概述
Spring AI 徽标
Spring AI 项目旨在简化应用程序开发过程中集成人工智能功能的复杂性。
该项目从著名的Python项目如LangChain和LlamaIndex中汲取灵感，但Spring AI并非这些项目的直接移植。 项目创立基于这样的信念：生成式AI应用的下一波浪潮不会仅限于Python开发者，而将在众多编程语言中普及。
Spring AI 集成
Spring AI提供了作为开发AI应用程序基础的抽象层。 这些抽象拥有多种实现方式，使得在最少代码更改的情况下轻松切换组件成为可能。
特性
Spring AI提供以下特性：
模型支持
模型支持
为聊天、文本到图像和嵌入模型提供跨AI提供商的可移植API支持。同时支持同步和流式API选项。也可以访问模型特定的功能。
AI模型提供商
AI模型提供商
结构化输出
结构化输出
结构化输出 - 将AI模型输出映射到POJO对象。
向量数据库支持
向量数据库支持
支持所有主要的向量数据库提供商，如Apache Cassandra、Azure Cosmos DB、Azure Vector Search、Chroma、Elasticsearch、GemFire、MariaDB、Milvus、MongoDB Atlas、Neo4j、OpenSearch、Oracle、PostgreSQL/PGVector、PineCone、Qdrant、Redis、SAP Hana、Typesense和Weaviate。
工具与函数调用
工具与函数调用
工具/函数调用 - 允许模型请求执行客户端工具和函数，从而在需要时访问必要的实时信息并采取行动。
可观测性
可观测性
可观测性 - 提供AI相关操作的洞察。
ETL框架
ETL框架
用于数据工程的文档摄取ETL框架。
模型评估
模型评估
AI模型评估 - 帮助评估生成内容并防止幻觉响应的工具。
Spring Boot集成
Spring Boot集成
为AI模型和向量存储提供Spring Boot自动配置和启动器。
ChatClient API
ChatClient API
ChatClient API - 用于与AI聊天模型通信的流畅API，风格类似于WebClient和RestClient API。
Advisors API
Advisors API
Advisors API - 封装了常见的生成式AI模式，转换发送到语言模型(LLM)和从语言模型接收的数据，并提供跨各种模型和用例的可移植性。
记忆与RAG
记忆与RAG
这些特性集使您能够实现常见用例，例如”基于文档的问答”或”与文档对话”。
下一步
文档有误？请协助编辑
发现文档问题？点击此处直接在 GitHub 上编辑并提交 PR，帮助我们改进文档！