索取营销诊断书
021-80394720QQ
    您的位置：上海毫米网络优化公司 > 网站优化分享 >
    相关推荐recommended
    开源模型应用落地-工具使用篇-Spring AI（七）
    作者：mmseoamin日期：2024-03-20

    一、前言

        在AI大模型百花齐放的时代，很多人都对新兴技术充满了热情，都想尝试一下。但是，实际上要入门AI技术的门槛非常高。除了需要高端设备，还需要面临复杂的部署和安装过程，这让很多人望而却步。不过，随着开源技术的不断进步，使得入门AI变得越来越容易。通过使用Ollama，您可以快速体验大语言模型的乐趣，不再需要担心繁琐的设置和安装过程。另外，通过集成Spring AI，让更多Java爱好者能便捷的将AI能力集成到项目中，接下来，跟随我的脚步，一起来体验一把。

    二、术语

    2.1、Spring AI

        是 Spring 生态系统的一个新项目，它简化了 Java 中 AI 应用程序的创建。它提供以下功能：

    • 支持所有主要模型提供商，例如 OpenAI、Microsoft、Amazon、Google 和 Huggingface。
    • 支持的模型类型包括“聊天”和“文本到图像”，还有更多模型类型正在开发中。
    • 跨 AI 提供商的可移植 API，用于聊天和嵌入模型。
    • 支持同步和流 API 选项。
    • 支持下拉访问模型特定功能。
    • AI 模型输出到 POJO 的映射。

      2.2、Ollama

      ​​​​​​​    是一个强大的框架，用于在 Docker 容器中部署 LLM（大型语言模型）。它的主要功能是在 Docker 容器内部署和管理 LLM 的促进者，使该过程变得简单。它可以帮助用户快速在本地运行大模型，通过简单的安装指令，用户可以执行一条命令就在本地运行开源大型语言模型。

          Ollama 支持 GPU/CPU 混合模式运行，允许用户根据自己的硬件条件（如 GPU、显存、CPU 和内存）选择不同量化版本的大模型。它提供了一种方式，使得即使在没有高性能 GPU 的设备上，也能够运行大型模型。

       

      三、前置条件

      3.1、JDK 17+

          下载地址：https://www.oracle.com/java/technologies/downloads/#jdk17-windows

          开源模型应用落地-工具使用篇-Spring AI（七）,第1张

          类文件具有错误的版本 61.0, 应为 52.0

      3.2、创建Maven项目

          SpringBoot版本为3.2.3

      
    org.springframework.boot
    spring-boot-starter-parent
    3.2.3

      3.3、导入Maven依赖包

      
	org.projectlombok
	lombok
	true


	ch.qos.logback
	logback-core


	ch.qos.logback
	logback-classic


	cn.hutool
	hutool-core
	5.8.24


	org.springframework.ai
	spring-ai-openai-spring-boot-starter
	0.8.0


	org.springframework.ai
	spring-ai-ollama-spring-boot-starter
	0.8.0

      3.4、 科学上网的软件

      3.5、 安装Ollama及部署Qwen模型

          参见：开源模型应用落地-工具使用篇-Ollama（六）-CSDN博客

      四、技术实现

      4.1、调用Open AI

      4.1.1、非流式调用

      @RequestMapping("/chat")
public String chat(){
	String systemPrompt = "{prompt}";
	SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemPrompt);
	String userPrompt = "广州有什么特产？";
	Message userMessage = new UserMessage(userPrompt);
	Message systemMessage = systemPromptTemplate.createMessage(MapUtil.of("prompt", "you are a helpful AI assistant"));
	Prompt prompt = new Prompt(List.of(userMessage, systemMessage));
	List response = openAiChatClient.call(prompt).getResults();
	String result = "";
	for (Generation generation : response){
		String content = generation.getOutput().getContent();
		result += content;
	}
	return result;
}

