Spring AI 整合聊天模型之智谱AI

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

Spring AI 支持智谱 AI（ZhiPu AI）的各种人工智能语言模型。可以与智谱 AI 的语言模型进行交互，并基于智谱 AI 的模型创建一个多语言会话助手。

在智谱的官方站点： https://open.bigmodel.cn/ 注册并获取一个API Key。

Spring AI 项目定义了一个名为 spring.ai.zhipuai.api-key 的配置属性，将其设置为从 API 密钥页面获取的 API 密钥的值。

可以在 application.properties 文件中设置这个配置属性：

spring.ai.zhipuai.api-key=<your-zhipuai-api-key>

在处理像 API 密钥这样的敏感信息时，为了增强安全性，可以使用 Spring 表达式语言（SpEL）来引用自定义的环境变量：

# In application.yml spring: ai:

zhipuai: api-key: ${ZHIPUAI_API_KEY}

这个变量可以同环境变量设置，比如Linux 设置：

# In your environment or .env file

export ZHIPUAI_API_KEY=<your-zhipuai-api-key>

也可以在应用程序代码中以编程方式设置此配置：

// Retrieve API key from a secure source or environment variable String apiKey = System.getenv(“ZHIPUAI_API_KEY”);

Spring AI 为智谱 AI（ZhiPuAI）聊天客户端提供了 Spring Boot 自动配置功能。要启用此功能，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-zhipuai 
         artifactId> 
  
       dependency>

重试属性（Retry Properties）

前缀 spring.ai.retry 用作属性前缀，用于为智谱 AI（ZhiPu AI）聊天模型配置重试机制。

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时长	2秒
spring.ai.retry.backoff.multiplier	退避间隔倍增系数	5
spring.ai.retry.backoff.max-interval	最大退避时长	3分钟
spring.ai.retry.on-client-errors	若为false，遇到4xx客户端错误码时抛出NonTransientAiException且不重试	false
spring.ai.retry.exclude-on-http-codes	不应触发重试的HTTP状态码列表（将抛出NonTransientAiException）	空
spring.ai.retry.on-http-codes	应触发重试的HTTP状态码列表（将抛出TransientAiException）	空

前缀 spring.ai.zhiPu 用作属性前缀，可用于连接到智谱 AI（ZhiPuAI）

属性	描述	默认值
spring.ai.zhipuai.base-url	连接的目标URL	http://open.bigmodel.cn/api/paas
spring.ai.zhipuai.api-key	API密钥	无

聊天自动配置的启用和禁用现在可通过带有前缀 spring.ai.model.chat 的顶级属性进行配置。
若要启用，设置 spring.ai.model.chat=zhipuai（默认情况下已启用）
若要禁用，设置 spring.ai.model.chat=none（或设置为任何不匹配 zhipuai 的值）

前缀 spring.ai.zhipuai.chat 是用于配置智谱 AI（ZhiPuAI）聊天模型实现的属性前缀。

属性	说明	默认值
spring.ai.zhipuai.chat.enabled (已移除且不再有效)	启用智谱AI聊天模型	true
spring.ai.model.chat	启用智谱AI聊天模型	zhipuai
spring.ai.zhipuai.chat.base-url	可选配置，覆盖spring.ai.zhipuai.base-url以提供聊天专用URL	http://open.bigmodel.cn/api/paas
spring.ai.zhipuai.chat.api-key	可选配置，覆盖spring.ai.zhipuai.api-key以提供聊天专用API密钥	-
spring.ai.zhipuai.chat.options.model	指定使用的智谱AI聊天模型	GLM-3-Turbo（GLM-3-Turbo、GLM-4、GLM-4-Air、GLM-4-AirX、GLM-4-Flash和GLM-4V均指向最新模型版本）
spring.ai.zhipuai.chat.options.maxTokens	聊天补全生成的最大token数。输入token和生成token的总长度受模型上下文长度限制	-
spring.ai.zhipuai.chat.options.temperature	采样温度，取值0到1。较高值（如0.8）使输出更随机，较低值（如0.2）使输出更集中和确定。通常建议调整此参数或top_p，但不要同时调整	0.7
spring.ai.zhipuai.chat.options.topP	温度采样的替代方案——核采样，模型仅考虑概率质量前top_p的token。例如0.1表示仅考虑前10%概率质量的token。通常建议调整此参数或temperature，但不要同时调整	1.0
spring.ai.zhipuai.chat.options.stop	模型将停止生成指定的停止字符，当前仅支持单个停止词，格式为[“stop_word1”]	-
spring.ai.zhipuai.chat.options.user	终端用户的唯一标识符，可帮助智谱AI监控和检测滥用行为	-
spring.ai.zhipuai.chat.options.requestId	客户端传递的参数，必须确保唯一性，用于区分每个请求的唯一标识符。若客户端未提供，平台将默认生成	-
spring.ai.zhipuai.chat.options.doSample	当设为true时启用采样策略。若为false，则采样策略参数temperature和top_p不生效	true
spring.ai.zhipuai.chat.options.proxy-tool-calls	若为true，Spring AI将不会内部处理函数调用，而是代理给客户端。客户端需负责处理函数调用、分派到适当函数并返回结果。若为false（默认），Spring AI将内部处理函数调用。仅适用于支持函数调用的聊天模型	false

