SpringAI应用开发

一、人工智能简述

四次工业革命推动了人类社会发展和变革：

  • 蒸汽时代，发生在18世纪60年代~19世纪中期（大约是1760年到1860年），这一时期的特点是机械化生产和大规模生产。
  • 电气时代，发生在19世纪下半叶~20世纪初（大约1851年到1910年），电力、化学、石油等工业得以大发展；（科学技术是第一生产力）
  • 信息时代，发生在20世纪后半期（大约1945年到2000年），这一时期的特点是信息技术和数字技术的广泛应用，推动了社会生产力的又一次飞跃。
  • 工业4.0时代（智能化时代），发生在21世纪初到至今，这个时代以互联网产业化，工业智能化，工业一体化为代表，以人工智能，清洁能源，无人控制技术，量子信息技术，虚拟现实以及生物技术为主的全新技术革命；这一阶段主要依赖于互联网、物联网、大数据、人工智能等新兴技术的深度融合和创新应用，旨在实现更高效、更智能、更可持续的生产和生活方式。

什么是人工智能：

A system is ability to correctly interpret external data,to learn from such data,and to use
those learnings to achieve specific goals and tasks through flexible adaptation.

人工智能 (Artificial Intelligence，缩写为AI) 是一门交叉学科，旨研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统，它结合了数学、计算机科学、心理学、语言学、哲学等多个学科的理论，通过让计算机模拟人类的思考和行为过程，实现人机交互，提高计算机的智能水平，以更好地服务于人类社会；


人工智能发展历程：

起步发展期：

  • 1943年，提出神经元的数据模型，是现代人工智能学科的奠基石之一。
  • 1950年，Alan Mathison Turing 提出 ：图灵测试
  • 1956年，正式使用人工智能（AI）这一术语。

反思发展期：（1970年~1979年）

  • 由于计算力及理论等的匮乏使得不切实际目标的落空，人工智能的发展走入低谷；

应用发展期：（1980年~1989年）

  • 人工智能走入应用发展的新阶段，专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能
    从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破，而机器学习（特别是神经网络）
    探索不同的学习策略和各种学习方法，在大量的实际应用中也开始慢慢复苏；

平稳发展期：（1990年~2010年）

  • 由于互联网技术的迅速发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化，人工智能相
    关的各个领域都取得长足进步。

蓬勃发展期：（2011年~至今）

  • 随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表
    的人工智能技术飞速发展，大幅跨越了科学与应用之间的技术鸿沟，诸如图像分类、语音识别、知识问答、人机对弈、无人驾
    驶等人工智能技术实现了重大的技术突破，迎来爆发式增长的新高潮；
  • 2015年，马斯克等人共同建OpenAl;
  • 2016年，AlphaGo与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜；
  • 2022年11月30日，OpenAI研发的一款聊天机器人程序ChatGPT对外发布，引发AI的大爆发；
  • 2023年3月15日，OpenAl发布ChatGPT4.0,引爆了Al;
  • 2023年3月16日，百度发布文心一言;
  • 国内还有：科大讯飞认知智能大模型、阿里巴巴通义千问、华为盘古大模型、360智脑、京东言犀大模型等等;

什么是大模型：

大模型，是指具有大规模参数和复杂计算结构的机器学习模型。这些模型通常由深度神经网络构建而成，拥有数十亿甚至数干亿个参数。其设计目的在于提高模型的表达能力和预测性能，以应对更加复杂的任务和数据；

大模型，简单来说，就是一个特别聪明、特别能干的“大脑”，这个“大脑”由很多个小小的“神经元”组成，每个“神经元”都能处理一部分信息，当这些“神经元”一起工作时，大模型就能理解并回答各种问题，或者完成各种复杂的任务。就像你有一个超级聪明的助手，它能帮你写邮件、写PPT、回答你的各种问题等等，它就像是一个上知天文，下知地理，无所不知的人；


