springAi使用教程
版本要求
环境版本号
springboot 3.2.4
java 17
springAI 0.8.1
导入依赖
1.步骤1
代码如下：
<dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><!--spring ai的starter依赖，启动依赖，起步依赖--><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-openai-spring-boot-starter</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-devtools</artifactId><scope>runtime</scope><optional>true</optional></dependency><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><optional>true</optional></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency></dependencies><!--相当于是继承一个父项目：spring-ai-bom父项目--><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>
配置本项目的仓库：因为maven中心仓库还没有更新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>
2.配置文件
代码如下：
spring:application:name: spring-ai-01-chatai:openai:api-key: sk-bToZitPE`淘宝购买`base-url: https://api.openai.com/chat:options:model: gpt-3.5-turbotemperature: 0.3F
3.controller
代码如下：
package com.bjpowernode.controller;import jakarta.annotation.Resource;
import org.springframework.ai.chat.ChatResponse;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.openai.OpenAiChatClient;
import org.springframework.ai.openai.OpenAiChatOptions;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;@RestController
public class ChatController {/*** spring-ai 自动装配的，可以直接注入使用*/@Resourceprivate OpenAiChatClient openAiChatClient;/*** 调用OpenAI的接口** @param msg 我们提的问题* @return*/@RequestMapping(value = "/ai/chat0")public String chat0(@RequestParam(value = "msg") String msg) {String called = openAiChatClient.call(msg);return called;}/*** 调用OpenAI的接口** @param msg 我们提的问题* @return*/@RequestMapping(value = "/ai/chat1")public Object chat1(@RequestParam(value = "msg") String msg) {ChatResponse chatResponse = openAiChatClient.call(new Prompt(msg));return chatResponse.getResult().getOutput().getContent();}/*** pt-3.5-turbo：* 费用：$0.002/1000 tokens大概1500汉字* <p>* gpt-4：* 费用：$0.06/1000 tokens大概1500汉字* <p>* gpt-4-32k： 32k是参数量* 费用：$0.12/1000 tokens大概1500汉字* <p>* 调用OpenAI的接口** @param msg 我们提的问题* @return*/@RequestMapping(value = "/ai/chat3")public Object chat3(@RequestParam(value = "msg") String msg) {//可选参数在配置文件中配置了，在代码中也配置了，那么以代码的配置为准，也就是代码的配置会覆盖掉配置文件中的配置ChatResponse chatResponse = openAiChatClient.call(new Prompt(msg, OpenAiChatOptions.builder().withModel("pt-3.5-turbo") //gpt的版本.withTemperature(0.4F) //温度越高，回答得比较有创新性，但是准确率会下降，温度越低，回答的准确率会更好.build()));return chatResponse.getResult().getOutput().getContent();}@RequestMapping(value = "/ai/chat4")public Object chat4(@RequestParam(value = "msg") String msg) {//可选参数在配置文件中配置了，在代码中也配置了，那么以代码的配置为准，也就是代码的配置会覆盖掉配置文件中的配置ChatResponse chatResponse = openAiChatClient.call(new Prompt(msg, OpenAiChatOptions.builder().withModel("gpt-4") //gpt的版本，暂时无法使用需要购买高级key.withTemperature(0.4F) //温度越高，回答得比较有创新性，但是准确率会下降，温度越低，回答的准确率会更好.build()));return chatResponse.getResult().getOutput().getContent();}/*** 调用OpenAI的接口** @param msg 我们提的问题* @return*/@RequestMapping(value = "/ai/chat5")public Object chat5(@RequestParam(value = "msg") String msg) {//可选参数在配置文件中配置了，在代码中也配置了，那么以代码的配置为准，也就是代码的配置会覆盖掉配置文件中的配置Flux<ChatResponse> flux = openAiChatClient.stream(new Prompt(msg, OpenAiChatOptions.builder()//.withModel("gpt-4-32k") //gpt的版本，32k是参数量.withTemperature(0.4F) //温度越高，回答得比较有创新性，但是准确率会下降，温度越低，回答的准确率会更好.build()));flux.toStream().forEach(chatResponse -> {System.out.println(chatResponse.getResult().getOutput().getContent());});return flux.collectList(); //数据的序列，一序列的数据，一个一个的数据返回}}
)
