Vertex AI 支持两种类型的嵌入模型：文本和多模态。 本文档介绍如何使用 Vertex AI 文本嵌入 API 创建文本嵌入。 Vertex AI 文本嵌入 API 使用密集向量表示。 与稀疏向量（倾向于将单词直接映射到数字）不同，密集向量旨在更好地表示一段文本的含义。 在生成式 AI 中使用密集向量嵌入的好处在于，您可以更好地搜索与查询含义一致的段落，即使这些段落使用的语言不同，而不是搜索直接的单词或语法匹配。

​
先决条件

  • 安装适用于您操作系统的 gcloud CLI。
  • 通过运行以下命令进行身份验证。 将 PROJECT_ID 替换为您的 Google Cloud 项目 ID，并将 ACCOUNT 替换为您的 Google Cloud 用户名。
gcloud config set project <PROJECT_ID> && \
gcloud auth application-default login <ACCOUNT>

​
添加存储库和 BOM

Spring AI 工件发布在 Maven Central 和 Spring Snapshot 存储库中。 请参阅工件存储库部分，将这些存储库添加到您的构建系统中。 为了帮助进行依赖管理，Spring AI 提供了一个 BOM (物料清单) 以确保在整个项目中使用一致版本的 Spring AI。请参阅依赖管理部分，将 Spring AI BOM 添加到您的构建系统中。

​
自动配置

注意：Spring AI 自动配置和启动器模块的工件名称已发生重大更改。 有关更多信息，请参阅升级说明。
Spring AI 为 VertexAI Embedding 模型提供 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： 
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-vertex-ai-embedding</artifactId>
</dependency>
或添加到您的 Gradle build.gradle 构建文件中。 
dependencies {
    implementation 'org.springframework.ai:spring-ai-starter-model-vertex-ai-embedding'
}
提示：请参阅依赖管理部分，将 Spring AI BOM 添加到您的构建文件中。

​
Embedding 属性

前缀 spring.ai.vertex.ai.embedding 用作属性前缀，可让您连接到 VertexAI Embedding API。
属性描述默认值
spring.ai.vertex.ai.embedding.project-idGoogle Cloud Platform 项目 ID-
spring.ai.vertex.ai.embedding.location区域-
spring.ai.vertex.ai.embedding.apiEndpointVertex AI Embedding API 端点。-
注意：嵌入自动配置的启用和禁用现在通过前缀为 spring.ai.model.embedding 的顶级属性进行配置。 要启用，请设置 spring.ai.model.embedding.text=vertexai (默认情况下启用) 要禁用，请设置 spring.ai.model.embedding.text=none (或任何与 vertexai 不匹配的值) 此更改是为了允许配置多个模型。
前缀 spring.ai.vertex.ai.embedding.text 是配置 VertexAI 文本嵌入的嵌入模型实现的属性前缀。
属性描述默认值
spring.ai.vertex.ai.embedding.text.enabled (已删除且不再有效)启用 Vertex AI Embedding API 模型。true
spring.ai.model.embedding.text启用 Vertex AI Embedding API 模型。vertexai
spring.ai.vertex.ai.embedding.text.options.model这是要使用的 Vertex 文本嵌入模型。text-embedding-004
spring.ai.vertex.ai.embedding.text.options.task-type预期的下游应用程序，以帮助模型生成更高质量的嵌入。可用的任务类型。RETRIEVAL_DOCUMENT
spring.ai.vertex.ai.embedding.text.options.title可选标题，仅在 task_type=RETRIEVAL_DOCUMENT 时有效。-
spring.ai.vertex.ai.embedding.text.options.dimensions生成的输出嵌入应具有的维度数。模型版本 004 及更高版本支持。您可以使用此参数来减小嵌入大小，例如，用于存储优化。-
spring.ai.vertex.ai.embedding.text.options.auto-truncate设置为 true 时，将截断输入文本。设置为 false 时，如果输入文本长于模型支持的最大长度，则返回错误。true

​
示例控制器

创建一个新的 Spring Boot 项目，并将 spring-ai-starter-model-vertex-ai-embedding 添加到您的 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 VertexAi 聊天模型： 
spring.ai.vertex.ai.embedding.project-id=<您的项目 ID>
spring.ai.vertex.ai.embedding.location=<您的项目位置>
spring.ai.vertex.ai.embedding.text.options.model=text-embedding-004
这将创建一个 VertexAiTextEmbeddingModel 实现，您可以将其注入到您的类中。 这是一个简单的 @Controller 类示例，它使用嵌入模型进行嵌入生成。 
@RestController
public class EmbeddingController {

    private final EmbeddingModel embeddingModel;

    @Autowired
    public EmbeddingController(EmbeddingModel embeddingModel) {
        this.embeddingModel = embeddingModel;
    }

    @GetMapping("/ai/embedding")
    public Map embed(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        EmbeddingResponse embeddingResponse = this.embeddingModel.embedForResponse(List.of(message));
        return Map.of("embedding", embeddingResponse);
    }
}

​
手动配置

VertexAiTextEmbeddingModel 实现了 EmbeddingModel。 将 spring-ai-vertex-ai-embedding 依赖项添加到项目的 Maven pom.xml 文件中： 
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-vertex-ai-embedding</artifactId>
</dependency>
或添加到您的 Gradle build.gradle 构建文件中。 
dependencies {
    implementation 'org.springframework.ai:spring-ai-vertex-ai-embedding'
}
提示：请参阅依赖管理部分，将 Spring AI BOM 添加到您的构建文件中。
接下来，创建一个 VertexAiTextEmbeddingModel 并将其用于文本生成： 
VertexAiEmbeddingConnectionDetails connectionDetails =
    VertexAiEmbeddingConnectionDetails.builder()
        .projectId(System.getenv(<VERTEX_AI_GEMINI_PROJECT_ID>))
        .location(System.getenv(<VERTEX_AI_GEMINI_LOCATION>))
        .build();

VertexAiTextEmbeddingOptions options = VertexAiTextEmbeddingOptions.builder()
    .model(VertexAiTextEmbeddingOptions.DEFAULT_MODEL_NAME)
    .build();

var embeddingModel = new VertexAiTextEmbeddingModel(this.connectionDetails, this.options);

EmbeddingResponse embeddingResponse = this.embeddingModel
    .embedForResponse(List.of("Hello World", "World is big and salvation is near"));

​
从 Google 服务帐户加载凭据

要从服务帐户 json 文件以编程方式加载 GoogleCredentials，可以使用以下方法： 
GoogleCredentials credentials = GoogleCredentials.fromStream(<INPUT_STREAM_TO_CREDENTIALS_JSON>)
        .createScoped("https://www.googleapis.com/auth/cloud-platform");
credentials.refreshIfExpired();

VertexAiEmbeddingConnectionDetails connectionDetails =
    VertexAiEmbeddingConnectionDetails.builder()
        .projectId(System.getenv(<VERTEX_AI_GEMINI_PROJECT_ID>))
        .location(System.getenv(<VERTEX_AI_GEMINI_LOCATION>))
        .apiEndpoint(endpoint)
        .predictionServiceSettings(
            PredictionServiceSettings.newBuilder()
                .setEndpoint(endpoint)
                .setCredentialsProvider(FixedCredentialsProvider.create(credentials))
                .build());

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！