AI概念

本节描述了Spring AI使用的核心概念。我们建议仔细阅读，以理解Spring AI实现背后的思想。

​

模型

AI模型是设计用于处理和生成信息的算法，通常模仿人类认知功能。 通过从大型数据集中学习模式和洞察力，这些模型可以生成预测、文本、图像或其他输出，增强各行业的各种应用。

有许多不同类型的AI模型，每种类型都适合特定的用例。 虽然ChatGPT及其生成式AI功能通过文本输入和输出吸引了用户，但许多模型和公司提供多样化的输入和输出。 在ChatGPT之前，许多人对诸如Midjourney和Stable Diffusion等文本到图像生成模型很着迷。

下表根据输入和输出类型对几种模型进行了分类：

Spring AI目前支持处理语言、图像和音频作为输入和输出的模型。 前一个表格中的最后一行，接受文本作为输入并输出数字，更常被称为文本嵌入，代表了AI模型中使用的内部数据结构。 Spring AI支持嵌入，以实现更高级的用例。

像GPT这样的模型的与众不同之处在于它们的预训练性质，正如GPT中的”P”所示——聊天生成预训练变换器（Chat Generative Pre-trained Transformer）。 这种预训练特性将AI转变为一种通用开发工具，不需要广泛的机器学习或模型训练背景。

​

提示词

提示词作为基于语言的输入的基础，引导AI模型产生特定的输出。 对于熟悉ChatGPT的人来说，提示词可能看起来只是输入到对话框中发送给API的文本。 然而，它包含的内容远不止于此。 在许多AI模型中，提示词的文本不仅仅是一个简单的字符串。

ChatGPT的API在一个提示词中有多个文本输入，每个文本输入都被分配一个角色。 例如，有系统角色，它告诉模型如何行为并为交互设置上下文。 还有用户角色，通常是用户的输入。

制作有效的提示词既是一门艺术，也是一门科学。 ChatGPT是为人类对话而设计的。 这与使用类似SQL的方式”提问”有很大不同。 人们必须与AI模型进行交流，就像与另一个人对话一样。

分享提示词已经成为一种社区实践，并且在这个主题上正在进行积极的学术研究。 作为一个例子，说明制作有效提示词可能多么反直觉（例如，与SQL形成对比），一项最近的研究论文发现，最有效的提示词之一以短语”深呼吸，逐步处理这个问题”开始。 这应该让你了解为什么语言如此重要。 我们还没有完全理解如何最有效地利用这项技术的前几个迭代版本，如ChatGPT 3.5，更不用说正在开发的新版本了。

​

提示词模板

创建有效的提示词涉及建立请求的上下文，并将请求的部分替换为特定于用户输入的值。

此过程使用传统的基于文本的模板引擎来创建和管理提示词。 Spring AI使用开源库StringTemplate来实现这一目的。

例如，考虑这个简单的提示词模板：

给我讲一个关于{content}的{adjective}笑话。

在Spring AI中，提示词模板可以类比于Spring MVC架构中的”视图”。 提供一个模型对象，通常是java.util.Map，来填充模板中的占位符。 “渲染”的字符串成为提供给AI模型的提示词内容。

发送到模型的提示词的具体数据格式存在相当大的变化。 最初从简单的字符串开始，提示词已经演变为包含多个消息，其中每个消息中的每个字符串代表模型的不同角色。

​

嵌入

嵌入是文本、图像或视频的数值表示，捕捉输入之间的关系。

嵌入通过将文本、图像和视频转换为浮点数数组（称为向量）来工作。 这些向量旨在捕捉文本、图像和视频的含义。 嵌入数组的长度称为向量的维度。

通过计算两段文本的向量表示之间的数值距离，应用程序可以确定用于生成嵌入向量的对象之间的相似性。

作为探索AI的Java开发人员，不必理解这些向量表示背后的复杂数学理论或具体实现。 对它们在AI系统中的角色和功能有基本的了解就足够了，特别是当你将AI功能集成到应用程序中时。

嵌入在像检索增强生成（RAG）模式这样的实际应用中特别相关。 它们使数据能够表示为语义空间中的点，这类似于欧几里得几何的二维空间，但在更高维度上。 这意味着就像欧几里得几何中平面上的点基于它们的坐标可以近或远一样，在语义空间中，点的接近性反映了含义的相似性。 关于相似主题的句子在这个多维空间中位置更接近，就像图上彼此靠近的点一样。 这种接近性有助于文本分类、语义搜索，甚至产品推荐等任务，因为它允许AI基于它们在这个扩展的语义景观中的”位置”来辨别和分组相关概念。