如何训练一个大模型：

要训练一个大模型不容易，需要给它提供很多学习材料，就像我们小时候读书学习一样。而且为了让这个“大脑”更聪明，还需要很多高级的计算机设备来帮助它学习。

训练大模型：

  • 高性能的CPU和GPU，多核心和高主频的CPU以及支持CUDA的GPU加速训练过程；
  • 大容量存储设备，训练大模型需要存储大量的数据集、模型参数和中间结果；
  • 高速网络连接，通过网络连接将训练任务分配到多个计算节点上；
  • 深度学习框架，如TensorFlow、PyTorch等，这些框架提供了构建和训练模型的工具和库；
  • 分布式训练框架，为了加速大模型的训练，可以使用分布式训练框架，如Horovod、Ry等；
  • 编程语言和工具，Python是深度学习领域最常用的编程语言，还有（如Git)来管理代码和版本迭代；
  • 训练大模型非常耗电，高性能计算机和GPU进行长时间的工作，需要消耗大量的电力；

二、什么是SpringAI

Spring AI官网地址：https://spring.io/projects/spring-ai

image-20240515000430597

  • Spring Al是一个AI工程领域的应用程序框架；
  • 它的目标是将Spring生态系统的设计原则应用于人工智能领域，比如Spring生态系统的可移植性和模块化设计，并推广使用POO来构建人工智能领域应用程序；
  • Spring Al并不是要构建一个自己的AI大模型，而是让你快速对接各种AI大模型；

Spring AI主要特点：

Spring Al提供的API支持跨人工智能提供商的聊天，文本到图像，和嵌入模型等，同时支持同步和流API选项；

  • ChatModels聊天模型：OpenAI、Azure Open AI、Amazon Bedrock、Google Vertex AI Palm、Google Gemini、MistralAI。

  • Text-to-image Models文本到图像模型：如 OpenAI

  • Transcription (audio to text)Models 转录模型（音频到文本）：如 OpenAI

  • Embedding Models嵌入模型：有OpenAI、Azure OpenAI、Ollama、ONNX、PostgresML、Bedrock Cohere、Bedrock Titan、Google VertexAI、Mistal AI。

  • Vector Databases：矢量数据库（提高跨不同提供商的可移植性），有Azure Vector Search、Chroma、Milvus、Neo4j、PostgreSQL/PGVector、PineCone、Redis、Weaviate、Qdrant。

  • 用于AI模型和矢量存储的Spring Boot自动配置和启动器；

  • 函数调用，您可以声明java.util.Function的OpenAl模型的函数实现，用于其提示响应。如果在应
    用程序上下文中注册为@Bean,则可以直接将这些函数作为对象提供，或者引用它们的名称。这一功
    能最大限度地减少了不必要的代码，并使人工智能模型能够要求更多信息来完成其响应；
    支持的模型有：OpenAl、Azure OpenAl、VertexAl、Mistral Al。

  • 用于数据工程的ETL框架：

    • ETL框架的核心功能是使用Vector Store促进文档向模型提供者的传输。ETL框架基于Java函数式编程概念，可帮助您将多个步骤链接在一起；
    • 支持阅读各种格式的文档，包括PDF、JSON等；
    • 该框架允许数据操作以满足您的需求。这通常包括拆分文档以遵守上下文窗口限制，并使用关键字增强它们以提高文档检索效率；
    • 最后，处理后的文档存储在矢量数据库中，以便将来检索；

  • 提供了广泛的参考文档、示例应用程序和研讨会/课程材料；


开发SpringAI程序的前期准备：

1、注册账号（测试账号）：https://api.xty.app/register?aff=hlP5 ,不需要科学上网

2、登录账号，创建一个令牌，复制apikey

3、点击首页，里面有springai连接的地址


OpenAI官方版,需要登录账号获取: https://platform.openai.com/

三、开发SpringAI应用程序

1. 快速入门（AI聊天程序）

Spring AI 要求：JDK17、SpringBoot3.2以上版本…服了

1、创建springboot项目，serverURL：https://start.springboot.io/，JDK选择17

image-20240515011515318

2、添加依赖

image-20240515012455780

项目结构：

image-20240515013553428

完整的pom.xml：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <!--SpringBoot3.x父工程-->
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>3.2.5</version>
        <relativePath/> <!-- lookup parent from repository -->
    </parent>

    <!-- Generated by https://start.springboot.io -->
    <!-- 优质的 spring/boot/data/security/cloud 框架中文文档尽在 => https://springdoc.cn -->
    <groupId>cn.aopmin</groupId>
    <artifactId>spring-ai-01-chat</artifactId>
    <version>0.0.1-SNAPSHOT</version>
    <name>spring-ai-01-chat</name>
    <description>spring-ai-01-chat</description>

