> ## Documentation Index > Fetch the complete documentation index at: https://javaai.pig4cloud.com/llms.txt > Use this file to discover all available pages before exploring further. # NVIDIA 聊天 [NVIDIA LLM API](https://docs.api.nvidia.com/nim/reference/llm-apis) 是一个代理 AI 推理引擎，提供来自[各种提供商](https://docs.api.nvidia.com/nim/reference/llm-apis#models)的各种模型。 Spring AI 通过复用现有的 [OpenAI](/spring4ai/api/chat/openai-chat) 客户端与 NVIDIA LLM API 集成。 为此，你需要将 base-url 设置为 `https://integrate.api.nvidia.com`，选择提供的 [LLM 模型](https://docs.api.nvidia.com/nim/reference/llm-apis#model)之一并获取其 `api-key`。 NVIDIA LLM API 集成 NVIDIA LLM API 要求显式设置 `max-tokens` 参数，否则将引发服务器错误。 请查看 [NvidiaWithOpenAiChatModelIT.java](https://github.com/spring-projects/spring-ai/blob/main/models/spring-ai-openai/src/test/java/org/springframework/ai/openai/chat/proxy/NvidiaWithOpenAiChatModelIT.java) 测试，获取将 NVIDIA LLM API 与 Spring AI 结合使用的示例。 ## 前提条件 * 创建具有足够积分的 [NVIDIA](https://build.nvidia.com/explore/discover) 帐户。 * 选择要使用的 LLM 模型。例如，下面屏幕截图中的 `meta/llama-3.1-70b-instruct`。 * 从所选模型的页面中，你可以获取访问此模型的 `api-key`。 NVIDIA 注册 ## 自动配置 Spring AI 自动配置、启动器模块的构件名称发生了重大变化。 有关更多信息，请参阅[升级说明](https://docs.spring.io/spring-ai/reference/upgrade-notes.html)。 Spring AI 为 OpenAI 聊天客户端提供 Spring Boot 自动配置。 要启用它，请将以下依赖项添加到项目的 Maven `pom.xml` 文件中： ```xml theme={"system"} org.springframework.ai spring-ai-starter-model-openai ``` ```gradle theme={"system"} dependencies { implementation 'org.springframework.ai:spring-ai-starter-model-openai' } ``` 请参阅[依赖管理](/spring4ai/getting-started#dependency-management)部分，将 Spring AI BOM 添加到你的构建文件中。 ### 聊天属性 #### 重试属性 前缀 `spring.ai.retry` 用作属性前缀，允许你配置 OpenAI 聊天模型的重试机制。 | 属性 | 描述 | 默认值 | | :--------------------------------------- | :------------------------------------------------------------- | :---- | | spring.ai.retry.max-attempts | 最大重试次数。 | 10 | | spring.ai.retry.backoff.initial-interval | 指数退避策略的初始休眠持续时间。 | 2 秒 | | spring.ai.retry.backoff.multiplier | 退避间隔乘数。 | 5 | | spring.ai.retry.backoff.max-interval | 最大退避持续时间。 | 3 分钟 | | spring.ai.retry.on-client-errors | 如果为 false，则抛出 NonTransientAiException，并且不尝试对 `4xx` 客户端错误代码进行重试 | false | | spring.ai.retry.exclude-on-http-codes | 不应触发重试的 HTTP 状态代码列表（例如，抛出 NonTransientAiException）。 | 空 | | spring.ai.retry.on-http-codes | 应触发重试的 HTTP 状态代码列表（例如，抛出 TransientAiException）。 | 空 | #### 连接属性 前缀 `spring.ai.openai` 用作属性前缀，允许你连接到 OpenAI。 | 属性 | 描述 | 默认值 | | :------------------------ | :------------------------------------------------ | :-- | | spring.ai.openai.base-url | 要连接的 URL。必须设置为 `https://integrate.api.nvidia.com` | - | | spring.ai.openai.api-key | NVIDIA API 密钥 | - | #### 配置属性 聊天自动配置的启用和禁用现在通过前缀为 `spring.ai.model.chat` 的顶级属性进行配置。 要启用，`spring.ai.model.chat=openai` (默认启用) 要禁用，`spring.ai.model.chat=none` (或任何与 openai 不匹配的值) 此更改是为了允许配置多个模型。 前缀 `spring.ai.openai.chat` 是属性前缀，允许你配置 OpenAI 的聊天模型实现。 | 属性 | 描述 | 默认值 | | :--------------------------------------------- | :---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------- | | spring.ai.openai.chat.enabled (已移除且不再有效) | 启用 OpenAI 聊天模型。 | true | | spring.ai.model.chat | 启用 OpenAI 聊天模型。 | openai | | spring.ai.openai.chat.base-url | 可选地覆盖 spring.ai.openai.base-url 以提供特定于聊天的 url。