【智界跬步】，回复消息：RAGDEMO。
Spring AI 入门之 嵌入模型和Redis向量数据库
2505_90729871的博客
05-11 1555
与传统关系型数据库的精确匹配查询不同，向量数据库的查询操作执行的是相似性搜索。当给定一个向量作为查询时，向量数据库会返回与该查询向量"相似"的向量集合。通过计算两个文本对应向量之间的数值距离（例如余弦相似度），应用程序可以量化评估生成这两个嵌入向量的原始对象之间的相似程度。嵌入模型将文本转成向量之后，要保存到向量数据库中才方便使用，下面将使用Redis作为向量数据库做一个简单的demo。至此，在Spring AI框架中使用嵌入模型和向量数据库简单的demo就完成了，探索更多用法和配置请参考官网。
springboot接入springai-openAi代理和智谱ai调用示例
盖丽男
06-14 2164
背景配置具体代码总结现在想使用大模型真的门槛超低了，不管是直接使用还是api调用，怎么用这个问题解决起来还是很快的，不过我的问题大部分还是不知道用它做什么，我自己的能力不足以支撑我很好的使用它。
8. Spring Ai之入门到精通（超级详细）
热门推荐
gorgor在码农
07-31 2万+
Spring AI 1.0.0 M1里程碑版本发布，标志着 Java 终于踏进Ai的时代半只脚。
Spring AI 的初步实践与探索
qq_43711451的博客
03-26 1110
随着人工智能技术的快速发展，Spring AI 提供了一个强大的框架，让开发者能够轻松集成 AI 模型到 Spring Boot 应用中。本文将深入探讨如何通过 Spring AI 集成 DeepSeek 和 ZhiPu AI 模型，实现基础对话、流式输出、带记忆的会话以及 Function Call 的基础功能。无论你是初学者还是有经验的开发者，这篇博客都将为你提供清晰的实现路径和实用代码示例。
SpringBoot封装AI模块，快速实现智能化
lingqu＋wx bjmsb06
01-02 1020
国内支持SDK调用的优秀开源AI平台智谱AI（ZhipuAI）： 智谱AI是一家专注于大模型技术的公司，由清华大学计算机系知识工程实验室技术成果转化而来。智谱AI提供了包括对话模型、视觉模型、代码生成模型等多种AI模型，并提供了开放平台供开发者使用和集成。智谱AI的SDK可以用于快速集成其AI能力，如对话、图像识别等功能。百度飞桨（PaddlePaddle）： 百度飞桨是中国首个开源深度学习平台，提供丰富的API和SDK，支持多种深度学习模型的开发和部署。腾讯AI Lab： 腾讯AI Lab提供了多种AI技
SpringAI从入门到熟练
weixin_60523038的博客
12-30 2571
SpringAI使用,通义大模型调用，智普大模型调用
Spring AI + 智谱 + 千帆 国内大模型平台对接
王先生的博客
11-08 2206
Spring AI是基于Spring Boot开发的开源机器学习框架，它可以帮助开发者快速搭建机器学习应用。Spring AI提供了丰富的机器学习算法，包括分类、回归、聚类、降维、推荐系统等，并提供了统一的API接口，开发者可以基于Spring AI轻松实现机器学习应用。
Spring AI（1）—— 聊天模型基本使用
weixin_43886636的博客
05-07 996
Spring AI 是一个用于 AI 工程的应用程序框架。其目标是将 Spring 生态系统设计原则应用于 AI 领域。下面，我们通过具体的案例来学习下Spring AI的使用。
org.springframework.ai.retry.NonTransientAiException: HTTP 400 - {"requestId":"e7086b88-920b-97cf-b5a0-5b325342240f","code":"InvalidParameter","message":"No static resource api-openai/v1/embeddings/api/v1/services/embeddings/text-embedding/text-embedding."} at org.springframework.ai.retry.autoconfigure.SpringAiRetryAutoConfiguration$2.handleError(SpringAiRetryAutoConfiguration.java:109) ~[spring-ai-autoconfigure-retry-1.0.0.jar:1.0.0] at org.springframework.web.client.ResponseErrorHandler.handleError(ResponseErrorHandler.java:63) ~[spring-web-6.1.6.jar:6.1.6] at org.springframework.web.client.StatusHandler.lambda$fromErrorHandler$1(StatusHandler.java:71) ~[spring-web-6.1.6.jar:6.1.6] at org.springframework.web.client.StatusHandler.handle(StatusHandler.java:146) ~[spring-web-6.1.6.jar:6.1.6] at org.springframework.web.client.DefaultRestClient$DefaultResponseSpec.applyStatusHandlers(DefaultRestClient.java:680) ~[spring-web-6.1.6.jar:6.1.6] at org.springframework.web.client.DefaultRestClient.readWithMessageConverters(DefaultRestClient.java:200) ~[spring-web-6.1.6.jar:6.1.6] at org.springframework.web.client.DefaultRestClient$DefaultResponseSpec.readBody(DefaultRestClient.java:667) ~[spring-web-6.1.6.jar:6.1.6] at org.springframework.web.client.DefaultRestClient$DefaultResponseSpec.toEntityInternal(DefaultRestClient.java:637) ~[spring-web-6.1.6.jar:6.1.6] at org.springframework.web.client.DefaultRestClient$DefaultResponseSpec.toEntity(DefaultRestClient.java:626) ~[spring-web-6.1.6.jar:6.1.6] at com.alibaba.cloud.ai.dashscope.api.DashScopeApi.embeddings(DashScopeApi.java:344) ~[spring-ai-alibaba-core-1.0.0.2.jar:1.0.0.2] at com.alibaba.cloud.ai.dashscope.embedding.DashScopeEmbeddingModel.lambda$call$1(DashScopeEmbeddingModel.java:143) ~[spring-ai-alibaba-core-1.0.0.2.jar:1.0.0.2] at org.springframework.retry.support.RetryTemplate.doExecute(RetryTemplate.java:335) ~[spring-retry-2.0.5.jar:na] at org.springframework.retry.support.RetryTemplate.execute(RetryTemplate.java:211) ~[spring-retry-2.0.5.jar:na] at com.alibaba.cloud.ai.dashscope.embedding.DashScopeEmbeddingModel.lambda$call$3(DashScopeEmbeddingModel.java:141) ~[spring-ai-alibaba-core-1.0.0.2.jar:1.0.0.2] at