    <properties>
        <!--jdk的编译版本-->
        <java.version>17</java.version>
        <!--锁定spring-ai的版本-->
        <spring-ai.version>0.8.1</spring-ai.version>
    </properties>

    <dependencies>
        <dependency>
            <!--springbootweb开发起步依赖-->
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <!--spring ai 起步依赖-->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
        </dependency>
        <!--热部署插件-->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-devtools</artifactId>
            <scope>runtime</scope>
            <optional>true</optional>
        </dependency>
        <!--lombok-->
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
        </dependency>
        <!--单元测试-->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>
    </dependencies>

    <!--s相当于是继承一个父项目：spring-ai-bom父项-->
    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.ai</groupId>
                <artifactId>spring-ai-bom</artifactId>
                <version>${spring-ai.version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>

    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
                <configuration>
                    <excludes>
                        <exclude>
                            <groupId>org.projectlombok</groupId>
                            <artifactId>lombok</artifactId>
                        </exclude>
                    </excludes>
                </configuration>
            </plugin>
        </plugins>
    </build>

    <!--配置本项目的仓库，因为maven中央仓库没有spring-ai的jar包-->
    <repositories>
        <!--里程碑版本的仓库-->
        <repository>
            <id>spring-milestones</id>
            <name>Spring Milestones</name>
            <url>https://repo.spring.io/milestone</url>
            <snapshots>
                <enabled>false</enabled>
            </snapshots>
        </repository>
    </repositories>

</project>

3、添加yml配置

spring:
  application:
    name: spring-ai-01-chat
  ai:
    openai:
      api-key: sk-xxx #换成你的api-key
      base-url: https://api.xty.app
      chat:
        options:
          model: gpt-3.5-turbo # gpt模型

4、编写controller层代码

  • 注入springai提供好的OpenAiChatClient对象
  • 调用call()方法，往openai服务端发请求
package cn.aopmin.chat.controller;

import jakarta.annotation.Resource;
import lombok.extern.slf4j.Slf4j;
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.RequestParam;
import org.springframework.web.bind.annotation.RestController;

/**
 * Chat-控制器类
 *
 * @author 白豆五
 * @since 2024/5/15
 */
@Slf4j
@RestController
public class ChatController {

    @Autowired
    private OpenAiChatClient openAiChatClient;

    /**
     * 测试聊天
     *
     * @param msg 提问的问题
     * @return 聊天结果
     */
    @RequestMapping("/ai/chat")//如果不传参默认发讲个笑话吧
    public String chat(@RequestParam("msg", defaultValue = "给我讲个笑话吧") String msg) {
        // 调用OpenAI的Chat API
        String called = openAiChatClient.call(msg);
        log.info("call:{}", called);
        return called;
    }
}

5、启动项目并测试：http://localhost:8080/ai/chat?msg=xxx

image-20240515031817922

image-20240515032212162

image-20240515032324364

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/631624.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

齐护K210系列教程(二十七)_语音识别

齐护K210系列教程(二十七)_语音识别

语音识别 1.烧录固件和模型2.语音识别程序2.1训练并识别2.2使用本地文件语音识别 3.课程资源联系我们 1.烧录固件和模型 注&#xff1a;本应用只适用于有麦克风功能的型号&#xff1a;AIstart_pro、AIstart_掌机、AIstart_Mini, 其它型号不支持&#xff01; 机器码生成以及模…
阅读更多...
人工智能到底是什么玩意儿？

人工智能到底是什么玩意儿？

说实话&#xff0c;每次听到“人工智能”这个词&#xff0c;我都感觉像是在听天书一样。它似乎总是被包裹在一堆高大上的术语和概念里&#xff0c;让人摸不着头脑。但今天&#xff0c;我决定挑战一下自己&#xff0c;把这个问题搞个明白&#xff01; 首先&#xff0c;我得承认&…
阅读更多...
5 个免费使用 GPT-4o 的方法