必须设置为 `https://integrate.api.nvidia.com` | - | | spring.ai.openai.chat.api-key | 可选地覆盖 spring.ai.openai.api-key 以提供特定于聊天的 api-key | - | | spring.ai.openai.chat.options.model | 要使用的 [NVIDIA LLM 模型](https://docs.api.nvidia.com/nim/reference/llm-apis#models) | - | | spring.ai.openai.chat.options.temperature | 用于控制生成补全的明显创造性的采样温度。较高的值会使输出更随机，而较低的值会使结果更集中和确定。不建议为同一补全请求修改温度和 top\_p，因为这两个设置的相互作用很难预测。 | 0.8 | | spring.ai.openai.chat.options.frequencyPenalty | -2.0 到 2.0 之间的数字。正值会根据新标记在文本中已有的频率对其进行惩罚，从而降低模型逐字重复同一行的可能性。 | 0.0f | | spring.ai.openai.chat.options.maxTokens | 在聊天补全中生成的最大标记数。输入标记和生成标记的总长度受模型上下文长度的限制。 | 注意：NVIDIA LLM API 要求显式设置 `max-tokens` 参数，否则将引发服务器错误。 | | spring.ai.openai.chat.options.n | 为每个输入消息生成多少个聊天补全选项。请注意，你将根据所有选项中生成的标记数付费。将 n 保持为 1 以最大程度地降低成本。 | 1 | | spring.ai.openai.chat.options.presencePenalty | -2.0 到 2.0 之间的数字。正值会根据新标记是否已出现在文本中对其进行惩罚，从而增加模型谈论新主题的可能性。 | - | | spring.ai.openai.chat.options.responseFormat | 指定模型必须输出的格式的对象。设置为 `{ "type": "json_object" }` 可启用 JSON 模式，该模式可确保模型生成的消息是有效的 JSON。 | - | | spring.ai.openai.chat.options.seed | 此功能处于测试阶段。如果指定，我们的系统将尽最大努力进行确定性采样，以便具有相同种子和参数的重复请求应返回相同的结果。 | - | | spring.ai.openai.chat.options.stop | API 将停止生成更多标记的最多 4 个序列。 | - | | spring.ai.openai.chat.options.topP | 温度采样的替代方法，称为核采样，其中模型考虑具有 top\_p 概率质量的标记的结果。因此 0.1 表示仅考虑构成前 10% 概率质量的标记。我们通常建议更改此项或温度，但不能同时更改两者。 | - | | spring.ai.openai.chat.options.tools | 模型可能调用的工具列表。目前，仅支持函数作为工具。使用此选项可提供模型可能为其生成 JSON 输入的函数列表。 | - | | spring.ai.openai.chat.options.toolChoice | 控制模型调用哪个（如果有）函数。none 表示模型不会调用函数，而是生成一条消息。auto 表示模型可以在生成消息或调用函数之间进行选择。通过 `{"type: "function", "function": {"name": "my_function"}}` 指定特定函数会强制模型调用该函数。当不存在函数时，none 是默认值。如果存在函数，则 auto 是默认值。 | - | | spring.ai.openai.chat.options.user | 代表你的最终用户的唯一标识符，可以帮助 OpenAI 监控和检测滥用行为。 | - | | spring.ai.openai.chat.options.functions | 在单个提示请求中启用函数调用的函数列表（按其名称标识）。具有这些名称的函数必须存在于 functionCallbacks 注册表中。 | - | | spring.ai.openai.chat.options.stream-usage | （仅限流式传输）设置为添加一个包含整个请求的标记使用情况统计信息的附加块。此块的 `choices` 字段是一个空数组，所有其他块也将包含一个 usage 字段，但其值为 null。 | false | | spring.ai.openai.chat.options.proxy-tool-calls | 如果为 true，Spring AI 将不会在内部处理函数调用，而是将它们代理到客户端。然后由客户端负责处理函数调用，将它们分派到适当的函数，并返回结果。如果为 false（默认值），Spring AI 将在内部处理函数调用。仅适用于具有函数调用支持的聊天模型 | false | 所有以 `spring.ai.openai.chat.options` 为前缀的属性都可以在运行时通过向 `Prompt` 调用添加特定于请求的[聊天选项](#runtime-options)来覆盖。 ## 运行时选项 [OpenAiChatOptions.java](https://github.com/spring-projects/spring-ai/blob/main/models/spring-ai-openai/src/main/java/org/springframework/ai/openai/OpenAiChatOptions.java) 提供模型配置，例如要使用的模型、温度、频率惩罚等。 在启动时，可以使用 `OpenAiChatModel(api, options)` 构造函数或 `spring.ai.openai.chat.options.*` 属性配置默认选项。 在运行时，你可以通过向 `Prompt` 调用添加新的、特定于请求的选项来覆盖默认选项。 例如，要为特定请求覆盖默认模型和温度： ```java theme={"system"} ChatResponse response = chatModel.call( new Prompt( "生成 5 个著名海盗的名字。", OpenAiChatOptions.builder() .model("mixtral-8x7b-32768") .temperature(0.4) .build() )); ``` 除了特定于模型的 [OpenAiChatOptions](https://github.com/spring-projects/spring-ai/blob/main/models/spring-ai-openai/src/main/java/org/springframework/ai/openai/OpenAiChatOptions.java)之外，你还可以使用通过 [ChatOptions#builder()](https://github.com/spring-projects/spring-ai/blob/main/spring-ai-client-chat/src/main/java/org/springframework/ai/chat/prompt/ChatOptions.java) 创建的可移植 [ChatOptions](https://github.com/spring-projects/spring-ai/blob/main/spring-ai-client-chat/src/main/java/org/springframework/ai/chat/prompt/ChatOptions.java) 实例。 ## 函数调用 当选择支持它的模型时，NVIDIA LLM API 支持工具/函数调用。 NVIDIA 函数调用 你可以使用 ChatModel 注册自定义 Java 函数，并让提供的模型智能地选择输出一个 JSON 对象，其中包含调用一个或多个已注册函数的参数。 这是将 LLM 功能与外部工具和 API 连接起来的强大技术。 ### 工具示例 以下是如何将 NVIDIA LLM API 函数调用与 Spring AI 结合使用的简单示例： ```properties theme={"system"} spring.ai.openai.api-key=${NVIDIA_API_KEY} spring.ai.openai.base-url=https://integrate.api.nvidia.com spring.ai.openai.chat.options.model=meta/llama-3.1-70b-instruct spring.ai.openai.chat.options.max-tokens=2048 ``` ```java theme={"system"} @SpringBootApplication public class NvidiaLlmApplication { public static void main(String[] args) { SpringApplication.run(NvidiaLlmApplication.class, args); } @Bean CommandLineRunner runner(ChatClient.Builder chatClientBuilder) { return args -> { var chatClient = chatClientBuilder.build(); var response = chatClient.prompt() .user("阿姆斯特丹和巴黎的天气怎么样？") .functions("weatherFunction") // 按 bean 名称引用。 .call() .content(); System.out.println(response); }; } @Bean @Description("获取某个位置的天气") public Function weatherFunction() { return new MockWeatherService(); } public static class MockWeatherService implements Function { public record WeatherRequest(String location, String unit) {} public record WeatherResponse(double temp, String unit) {} @Override public WeatherResponse apply(WeatherRequest request) { double temperature = request.location().contains("Amsterdam") ? 20 : 25; return new WeatherResponse(temperature, request.unit); } } } ``` 在此示例中，当模型需要天气信息时，它将自动调用 `weatherFunction` bean，该 bean 可以获取实时天气数据。 预期的响应如下所示："阿姆斯特丹目前的天气是 20 摄氏度，巴黎目前的天气是 25 摄氏度。" 阅读有关 OpenAI [函数调用](/spring4ai/api/chat/functions/openai-chat-functions)的更多信息。 ## 示例控制器 [创建](https://start.spring.io/)一个新的 Spring Boot 项目，并将 `spring-ai-starter-model-openai` 添加到你的 pom (或 gradle) 依赖项中。 在 `src/main/resources` 目录下添加一个 `application.properties` 文件，以启用和配置 OpenAi 聊天模型： ```properties theme={"system"} spring.ai.openai.api-key=${NVIDIA_API_KEY} spring.ai.openai.base-url=https://integrate.api.nvidia.com spring.ai.openai.chat.options.model=meta/llama-3.1-70b-instruct # NVIDIA LLM API 不支持嵌入，因此我们需要禁用它。 spring.ai.openai.embedding.enabled=false # NVIDIA LLM API 要求显式设置此参数，否则将引发服务器内部错误。 spring.ai.openai.chat.options.max-tokens=2048 ``` 将 `api-key` 替换为你的 NVIDIA 凭据。 NVIDIA LLM API 要求显式设置 `max-token` 参数，否则将引发服务器错误。 以下是一个简单的 `@Controller` 类的示例，该类使用聊天模型进行文本生成： ```java theme={"system"} @RestController public class ChatController { private final OpenAiChatModel chatModel; @Autowired public ChatController(OpenAiChatModel chatModel) { this.chatModel = chatModel; } @GetMapping("/ai/generate") public Map generate(@RequestParam(value = "message", defaultValue = "给我讲个笑话") String message) { return Map.of("generation", this.chatModel.call(message)); } @GetMapping("/ai/generateStream") public Flux generateStream(@RequestParam(value = "message", defaultValue = "给我讲个笑话") String message) { Prompt prompt = new Prompt(new UserMessage(message)); return this.chatModel.stream(prompt); } } ``` 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！