将LLM集成到基于 Spring Boot的 Java 应用程序中-创建项目

摘要：大语言模型（LLM）通过实现自然语言处理（NLP）功能彻底改变了软件应用，例如聊天机器人、文本生成和智能自动化。

大语言模型（LLM）通过实现自然语言处理（NLP）功能彻底改变了软件应用，例如聊天机器人、文本生成和智能自动化。

然而，将大语言模型集成到企业级 Java 应用程序中一直很复杂。 Spring AI 是一个强大的框架，它简化了将 AI 功能集成到基于 Spring 的 Java 应用程序中的过程。

Spring AI 提供了无缝支持，支持多种大语言模型提供商（LLM providers）、嵌入（embeddings）、向量数据库（vector databases）和结构化 AI（Structured AI outputs）输出，这使得在 Java 项目中利用 AI 的力量变得前所未有的简单。

本文的目的是探索聊天模型 API 的能力。

要开始使用 Spring AI，您需要将必要的依赖项添加到您的 Maven 项目中。将以下依赖项添加到您的 pom.xml 中以启用 DeepSeek 或 OpenAI 集成，或者使用 Spring Initializr，如图所示：

或者直接使用IDE 开发工具创建一个新的子模块（module），如图所示：

1717

UTF-8

1.0.0 org.springframework.boot spring-boot-starter-parent 3.4.5 spring-boot-starter-web org.springframework.ai spring-ai-starter-model-openai spring-ai-bom ${spring-ai.version} pom import spring-boot-maven-plugin

这是一个基于 Spring Boot 3.4.5 和 Spring AI 1.0.0 的 Maven 项目配置文件，用于构建 Spring AI 教程项目。

Spring AI 提供了一整套 AI 功能，包括：

聊天补全：为聊天机器人和虚拟助手生成基于文本的响应。嵌入（Embeddings）：为文本数据生成向量表示。文本到图像：将文本提示转换为 AI 生成的图像。音频转录：使用 AI 模型将语音转换为文本。文本到语音：将文本转换为自然发音的音频。支持多种大语言模型提供商：支持 DeepSeek、OpenAI、Anthropic、Microsoft、Amazon、Google 和 Ollama。向量数据库支持：支持与向量数据库集成，用于高效的检索增强生成（RAG）。结构化输出（Structured outputs）：将 AI 生成的响应转换为定义良好的 Java 对象。工具/函数调用：使大语言模型能够与外部函数和服务交互，扩展其功能，超越简单的文本生成。可观测性：Spring AI 基于 Spring 生态系统中的可观测性功能，提供对 AI 相关操作的洞察。