5 个免费使用 GPT-4o 的方法

5 个免费使用 GPT-4o 的方法 虽然距离 OpenAI 发布 GPT-4o 已过去一天&#xff0c;我仍然对 GPT-4o 感到震撼。Demo 中语音助手功能实在是太令人惊叹了——它咯咯的笑声、准确的语气感叹和歌唱方式让 Siri 和 Google Assistant 显得相形见绌。 虽然备受期待的语音助手功能还要…
阅读更多...
论文阅读-《MHFormer: Multi-Hypothesis Transformer for 3D Human Pose Estimation》

论文阅读-《MHFormer: Multi-Hypothesis Transformer for 3D Human Pose Estimation》

目录 1 摘要 2 介绍 3 相关工作 3.1 3D HPE 3.2 ViT 3.3 多假设方法 4 MHFormer 4.1 概述 4.2 准备阶段 4.2.1 多头自注意力机制&#xff08;MSA&#xff09; 4.2.2 多层感知器&#xff08;MLP&#xff09; 4.3 MHG-多假设生成 4.3.1 概述 4.3.2 详细解释&#x…
阅读更多...
数学建模——建立数学模型（1）

数学建模——建立数学模型（1）

前言 这个也是对《数学模型》&#xff08;姜启源第四版&#xff09;书内容的摘抄 建立数学模型 数学模型这个词汇现在越来越多地出现在现代入的 生产、工作和社会活动中&#xff0e;广大的科学技 术人员和应用数学工作者来说&#xff0c;建立数学模型是沟通摆在面前的实际问…
阅读更多...
Redis第17讲——Redis zset结构实现滑动窗口限流

Redis第17讲——Redis zset结构实现滑动窗口限流

一、什么是滑动窗口限流 滑动窗口限流是一种流量控制策略&#xff0c;用于控制在一定时间内允许执行的操作数量或请求频率。它的工作方式类似于一个滑动时间窗口&#xff0c;对每个时间窗口的请求数量进行计数&#xff0c;并根据预先设置的限流策略来限制或调节流量&#xff0…
阅读更多...
「AIGC算法」近邻算法原理详解

「AIGC算法」近邻算法原理详解

本文主要介绍近邻算法原理及实践demo。 一、原理 K近邻算法&#xff08;K-Nearest Neighbors&#xff0c;简称KNN&#xff09;是一种基于距离的分类算法&#xff0c;其核心思想是距离越近的样本点&#xff0c;其类别越有可能相似。以下是KNN算法的原理详解&#xff1a; 1. 算…
阅读更多...
STM32手写寄存器的方式实现点亮LED灯

STM32手写寄存器的方式实现点亮LED灯

这次是从头开始学习STM32&#xff0c;看野火的视频开始学习&#xff0c;感觉需要记录的时候就要记录一下学习的心得。野火视频学习的老师讲的还是很到位的&#xff0c;能够学习到很多的细节之处&#xff0c;有时会感觉很啰嗦&#xff0c;但是不得不说确实很详细&#xff0c;只有…
阅读更多...
cpu卡片详解（FM1208）

cpu卡片详解（FM1208）

​ 目录 ​1. 引言 1.1 FM1208 CPU卡芯片 2. FM1208 CPU卡芯片概述 2.1 FM1208及其在智能卡中的作用 2.2 FM1208功能框图 3.FM1208的技术规格 4.FM1208工作流程 5.&#xff26;&#xff2d;1208文件结构 6.FM1208与其他智能卡技术的比较 7.FM1208安全特性 7.1 DES/…
阅读更多...
水泡传感器内部结构

水泡传感器内部结构

水泡传感器内部结构&#xff1a; 水泡传感器放大电路 电路是基于1.6V做的TIA I2V&#xff0c; 也就是输出部分基于1.6V做电压的增加或减少。
阅读更多...
OpenAI GPT-4o：开启人工智能交互新纪元

OpenAI GPT-4o：开启人工智能交互新纪元

引言 在人工智能领域&#xff0c;OpenAI一直是创新的代名词。2024年5月14日&#xff0c;OpenAI再次以GPT-4o模型震撼了科技界&#xff0c;这款全新的旗舰生成模型不仅免费向公众开放&#xff0c;更以其革命性的多模态交互能力&#xff0c;引领我们进入了一个全新的科幻时代。 …
阅读更多...
react 图片没有加载出来的问题

react 图片没有加载出来的问题

react 图片没有加载出来的问题 我原来是这样写的 <Layout><Sider><imgsrc"../images/login/topdivbg20221202.png"/></Sider><Content><Menu onClick{onClick} selectedKeys{[current]} mode"horizontal" it…
阅读更多...
停车场车位引导系统是什么，停车场车位引导系统有哪些作用？