io.micrometer.observation.Observation.observe(Observation.java:565) ~[micrometer-observation-1.12.5.jar:1.12.5] at com.alibaba.cloud.ai.dashscope.embedding.DashScopeEmbeddingModel.call(DashScopeEmbeddingModel.java:140) ~[spring-ai-alibaba-core-1.0.0.2.jar:1.0.0.2] at org.springframework.ai.embedding.EmbeddingModel.embed(EmbeddingModel.java:67) ~[spring-ai-model-1.0.0.jar:1.0.0] at org.springframework.ai.embedding.EmbeddingModel.embed(EmbeddingModel.java:49) ~[spring-ai-model-1.0.0.jar:1.0.0] at org.springframework.ai.embedding.AbstractEmbeddingModel.dimensions(AbstractEmbeddingModel.java:70) ~[spring-ai-model-1.0.0.jar:1.0.0] at org.springframework.ai.embedding.AbstractEmbeddingModel.dimensions(AbstractEmbeddingModel.java:95) ~[spring-ai-model-1.0.0.jar:1.0.0] at org.springframework.ai.vectorstore.redis.RedisVectorStore.createObservationContextBuilder(RedisVectorStore.java:461) ~[spring-ai-redis-store-1.0.0.jar:1.0.0] at org.springframework.ai.vectorstore.observation.AbstractObservationVectorStore.add(AbstractObservationVectorStore.java:79) ~[spring-ai-vector-store-1.0.0.jar:1.0.0] at com.serviceai.config.CommonConfiguration.lambda$vectorStoreInitializer$0(CommonConfiguration.java:72) ~[classes/:na] at org.springframework.boot.SpringApplication.lambda$callRunner$4(SpringApplication.java:786) ~[spring-boot-3.2.5.jar:3.2.5] at org.springframework.util.function.ThrowingConsumer$1.acceptWithException(ThrowingConsumer.java:83) ~[spring-core-6.1.6.jar:6.1.6] at org.springframework.util.function.ThrowingConsumer.accept(ThrowingConsumer.java:60) ~[spring-core-6.1.6.jar:6.1.6] at org.springframework.util.function.ThrowingConsumer$1.accept(ThrowingConsumer.java:88) ~[spring-core-6.1.6.jar:6.1.6] at org.springframework.boot.SpringApplication.callRunner(SpringApplication.java:798) ~[spring-boot-3.2.5.jar:3.2.5] at org.springframework.boot.SpringApplication.callRunner(SpringApplication.java:786) ~[spring-boot-3.2.5.jar:3.2.5] at org.springframework.boot.SpringApplication.lambda$callRunners$3(SpringApplication.java:774) ~[spring-boot-3.2.5.jar:3.2.5] at java.base/java.util.stream.ForEachOps$ForEachOp$OfRef.accept(ForEachOps.java:183) ~[na:na] at java.base/java.util.stream.SortedOps$SizedRefSortingSink.end(SortedOps.java:357) ~[na:na] at java.base/java.util.stream.AbstractPipeline.copyInto(AbstractPipeline.java:510) ~[na:na] at java.base/java.util.stream.AbstractPipeline.wrapAndCopyInto(AbstractPipeline.java:499) ~[na:na] at java.base/java.util.stream.ForEachOps$ForEachOp.evaluateSequential(ForEachOps.java:150) ~[na:na] at java.base/java.util.stream.ForEachOps$ForEachOp$OfRef.evaluateSequential(ForEachOps.java:173) ~[na:na] at java.base/java.util.stream.AbstractPipeline.evaluate(AbstractPipeline.java:234) ~[na:na] at java.base/java.util.stream.ReferencePipeline.forEach(ReferencePipeline.java:596) ~[na:na] at org.springframework.boot.SpringApplication.callRunners(SpringApplication.java:774) ~[spring-boot-3.2.5.jar:3.2.5] at org.springframework.boot.SpringApplication.run(SpringApplication.java:341) ~[spring-boot-3.2.5.jar:3.2.5] at org.springframework.boot.SpringApplication.run(SpringApplication.java:1354) ~[spring-boot-3.2.5.jar:3.2.5] at org.springframework.boot.SpringApplication.run(SpringApplication.java:1343) ~[spring-boot-3.2.5.jar:3.2.5] at com.serviceai.ServiceAiApplication.main(ServiceAiApplication.java:10) ~[classes/:na] 这个报错
最新发布
09-02
- `spring.ai.openai.embedding.options.model`: 设置嵌入模型，例如`text-embedding-ada-002`。 - `spring.ai.openai.embedding.options.api`: 设置API路径，但通常我们不需要设置这个，因为默认值是正确的。 ### ...
评论
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

打赏作者

程序员勇哥

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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