          调用结果：

          开源模型应用落地-工具使用篇-Spring AI（七）,第2张

      4.1.2、流式调用

      @RequestMapping("/stream")
public SseEmitter stream(HttpServletResponse response){
	response.setContentType("text/event-stream");
	response.setCharacterEncoding("UTF-8");
	SseEmitter emitter = new SseEmitter();
	String systemPrompt = "{prompt}";
	SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemPrompt);
	String userPrompt = "广州有什么特产？";
	Message userMessage = new UserMessage(userPrompt);
	Message systemMessage = systemPromptTemplate.createMessage(MapUtil.of("prompt", "you are a helpful AI assistant"));
	Prompt prompt = new Prompt(List.of(userMessage, systemMessage));
	openAiChatClient.stream(prompt).subscribe(x -> {
		try {
			log.info("response: {}",x);
			List generations = x.getResults();
			if(CollUtil.isNotEmpty(generations)){
				for(Generation generation:generations){
				   AssistantMessage assistantMessage =  generation.getOutput();
					String content = assistantMessage.getContent();
					if(StringUtils.isNotEmpty(content)){
						emitter.send(content);
					}else{
						if(StringUtils.equals(content,"null"))
						emitter.complete(); // Complete the SSE connection
					}
				}
			}
		} catch (Exception e) {
			emitter.complete();
			log.error("流式返回结果异常",e);
		}
	});
	return emitter;
}

      流式输出返回的数据结构：

      开源模型应用落地-工具使用篇-Spring AI（七）,第3张

          调用结果：

      开源模型应用落地-工具使用篇-Spring AI（七）,第4张

       开源模型应用落地-工具使用篇-Spring AI（七）,第5张

      4.2、调用Ollama API

      Spring封装的很好，基本和调用OpenAI的代码一致

      4.2.1、非流式调用

      @RequestMapping("/chat")
public String chat(){
	String systemPrompt = "{prompt}";
	SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemPrompt);
	String userPrompt = "广州有什么特产？";
	Message userMessage = new UserMessage(userPrompt);
	Message systemMessage = systemPromptTemplate.createMessage(MapUtil.of("prompt", "you are a helpful AI assistant"));
	Prompt prompt = new Prompt(List.of(userMessage, systemMessage));
	List response = ollamaChatClient.call(prompt).getResults();
	String result = "";
	for (Generation generation : response){
		String content = generation.getOutput().getContent();
		result += content;
	}
	return result;
}

      调用结果：

      Ollam的server.log输出

      开源模型应用落地-工具使用篇-Spring AI（七）,第6张

      开源模型应用落地-工具使用篇-Spring AI（七）,第7张

      4.2.2、流式调用

      @RequestMapping("/stream")
public SseEmitter stream(HttpServletResponse response){
	response.setContentType("text/event-stream");
	response.setCharacterEncoding("UTF-8");
	SseEmitter emitter = new SseEmitter();
	String systemPrompt = "{prompt}";
	SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemPrompt);
	String userPrompt = "广州有什么特产？";
	Message userMessage = new UserMessage(userPrompt);
	Message systemMessage = systemPromptTemplate.createMessage(MapUtil.of("prompt", "you are a helpful AI assistant"));
	Prompt prompt = new Prompt(List.of(userMessage, systemMessage));
	ollamaChatClient.stream(prompt).subscribe(x -> {
		try {
			log.info("response: {}",x);
			List generations = x.getResults();
			if(CollUtil.isNotEmpty(generations)){
				for(Generation generation:generations){
					AssistantMessage assistantMessage =  generation.getOutput();
					String content = assistantMessage.getContent();
					if(StringUtils.isNotEmpty(content)){
						emitter.send(content);
					}else{
						if(StringUtils.equals(content,"null"))
							emitter.complete(); // Complete the SSE connection
					}
				}
			}
		} catch (Exception e) {
			emitter.complete();
			log.error("流式返回结果异常",e);
		}
	});
	return emitter;
}