停车场车位引导系统是什么，停车场车位引导系统有哪些作用？

随着城市交通的快速发展&#xff0c;车辆的数量也在迅速增长&#xff0c;随之而来的就是停车难的问题&#xff0c;那么在城市中&#xff0c;如何合理的利用好现有资源&#xff0c;让停车资源得到合理利用呢&#xff1f;这就需要一套科学有效的智能停车场系统&#xff0c;可以帮…
阅读更多...
MySQL单表查询案例演示

MySQL单表查询案例演示

目录 一、创建数据库lianxi 二、选择数据库为lianxi 三、新建一个数据表grade&#xff0c;在grade表中插入数据 四、开始进行查询操作&#xff08;验证表中数据&#xff09; 1、查询1945班的成绩信息 2、查询1945班&#xff0c;语文成绩大于60小于90的成绩信息 3、查询学…
阅读更多...
谷歌举办Gemini API开发者大赛；ChatGPT iOS版更新支持中文

谷歌举办Gemini API开发者大赛；ChatGPT iOS版更新支持中文

&#x1f989; AI新闻 &#x1f680; 谷歌举办Gemini API开发者大赛&#xff0c;大奖1981款电动DeLorean 摘要&#xff1a;IT之家 5 月 15 日消息&#xff0c;在 2024 年谷歌 I/O 开发者大会上&#xff0c;谷歌宣布举办 Gemini API 开发者大赛&#xff0c;主要面向个人开发者…
阅读更多...
NASA数据集——GES DISC 的 AIRS-CloudSat 云掩模、雷达反射率和云分类匹配 V3.2 (AIRS_CPR_MAT)

NASA数据集——GES DISC 的 AIRS-CloudSat 云掩模、雷达反射率和云分类匹配 V3.2 (AIRS_CPR_MAT)

AIRS-AMSU variables-CloudSat cloud mask, radar reflectivities, and cloud classification matchups V3.2 (AIRSM_CPR_MAT) at GES DISC GES DISC 的 AIRS-CloudSat 云掩模、雷达反射率和云分类匹配 V3.2 (AIRS_CPR_MAT) 简介 这是 NetCDF-4 格式的 AIRS-CloudSat 定位子…
阅读更多...
CET6级（笔试备考）

CET6级（笔试备考）

CET6笔试 做题技巧 备考注意 感觉考前一个月还是要多刷几套真题啊&#xff0c;刷个10套吧。 参考链接&#xff1a;https://blog.csdn.net/m0_57656758/article/details/130707582
阅读更多...
解决GitHub提交后不显示自己的头像 显示另一个没见过的账号？

解决GitHub提交后不显示自己的头像 显示另一个没见过的账号？

问题说明 最近换了几台电脑开发项目&#xff0c;提交到github&#xff0c;看了下提交记录&#xff0c;怎么冒出来不是我的账号头像&#xff1f; 什么鬼i 原因分析 github是按照你注册时候填的邮箱来查找账号&#xff0c;并显示在提交记录上面的。如果账号找不到头像就出不来…
阅读更多...
深度学习500问——Chapter08：目标检测（9）

深度学习500问——Chapter08：目标检测（9）

文章目录 8.5 目标检测的技巧汇总 8.5.1 Data Augmentation 8.5.2 OHEM 8.5.3 NMS&#xff1a;Soft NMS/ Polygon NMS/ Inclined NMS/ ConvNMS/ Yes-Net NMS/ Softer NMS 8.5.4 Multi Scale Training/Testing 8.5.5 建立小物体与context的关系 8.5.6 参考relation network 8.5.…
阅读更多...
Vue3商城后台管理实战-用户登录界面设计

Vue3商城后台管理实战-用户登录界面设计

界面设计 此时界面的预览效果如下&#xff1a; 登录界面的完整代码如下&#xff1a; <script setup> import {reactive} from "vue/reactivity";const form reactive({username: "",password: "", })const onSubmit () > {} <…
阅读更多...
最新文章

Copyright @ 2022~2023