一、前言
通过“开源模型应用落地-工具使用篇-Spring AI-Function Call（八）-CSDN博客”文章的学习，已经掌握了如何通过Spring AI集成OpenAI以及如何进行function call的调用，现在将进一步学习Spring AI更高阶的用法，如：传递历史上下文对话，调整模型参数等。
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。
三、前置条件
3.1、JDK 17+
下载地址：Java Downloads | Oracle
3.2、创建Maven项目
SpringBoot版本为3.2.3
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>3.2.3</version>
<relativePath/> <!-- lookup parent from repository -->
</parent>3.3、导入Maven依赖包
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<optional>true</optional>
</dependency>
<dependency>
<groupId>ch.qos.logback</groupId>
<artifactId>logback-core</artifactId>
</dependency>
<dependency>
<groupId>ch.qos.logback</groupId>
<artifactId>logback-classic</artifactId>
</dependency>
<dependency>
<groupId>cn.hutool</groupId>
<artifactId>hutool-core</artifactId>
<version>5.8.24</version>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-openai-spring-boot-starter</artifactId>
<version>0.8.0</version>
</dependency>
3.4、 科学上网的软件
四、技术实现
4.1、新增配置
spring:
ai:
openai:
api-key: sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxPS:
- openai要替换自己的api-key
- 模型参数根据实际情况调整
4.2、历史上下文对话传递
# 方式一
使用 UserMessage 和 AssistantMessage 指定上下文
# 方式二
使用 ChatMessage 指定上下文
4.3、 调整模型参数
# 方式一
在配置文件中指定
# 方式二
在代码中指定
五、测试
在代码中指定的上下文：
| 对话次数 | 用户 | AI |
| 第一轮 | 你好 | 你好！很高兴能为你提供帮助。有什么问题可以问我吗？ |
| 第二轮 | 我家在广州，你呢？ | 我是一个人工智能助手，没有具体的居住地。不过我可以帮助你解答问题和提供信息。有什么我可以帮你的吗？ |
| 第三轮 | 我家有什么特产 |
浏览器返回的结果：
idea返回的结果：
结论：
AI能识别出我家在广州，并给出广州的特产
六、附带说明
6.1、更多的模型参数配置
OpenAI Chat :: Spring AI Reference
6.2、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.*;
import org.springframework.ai.chat.prompt.ChatOptions;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.SystemPromptTemplate;
import org.springframework.ai.openai.OpenAiChatClient;
import org.springframework.ai.openai.OpenAiChatOptions;
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;
@RequestMapping("/history")
public SseEmitter history(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 = "我家有什么特产？";
Message userMessage = new UserMessage(userPrompt);
Message systemMessage = systemPromptTemplate.createMessage(MapUtil.of("prompt", "you are a helpful AI assistant"));
UserMessage userChatMessage1 = new UserMessage("你好");
AssistantMessage assistantChatMessage1 = new AssistantMessage("你好！很高兴能为你提供帮助。有什么问题可以问我吗？");
UserMessage userChatMessage2 = new UserMessage("我家在广州，你呢？");
AssistantMessage assistantChatMessage2 = new AssistantMessage("我是一个人工智能助手，没有具体的居住地。不过我可以帮助你解答问题和提供信息。有什么我可以帮你的吗？");
// ChatMessage userChatMessage2 = new ChatMessage(MessageType.USER, "你好");
// ChatMessage assistantChatMessage2 = new ChatMessage(MessageType.ASSISTANT, "你好！很高兴能为你提供帮助。有什么问题可以问我吗？");
//
// ChatMessage userChatMessage2 = new ChatMessage(MessageType.USER, "我家在广州，你呢？");
// ChatMessage assistantChatMessage2 = new ChatMessage(MessageType.ASSISTANT, "我是一个人工智能助手，没有具体的居住地。不过我可以帮助你解答问题和提供信息。有什么我可以帮你的吗？");
OpenAiChatOptions openAiChatOptions = OpenAiChatOptions.builder()
.withModel("gpt-3.5-turbo")
.withTemperature(0.7f)
.withMaxTokens(4096)
.withN(1)
.withTopP(0.9f)
.build();
Prompt prompt = new Prompt(List.of(userChatMessage1, assistantChatMessage1, userChatMessage2, assistantChatMessage2, userMessage, systemMessage), openAiChatOptions);
log.info(prompt.toString());
openAiChatClient.stream(prompt).subscribe(x -> {
try {
log.info("response: {}", x);
List<Generation> 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;
}
}
