通过 watsonx.ai，你可以在本地运行各种大型语言模型（LLM），并从中生成文本。Spring AI 通过 WatsonxAiChatModel 支持 watsonx.ai 文本生成。

您首先需要拥有一个 watsonx.ai 的 SaaS 实例（以及一个 IBM 云帐户）。

请参阅免费试用，免费试用 watsonx.ai

更多信息请点击此处

自动配置

Spring AI 为 watsonx.ai 聊天客户端提供了 Spring Boot 自动配置功能。要启用它，请在项目的 Maven pom.xml 文件中添加以下依赖项：

<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-watsonx-ai-spring-boot-starter</artifactId>
</dependency>

 或 Gradle build.gradle 构建文件。

dependencies {implementation 'org.springframework.ai:spring-ai-watsonx-ai-spring-boot-starter'
}

聊天属性

连接属性

前缀 spring.ai.watsonx.ai 用作属性前缀，可让您连接到 watsonx.ai。

Property	Description	Default
spring.ai.watsonx.ai.base-url	要连接的 URL	us-south.ml.cloud.ibm.com
spring.ai.watsonx.ai.stream-endpoint	流媒体端点	generation/stream?version=2023-05-29
spring.ai.watsonx.ai.text-endpoint	文本终端	generation/text?version=2023-05-29
spring.ai.watsonx.ai.project-id	项目 ID	-
spring.ai.watsonx.ai.iam-token	IBM 云账户 IAM 令牌	-

配置属性

spring.ai.watsonx.ai.chat 前缀是让你配置 Watsonx.AI 聊天模型实现的属性前缀。 

Property	Description	Default
spring.ai.watsonx.ai.chat.enabled	启用 Watsonx.AI 聊天模型。	true
spring.ai.watsonx.ai.chat.options.temperature	模型的温度。温度越高，模型的答案越有创意。	0.7
spring.ai.watsonx.ai.chat.options.top-p	与 top-k 一起使用。较高的值（如 0.95）将产生更多样化的文本，而较低的值（如 0.2）将产生更集中和保守的文本。	1.0
spring.ai.watsonx.ai.chat.options.top-k	降低产生无意义答案的概率。数值越大（如 100），答案就越多样化，而数值越小（如 10），答案就越保守。	50
spring.ai.watsonx.ai.chat.options.decoding-method	解码是模型在生成的输出中选择标记的过程。	greedy
spring.ai.watsonx.ai.chat.options.max-new-tokens	设置 LLM 遵循的标记上限。	20
spring.ai.watsonx.ai.chat.options.min-new-tokens	设置 LLM 必须生成的令牌数量。	0
spring.ai.watsonx.ai.chat.options.stop-sequences	设置 LLM 停止的时间。(例如，["\n\n\n"]），那么当 LLM 产生三个连续的换行符时就会终止。在生成 Min tokens 参数中指定的标记数之前，停止序列将被忽略。	-
spring.ai.watsonx.ai.chat.options.repetition-penalty	设置对重复的惩罚力度。数值越大（如 1.8），对重复的惩罚力度就越大，而数值越小（如 1.1），惩罚力度就越宽松。	1.0
spring.ai.watsonx.ai.chat.options.random-seed	产生可重复的结果，每次设置相同的随机种子值。	randomly generated
spring.ai.watsonx.ai.chat.options.model	模型是要使用的 LLM 模型的标识符。	google/flan-ul2

运行时选项

WatsonxAiChatOptions.java 提供了模型配置，如使用的模型、温度、频率惩罚等。

启动时，可使用 WatsonxAiChatModel(api, options) 构造函数或 spring.ai.watsonxai.chat.options.* 属性配置默认选项。

在运行时，你可以通过向提示调用添加新的、针对特定请求的选项来覆盖默认选项。例如，覆盖特定请求的默认模型和温度：

ChatResponse response = chatModel.call(new Prompt("Generate the names of 5 famous pirates.",WatsonxAiChatOptions.builder().withTemperature(0.4).build()));

除了特定于模型的 WatsonxAiChatOptions.java 之外，你还可以使用通过 ChatOptionsBuilder#builder() 创建的便携式 ChatOptions实例。

 使用示例

public class MyClass {private final static String MODEL = "google/flan-ul2";private final WatsonxAiChatModel chatModel;@AutowiredMyClass(WatsonxAiChatModel chatModel) {this.chatModel = chatModel;}public String generate(String userInput) {WatsonxAiOptions options = WatsonxAiOptions.create().withModel(MODEL).withDecodingMethod("sample").withRandomSeed(1);Prompt prompt = new Prompt(new SystemMessage(userInput), options);var results = chatModel.call(prompt);var generatedText = results.getResult().getOutput().getContent();return generatedText;}public String generateStream(String userInput) {WatsonxAiOptions options = WatsonxAiOptions.create().withModel(MODEL).withDecodingMethod("greedy").withRandomSeed(2);Prompt prompt = new Prompt(new SystemMessage(userInput), options);var results = chatModel.stream(prompt).collectList().block(); // wait till the stream is resolved (completed)var generatedText = results.stream().map(generation -> generation.getResult().getOutput().getContent()).collect(Collectors.joining());return generatedText;}}