Spring AI和Ollama

概述

Spring AI 不仅提供了与 OpenAI 进行API交互，同样支持与 Ollama 进行API交互。Ollama 是一个发布在GitHub上的项目，专为运行、创建和分享大型语言模型而设计，可以轻松地在本地启动和运行大型语言模型。

Docker环境安装Ollama

1.获取Docker镜像。

docker pull ollama/ollama

2.在 Docker 容器内运行 Ollama。

docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

3.现在您可以在容器内运行像 Llama 2 这样的模型。

docker exec -it ollama ollama run llama2

更多模型可以在Ollama 库中找到。

创建 Spring Boot 项目

首先引入相关依赖。

<dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId><version>3.2.0</version></dependency><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-ollama</artifactId><version>0.8.0-SNAPSHOT</version></dependency>
</dependencies><repositories><repository><id>spring-snapshots</id><name>Spring Snapshots</name><url>https://repo.spring.io/snapshot</url><releases><enabled>false</enabled></releases></repository>
</repositories>

在 application.yml 中配置 Ollama 地址和使用的模型。

spring:ai:ollama:base-url: http://localhost:11434embedding:model: llama2

这里我们填写一个提示来测试下，ChatClient将调用Ollama的API接口。

@GetMapping("/top/fiction")
public String topCodeLanguage() {String message = "2023最受欢迎小说是什么";return chatClient.generate(message);
}

我们稍微对上面的接口做些更改，我首先将一个路径变量放入请求，这样我们就可以将年份模板化。PromptTemplate旨在帮助创建结构化提示，我们通过add()方法插入动态内容，render()会渲染为最终字符串格式。

@GetMapping("/top/fiction/{year}")
public String topCodeLanguageByYear(@PathVariable("year") Integer year) {String message = "{year}最受欢迎小说是什么";PromptTemplate promptTemplate = new PromptTemplate(message);promptTemplate.add("year", year);return chatClient.generate(promptTemplate.render());
}