      调用结果：

      开源模型应用落地-工具使用篇-Spring AI（七）,第8张

      开源模型应用落地-工具使用篇-Spring AI（七）,第9张

      五、附带说明

      5.1、OpenAiChatClient默认使用gpt-3.5-turbo模型

      开源模型应用落地-工具使用篇-Spring AI（七）,第10张

      5.2、流式输出如何关闭连接

          不能判断是否为''（即空字符串），以下代码将提前关闭连接

      开源模型应用落地-工具使用篇-Spring AI（七）,第11张

          流式输出会返回''的情况

      开源模型应用落地-工具使用篇-Spring AI（七）,第12张

            应该在返回内容为字符串null的时候关闭开源模型应用落地-工具使用篇-Spring AI（七）,第13张

      开源模型应用落地-工具使用篇-Spring AI（七）,第14张

      5.3、配置文件中指定的Ollama的模型参数，要和运行的模型一致

      开源模型应用落地-工具使用篇-Spring AI（七）,第15张

      开源模型应用落地-工具使用篇-Spring AI（七）,第16张

      5.4、OpenAI调用完整代码

      import cn.hutool.core.collection.CollUtil;
import cn.hutool.core.map.MapUtil;
import jakarta.servlet.http.HttpServletResponse;
import lombok.extern.slf4j.Slf4j;
import org.apache.commons.lang3.StringUtils;
import org.springframework.ai.chat.Generation;
import org.springframework.ai.chat.messages.AssistantMessage;
import org.springframework.ai.chat.messages.Message;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.SystemPromptTemplate;
import org.springframework.ai.openai.OpenAiChatClient;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import org.springframework.web.servlet.mvc.method.annotation.SseEmitter;
import java.util.List;
@Slf4j
@RestController
@RequestMapping("/api")
public class OpenaiTestController {
    @Autowired
    private OpenAiChatClient openAiChatClient;
//    http://localhost:7777/api/chat
    @RequestMapping("/chat")
    public String chat(){
        String systemPrompt = "{prompt}";
        SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemPrompt);
        String userPrompt = "广州有什么特产？";
        Message userMessage = new UserMessage(userPrompt);
        Message systemMessage = systemPromptTemplate.createMessage(MapUtil.of("prompt", "you are a helpful AI assistant"));
        Prompt prompt = new Prompt(List.of(userMessage, systemMessage));
        List response = openAiChatClient.call(prompt).getResults();
        String result = "";
        for (Generation generation : response){
            String content = generation.getOutput().getContent();
            result += content;
        }
        return result;
    }
    @RequestMapping("/stream")
    public SseEmitter stream(HttpServletResponse response){
        response.setContentType("text/event-stream");
        response.setCharacterEncoding("UTF-8");
        SseEmitter emitter = new SseEmitter();
        String systemPrompt = "{prompt}";
        SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemPrompt);
        String userPrompt = "广州有什么特产？";
        Message userMessage = new UserMessage(userPrompt);
        Message systemMessage = systemPromptTemplate.createMessage(MapUtil.of("prompt", "you are a helpful AI assistant"));
        Prompt prompt = new Prompt(List.of(userMessage, systemMessage));
        openAiChatClient.stream(prompt).subscribe(x -> {
            try {
                log.info("response: {}",x);
                List generations = x.getResults();
                if(CollUtil.isNotEmpty(generations)){
                    for(Generation generation:generations){
                       AssistantMessage assistantMessage =  generation.getOutput();
                        String content = assistantMessage.getContent();
                        if(StringUtils.isNotEmpty(content)){
                            emitter.send(content);
                        }else{
                            if(StringUtils.equals(content,"null"))
                            emitter.complete(); // Complete the SSE connection
                        }
                    }
                }
            } catch (Exception e) {
                emitter.complete();
                log.error("流式返回结果异常",e);
            }
        });
        return emitter;
    }
}