你可以将这个语义空间视为一个向量。

​

令牌

令牌作为AI模型工作方式的基本构建块。 在输入时，模型将单词转换为令牌。在输出时，它们将令牌转换回单词。

在英语中，一个令牌大约相当于75%的一个单词。作为参考，莎士比亚的全部作品，总计约90万字，转化为大约120万个令牌。

此外，模型受令牌限制，这限制了单个API调用中处理的文本量。 这个阈值通常被称为”上下文窗口”。模型不会处理超过此限制的任何文本。

例如，ChatGPT3有4K令牌限制，而GPT4提供不同的选项，如8K、16K和32K。 Anthropic的Claude AI模型具有100K令牌限制，Meta最近的研究产生了一个1M令牌限制的模型。

要用GPT4总结莎士比亚的全部作品，你需要设计软件工程策略来分割数据，并在模型的上下文窗口限制内呈现数据。 Spring AI项目可以帮助你完成这个任务。

​

结构化输出

AI模型的输出传统上以java.lang.String形式到达，即使你要求回复以JSON格式呈现。 它可能是正确的JSON，但它不是JSON数据结构。它只是一个字符串。 此外，在提示中要求”JSON”并不是100%准确的。

这种复杂性导致了一个专门领域的出现，涉及创建提示以产生预期输出，然后将产生的简单字符串转换为可用的数据结构，以便应用程序集成。

结构化输出转换采用精心制作的提示，通常需要与模型进行多次交互才能达到所需的格式。

​

将你的数据和API带给AI模型

你如何为AI模型提供它未经训练的信息？

有三种技术可以定制AI模型以整合你的数据：

​

检索增强生成

检索增强生成（RAG）技术应运而生，解决了将相关数据纳入提示以获取准确AI模型响应的挑战。

该方法采用批处理风格的编程模型，作业从文档中读取非结构化数据，进行转换，然后将其写入向量数据库。 从高层次来看，这是一个ETL（提取、转换和加载）管道。 向量数据库用于RAG技术的检索部分。

作为将非结构化数据加载到向量数据库的一部分，最重要的转换之一是将原始文档分割成更小的片段。 将原始文档分割成更小部分的过程有两个重要步骤：

RAG的下一阶段是处理用户输入。 当需要由AI模型回答用户的问题时，问题和所有”相似”的文档片段都被放入发送给AI模型的提示中。 这就是使用向量数据库的原因。它非常擅长寻找相似内容。

• ETL管道提供了更多关于协调从数据源提取数据并将其存储在结构化向量存储中的流程的信息，确保数据在传递给AI模型时处于最佳检索格式。
• ChatClient - RAG解释了如何使用QuestionAnswerAdvisor在你的应用程序中启用RAG功能。

​

工具调用

大型语言模型（LLM）在训练后被冻结，导致知识过时，并且它们无法访问或修改外部数据。

工具调用机制解决了这些缺点。 它允许你将自己的服务注册为工具，将大型语言模型连接到外部系统的API。 这些系统可以为LLM提供实时数据，并代表它们执行数据处理操作。

Spring AI大大简化了支持工具调用所需编写的代码。 它为你处理工具调用对话。 你可以将工具提供为带有@Tool注解的方法，并在提示选项中提供它，使其对模型可用。 此外，你可以在单个提示中定义和引用多个工具。

请查阅工具调用文档，了解如何将此功能与不同的AI模型一起使用的更多信息。

​

评估AI响应

有效评估AI系统对用户请求的输出对于确保最终应用的准确性和实用性非常重要。 几种新兴技术使得可以使用预训练模型本身来达到此目的。

这个评估过程涉及分析生成的响应是否符合用户的意图和查询的上下文。使用相关性、连贯性和事实正确性等指标来衡量AI生成响应的质量。

一种方法是将用户的请求和AI模型的响应一起呈现给模型，询问响应是否与提供的数据一致。

此外，利用存储在向量数据库中的信息作为补充数据可以增强评估过程，帮助确定响应的相关性。

Spring AI项目提供了一个Evaluator API，目前提供了评估模型响应的基本策略访问。 请查阅评估测试文档以了解更多信息。