当前位置： 首页 > news >正文

Spring AI 整合聊天模型之智谱AI

news 2025/6/5 18:52:36

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。

前置作业

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");

自动配置

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>

聊天属性（Chat Properties）

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
连接属性（Connection Properties）

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URLopen.bigmodel.cn/api/paas
spring.ai.zhipuai.api-keyAPI密钥无
配置属性（Configuration Properties）

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URLopen.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。

运行时选项（Runtime Options）

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。

控制器的示例（Sample Controller）

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;@Autowiredpublic 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);}
}

手动配置（Manual Configuration）

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）。

低层级智谱 AI（ZhiPuAi）API 客户端

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));
http://www.xdnf.cn/news/686287.html

相关文章：

  • CloudCompare|点测量功能源码分析
  • 如何手搓一个查询天气的mcp server
  • 嵌入式学习笔记 - 新版Keil软件模拟时钟Xtal灰色不可更改的问题
  • Spring AI 官方文档 AIGC入门到实战 (1) 认识Spring AI
  • Docker 环境搭建与三大数据库（MySQL/Redis/MongoDB）部署教程
  • 探索C++标准模板库（STL）：String接口实践+底层的模拟实现（中篇）
  • 0527漏洞原理：XSS笔记
  • 《深入解析UART协议及其硬件实现》-- 第二篇：UART硬件架构设计与FPGA实现
  • pikachu靶场通关笔记05 XSS关卡01-反射型GET
  • WPS自动换行
  • Rust 学习笔记：循环和迭代器的性能比较
  • Windows下安装并使用kubectl查看K8S日志
  • 可视化提示词（Prompt）在训练过程中的优化过程：visualize_prompt_evolution
  • AI 产品的 MVP 构建逻辑：Prompt 工程 ≠ 产品工程？
  • 【Prompt Engineering】摸索出的一些小套路
  • 弱光环境下如何手持相机拍摄静物：摄影曝光之等效曝光认知
  • 【Android笔记】记一次 CMake 构建 Filament Android 库的完整排错过程（安卓交叉编译、CMake、Ninja）
  • GC1267F：单相全波风扇电机预驱动芯片解析
  • 如何发布npm包？
  • 国标GB28181视频平台EasyGBS视频实时监控：打造城市环境监控全场景解决方案
  • LeetCode 1871. 跳跃游戏 VII（中等）
  • EasyRTC嵌入式音视频实时通话SDK助力AI与IoT智能硬件打造音视频交互多场景应用
  • 力扣热题100之二叉树的中序遍历
  • 【掌握文件操作】（下）：文件的顺序读写、文件的随机读写、文件读取结束的判定、文件缓冲区
  • 【开源工具】跳过网页APP禁止粘贴限制：自动输入键盘模拟工具
  • day12 leetcode-hot100-21（矩阵4）
  • MySQL XtraBackup---笔记
  • 初识Docker：容器化技术的入门指南
  • 关于JavaScript、TypeScript Module的配置和用法
  • Vue 3.0 状态管理Pinia详解