开发｜界面｜引擎｜交付｜副驾——重写全栈法则：AI原生的倍速造应用流
你好，这里是nine[谈架构]系列。
欢迎关注评论私信交流~
SpringAI 在 AI 编程领域延续了Spring的诸多优势，从易于集成、到通用API设计进行模型切换等。
SpringAI为什么好用
1. 易于集成
- Spring 生态系统：基于 Spring Boot 构建，继承了其强大的依赖注入、自动配置和应用启动特性。
- 无缝集成：可以轻松地与其他 Spring 项目（如 Spring Data, Spring Cloud）结合使用，形成完整的解决方案。
2. 丰富的模型支持
- 多平台支持：支持多种主流 AI 平台（如 OpenAI, Hugging Face, IBM Watson 等），满足不同用户的需求。
- 灵活扩展：用户可以根据需要添加新的 AI 模型或服务，只需遵循现有的模块化设计模式。
3. 高效的开发体验
- 自动配置：通过 Spring Boot 的自动配置机制，减少了繁琐的手动配置工作。
- 文档齐全：提供了详尽的文档和示例代码，帮助开发者快速上手。
4. 性能优化
- 批处理支持：部分模型支持批量处理请求，提高了处理效率。
- 重试机制：引入了
spring-ai-retry模块，增强了系统的容错能力，确保在不稳定网络环境下也能稳定运行。
5. 社区支持
- 活跃社区：作为 Spring 官方项目的一部分，拥有庞大的开发者社区和丰富的资源支持。
- 持续更新：定期发布新版本，修复 bug 并引入新特性，保持项目的活力和竞争力。
从SpringAI源码看设计
1. 模块化设计
核心模块 (
spring-ai-core)：- 提供了 AI 编程的核心领域模型和接口。
- 包含了如
Document,EmbeddingModel,ChatClient等基础类。 - 定义了通用的工具类和辅助函数。
模型支持模块：
- 每个 AI 模型（如 Ollama, WatsonX, Bedrock, QianFan 等）都有独立的模块。
- 这些模块依赖于
spring-ai-core，并实现了特定 AI 服务的客户端和配置。 - 例如，
spring-ai-ollama模块提供了对 Ollama 模型的支持，并集成了 Jackson 库用于 JSON 处理。
向量存储模块：
- 支持多种向量数据库（如 Elasticsearch, Cassandra, MongoDB, Pinecone 等）。
- 提供了统一的 API 来与这些数据库进行交互，方便用户选择合适的存储方案。
文档读取器模块：
- 包含了 PDF、Markdown 和 Tika 文档读取器，用于处理不同格式的文本文件。
- 提供了灵活的配置选项，以适应不同的应用场景。
自动配置模块 (
spring-ai-spring-boot-autoconfigure)：- 利用 Spring Boot 的自动配置机制，简化了应用程序的初始化过程。
- 提供了针对不同 AI 模型和服务的自动配置类，减少了用户的配置负担。
2. 依赖管理
- 使用 Maven 进行依赖管理，确保所有子模块共享相同的版本控制。
- 通过 BOM（Bill of Materials）文件统一管理依赖版本，避免版本冲突。
- 引入了诸如 Jackson、Micrometer、JUnit 等常用库，增强了项目的可扩展性和测试能力。
3. 配置灵活性
- 提供了丰富的配置属性，允许用户自定义 AI 模型的行为。
- 例如，
BedrockTitanEmbeddingProperties类允许用户配置 Titan Embedding 模型的启用状态、模型名称和输入类型。
4. 集成测试
- 各个模块都包含了详细的单元测试和集成测试，确保功能的正确性。
- 使用了 Testcontainers 和 Docker Compose 来模拟外部服务（如 Redis、Elasticsearch 等），提高了测试环境的真实性和可靠性。
案例
其他类似的框架还有：
- hncboy/ai-beehiveAI 蜂巢，基于 Java 使用 Spring Boot 3 和 JDK 17，支持的功能有 ChatGPT、OpenAi Image、Midjourney、NewBing、文心一言等等。
- alibaba/spring-ai-alibaba整合阿里生态基于SpringAI开发的框架。
更多使用demo可以查看 ThomasVitale/llm-apps-java-spring-ai
。该项目提供了文本、语音、向量库等相关模型的集成示例。