      5.5、Ollama调用完整代码

      import cn.hutool.core.collection.CollUtil;
import cn.hutool.core.map.MapUtil;
import jakarta.servlet.http.HttpServletResponse;
import lombok.extern.slf4j.Slf4j;
import org.apache.commons.lang3.StringUtils;
import org.springframework.ai.chat.Generation;
import org.springframework.ai.chat.messages.AssistantMessage;
import org.springframework.ai.chat.messages.Message;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.SystemPromptTemplate;
import org.springframework.ai.ollama.OllamaChatClient;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import org.springframework.web.servlet.mvc.method.annotation.SseEmitter;
import java.util.List;
@Slf4j
@RestController
@RequestMapping("/api")
public class OllamaTestController {
    @Autowired
    private OllamaChatClient ollamaChatClient;
    @RequestMapping("/chat")
    public String chat(){
        String systemPrompt = "{prompt}";
        SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemPrompt);
        String userPrompt = "广州有什么特产？";
        Message userMessage = new UserMessage(userPrompt);
        Message systemMessage = systemPromptTemplate.createMessage(MapUtil.of("prompt", "you are a helpful AI assistant"));
        Prompt prompt = new Prompt(List.of(userMessage, systemMessage));
        List response = ollamaChatClient.call(prompt).getResults();
        String result = "";
        for (Generation generation : response){
            String content = generation.getOutput().getContent();
            result += content;
        }
        return result;
    }
    @RequestMapping("/stream")
    public SseEmitter stream(HttpServletResponse response){
        response.setContentType("text/event-stream");
        response.setCharacterEncoding("UTF-8");
        SseEmitter emitter = new SseEmitter();
        String systemPrompt = "{prompt}";
        SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemPrompt);
        String userPrompt = "广州有什么特产？";
        Message userMessage = new UserMessage(userPrompt);
        Message systemMessage = systemPromptTemplate.createMessage(MapUtil.of("prompt", "you are a helpful AI assistant"));
        Prompt prompt = new Prompt(List.of(userMessage, systemMessage));
        ollamaChatClient.stream(prompt).subscribe(x -> {
            try {
                log.info("response: {}",x);
                List generations = x.getResults();
                if(CollUtil.isNotEmpty(generations)){
                    for(Generation generation:generations){
                        AssistantMessage assistantMessage =  generation.getOutput();
                        String content = assistantMessage.getContent();
                        if(StringUtils.isNotEmpty(content)){
                            emitter.send(content);
                        }else{
                            if(StringUtils.equals(content,"null"))
                                emitter.complete(); // Complete the SSE connection
                        }
                    }
                }
            } catch (Exception e) {
                emitter.complete();
                log.error("流式返回结果异常",e);
            }
        });
        return emitter;
    }
}

      5.6、核心配置

      spring:
  ai:
    openai:
      api-key: sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
    ollama:
      base-url: http://localhost:11434
      chat:
        model: qwen:1.8b-chat

      5.7、启动类

      import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
@SpringBootApplication
public class AiApplication {
    public static void main(String[] args) {
        System.setProperty("http.proxyHost","127.0.0.1");
        System.setProperty("http.proxyPort","7078"); // 修改为你代理软件的端口
        System.setProperty("https.proxyHost","127.0.0.1");
        System.setProperty("https.proxyPort","7078"); // 同理
        SpringApplication.run(AiApplication.class, args);
    }
}
       

    上一篇：【MySQL 系列】MySQL 起步篇

    下一篇：实现：mysql-5.7.42 到 mysql-8.2.0 的升级（rpm方式）

    网站优化运营
    整站seo优化
    网络营销运营
    成功案例
    品牌创意网站
    营销型网站
    小程序
    微信小程序
    微信公众号
    百度熊掌号
    网站优化分享
    关于我们
    公司概况
    公司新闻
    公司文化
    结构体系
    企业资质
    加入我们
    关注我们
    扫描二维码
    获取更多信息
    精彩一手掌握
    Copyright © 2014-2019 seo,上海网站优化_网络制作_网站seo排名_网站建设推广_上海网络公司 版权所有 沪ICP备19022315号