可以为 ChatModel 实现覆盖通用的 spring.ai.zhipuai.base-url 和 spring.ai.zhipuai.api-key。如果设置了 spring.ai.zhipuai.chat.base-url 和 spring.ai.zhipuai.chat.api-key 属性，它们将优先于通用属性。当希望为不同的模型使用不同的智谱 AI（ZhiPuAI）账户以及不同的模型端点时，这一功能非常有用。
所有以 spring.ai.zhipuai.chat.options 为前缀的属性，都可以在运行时通过向提示调用（Prompt call）中添加特定于请求的运行时选项（Runtime Options）来进行覆盖。

ZhiPuAiChatOptions.java 类提供了模型配置，例如要使用的模型、温度（temperature）、频率惩罚（frequency penalty）等。

在启动时，可以使用 ZhiPuAiChatModel(api, options) 构造函数或 spring.ai.zhipuai.chat.options.* 属性来配置默认选项。

在运行时，您可以通过向提示调用（Prompt call）中添加新的、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，可以这样做：

ChatResponse response = chatModel.call( new Prompt( "Generate the names of 5 famous pirates.", ZhiPuAiChatOptions.builder() .model(ZhiPuAiApi.ChatModel.GLM_3_Turbo.getValue()) .temperature(0.5) .build() ));

除了针对特定模型的 ZhiPuAiChatOptions 之外，还可以使用一个可移植的 ChatOptions 实例，该实例可以通过 ChatOptionsBuilder#builder() 方法来创建。

创建一个新的 Spring Boot 项目，并将 spring-ai-starter-model-zhipuai 添加到的 pom（或 gradle）依赖项中。

在 src/main/resources 目录下添加一个 application.properties 文件，以启用并配置智谱 AI（ZhiPuAi）聊天模型：

spring.ai.zhipuai.api-key=YOUR_API_KEY

spring.ai.zhipuai.chat.options.model=glm-4-air spring.ai.zhipuai.chat.options.temperature=0.7

这将创建一个 ZhiPuAiChatModel 实现，可以将其注入到类中。以下是一个简单的 @Controller 类示例，该类使用聊天模型进行文本生成。

@RestController public class ChatController { private final ZhiPuAiChatModel chatModel; @Autowired public ChatController(ZhiPuAiChatModel chatModel) { this.chatModel = chatModel; } @GetMapping("/ai/generate") public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) { return Map.of("generation", this.chatModel.call(message)); } @GetMapping("/ai/generateStream") public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) { var prompt = new Prompt(new UserMessage(message)); return this.chatModel.stream(prompt); } 
 }

ZhiPuAiChatModel 实现了 ChatModel 和 StreamingChatModel 接口，并使用低级别的 ZhiPuAiApi 客户端来连接到智谱 AI（ZhiPuAI）服务。

将 spring-ai-zhipuai 依赖项添加到项目的 Maven pom.xml 文件中：

<dependency> <groupId>org.springframework.ai 
        groupId> <artifactId>spring-ai-zhipuai 
         artifactId> 
  
       dependency>

接下来，创建一个 ZhiPuAiChatModel 实例，并使用它进行文本生成：

var zhiPuAiApi = new ZhiPuAiApi(System.getenv(“ZHIPU_AI_API_KEY”)); var chatModel = new ZhiPuAiChatModel(this.zhiPuAiApi, ZhiPuAiChatOptions.builder()
  .model(ZhiPuAiApi.ChatModel.GLM_3_Turbo.getValue()) .temperature(0.4) .maxTokens(200) .build()); 
 ChatResponse response = this.chatModel.call(
 new Prompt("Generate the names of 5 famous pirates.")); 
 // Or with streaming responses Flux<ChatResponse> streamResponse = this.chatModel.stream(
 new Prompt("Generate the names of 5 famous pirates."));

ZhiPuAiChatOptions 为聊天请求提供了配置信息。ZhiPuAiChatOptions.Builder 是一个流畅的选项构建器（fluent options builder）。

ZhiPuAiApi 提供了一个轻量级的 Java 客户端，用于访问智谱 AI 的 API。

以下是一个简单的代码片段，展示了如何以编程方式使用该 API：

ZhiPuAiApi zhiPuAiApi = new ZhiPuAiApi(System.getenv("ZHIPU_AI_API_KEY"));

ChatCompletionMessage chatCompletionMessage =

new ChatCompletionMessage("Hello world", Role.USER);

// Sync request ResponseEntity<ChatCompletion> response = this.zhiPuAiApi.chatCompletionEntity(

new ChatCompletionRequest(List.of(this.chatCompletionMessage), ZhiPuAiApi.ChatModel.GLM_3_Turbo.getValue(), 0.7, false));

// Streaming request Flux<ChatCompletionChunk> streamResponse = this.zhiPuAiApi.chatCompletionStream(

 new ChatCompletionRequest(List.of(this.chatCompletionMessage), ZhiPuAiApi.ChatModel.GLM_3_Turbo.getValue(), 0.7, true));

Spring AI 整合聊天模型之智谱AI

相关推荐