Spring AI 之 AI核心概念

模型

人工智能（AI）模型是用于处理和生成信息的算法，通常旨在模拟人类的认知功能。这些模型通过从大规模数据集中学习模式和规律，能够生成预测结果、文本、图像或其他形式的输出，从而增强各行业应用的效能。

AI 模型种类繁多，每种模型都适用于特定的应用场景。虽然以 ChatGPT 为代表的生成式 AI 凭借其文本输入和输出能力吸引了大量用户，但许多其他模型和公司也提供了多样化的输入和输出形式。在 ChatGPT 问世之前，文本转图像生成模型（如 Midjourney 和 Stable Diffusion）便已让许多人着迷。

以下表格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。前文表格中的最后一行描述了一种模型，它接受文本作为输入并输出数字，这种操作通常被称为文本嵌入（Embedding），它代表了 AI 模型内部使用的数据结构。Spring AI 对嵌入功能的支持使得开发者能够实现更高级的应用场景。

像 GPT 这类模型之所以与众不同，是因为它们具有预训练（Pre-trained）的特性——这一点从名称中的 “P”（即 Chat Generative Pre-trained Transformer 中的 “Pre-trained”）可以看出。这种预训练特性将 AI 转变为一种通用的开发者工具，使得开发者无需具备深厚的机器学习或模型训练背景，即可直接使用。

提示词

提示词（Prompts）是语言类输入的基础，用于引导 AI 模型生成特定的输出。对于熟悉 ChatGPT 的人来说，提示词可能看起来仅仅是输入到对话框中并发送给 API 的文本。然而，提示词的实际含义远不止于此。在许多 AI 模型中，提示词的文本并非简单的字符串，而是具有更复杂的结构。

ChatGPT 的 API 在单个提示词中支持多个文本输入，并为每个输入分配了角色。例如：

• 系统角色（System Role）：用于定义模型的行为方式，并设定交互的上下文。
• 用户角色（User Role）：通常代表用户的实际输入。

设计有效的提示词既是一门艺术，也是一门科学。ChatGPT 最初是为人类对话设计的，这与通过 SQL 查询“提问”的方式截然不同。使用提示词时，需要像与另一个人对话一样与 AI 模型交流。

这种交互方式的重要性催生了“提示工程（Prompt Engineering）”这一独立领域。目前，已有大量技术用于提高提示词的有效性。投入时间精心设计提示词可以显著改善模型的输出结果。

分享提示词已成为一种普遍实践，且该领域正在开展积极的学术研究。例如，设计一个有效的提示词往往违背直觉（与 SQL 查询形成鲜明对比）。最近的一项研究发现，最有效的提示词之一以“深呼吸，然后一步一步地解决这个问