【Ai生态开发】Spring AI上架，打造专属业务大模型，AI开发再也不是难事！

大家好 这里是苏泽 后端是工作 ai是兴趣 

对于ai的产生我的立场是拥抱ai的  是希望拿他作为提升能力的工具  那么这一篇带大家来学习如何使用ai打造一个专属的业务大模型 

需求 就是说假设现在有一个 商城系统 里面有查询订单的api和获取商品购买方式的api   用户只需要输入 “帮我看看我前几天买过最便宜的衣服”  经过语言处理 ai就能够调用 查询订单的api并在里面自动的添加查询条件以及 排序条件  这是我们的目标  本文就是来讲解实现这样的目标

Spring AI介绍

Spring AI 是 AI 工程师的一个应用框架，它提供了一个友好的 API 和开发 AI 应用的抽象，旨在简化 AI 应用的开发工序。

提供对常见模型的接入能力，目前已经上架 https://start.spring.io/，提供大家测试访问。（请注意虽然已经上架 start.spring.io，但目前还是在 Spring 私服，未发布至 Maven 中央仓库）

基本知识讲解：

函数调用

函数调用（Function Calling）是OpenAI在2023年6月13日对外发布的新能力。根据OpenAI官方博客描述，函数调用能力可以让大模型输出一个请求调用函数的消息，其中包含所需调用的函数信息、以及调用函数时所携带的参数信息。这是一种将大模型（LLM）能力与外部工具/API连接起来的新方式。

比如用户输入:

What’s the weather like in Tokyo?

使用function calling，可实现函数执行get_current_weather(location: string)，从而获取函数输出，即得到对应地理位置的天气情况。这其中，location这个参数及其取值是借助大模型能力从用户输入中抽取出来的，同时，大模型判断得到调用的函数为get_current_weather。

开发人员可以使用大模型的function calling能力实现：

• 在进行自然语言交流时，通过调用外部工具回答问题（类似于ChatGPT插件）；
• 将自然语言转换为调用API调用，或数据库查询语句；
• 从文本中抽取结构化数据
• 其它

  实现步骤

  1. 添加依赖

         org.springframework.boot      spring-boot-starter-web          org.springframework.ai      spring-ai-openai-spring-boot-starter                     spring-milestones          Spring Milestones          https://repo.spring.io/milestone                        false                  

  2. 配置 OpenAI 相关参数

  spring:

    ai:

      openai:

        base-url: # 支持 openai-sb、openai-hk 等中转站点，如用官方则不填

        api-key: sk-xxxx

   

  3.创建一个Spring Controller处理HTTP请求。

  在Spring项目中创建一个Controller类，用于处理提取要素的HTTP请求和生成调用的API和变量集合。

  import com.google.gson.Gson;import org.springframework.beans.factory.annotation.Autowired;import org.springframework.http.ResponseEntity;import org.springframework.web.bind.annotation.PostMapping;import org.springframework.web.bind.annotation.RequestBody;import org.springframework.web.bind.annotation.RestController;import java.util.HashMap;import java.util.Map;@RestControllerpublic class ElementExtractionController {    @Autowired    private ElementExtractionService elementExtractionService;    @PostMapping("/extract-elements")    public ResponseEntity extractElements(@RequestBody String userInput) {        Map result = elementExtractionService.extractElements(userInput);        return ResponseEntity.ok(result);    }}

  3.创建一个ElementExtractionService服务类来提取要素

  创建一个服务类，用于封装提取要素的逻辑。在这个服务类中，可以使用自然语言处理技术来分析用户输入并提取需求和变量。可以使用现有的开源NLP库或API，如NLTK、SpaCy、Stanford CoreNLP、Google Cloud Natural Language API等

  这里使用NLTK库来进行文本分析和实体识别，以提取用户输入中的需求和变量：

  import org.springframework.stereotype.Service;import edu.stanford.nlp.simple.Document;import edu.stanford.nlp.simple.Sentence;import java.util.HashMap;import java.util.List;import java.util.Map;@Servicepublic class ElementExtractionService {    public Map extractElements(String userInput) {        // 使用NLTK库进行文本分析和实体识别        Document doc = new Document(userInput);        List sentences = doc.sentences();        // 提取需求        String requirement = extractRequirement(sentences);        // 提取变量        Map variables = extractVariables(sentences);        // 构建结果        Map result = new HashMap();        result.put("api", requirement);        result.put("variables", variables);        return result;    }    private String extractRequirement(List sentences) {        // 在这里根据实际需求，从句子中提取需求        // 可以使用关键词提取、模式匹配等方法        // 这里示例直接返回第一句话作为需求        if (!sentences.isEmpty()) {            return sentences.get(0).text();        }        return "";    }    private Map extractVariables(List sentences) {        // 在这里根据实际需求，从句子中提取变量        // 可以使用实体识别、关键词提取等方法        // 这里示例直接从第一句话中提取名词作为变量        Map variables = new HashMap();        if (!sentences.isEmpty()) {            Sentence sentence = sentences.get(0);            for (String word : sentence.words()) {                if (isNoun(word)) {                    variables.put(word, "true");                }            }        }        return variables;    }    private boolean isNoun(String word) {        // 在这里根据实际需求，判断一个词是否为名词        // 可以使用词性标注、词典匹配等方法        // 这里示例简单判断是否以大写字母开头，作为名词的判断条件        return Character.isUpperCase(word.charAt(0));    }}

  那么下一步 ：

  4.封装一个API来操作open ai的Assistants API

  创建一个Spring Service来操作OpenAI Assistants API。

  创建一个服务类，用于封装操作OpenAI Assistants API的逻辑。

  import com.google.gson.Gson;import okhttp3.*;import org.springframework.stereotype.Service;import java.io.IOException;@Servicepublic class OpenAIAssistantsService {    public String callOpenAIAssistantsAPI(String prompt) {        OkHttpClient client = new OkHttpClient();        MediaType mediaType = MediaType.parse("application/json");        JsonObject requestBody = new JsonObject();        requestBody.addProperty("prompt", prompt);        requestBody.addProperty("max_tokens", 32);        requestBody.addProperty("stop", null);        RequestBody body = RequestBody.create(mediaType, requestBody.toString());        Request request = new Request.Builder()                .url(OPENAI_API_URL)                .post(body)                .addHeader("Authorization", "Bearer " + OPENAI_API_KEY)                .build();        try {            Response response = client.newCall(request).execute();            if (response.isSuccessful()) {                String responseBody = response.body().string();                JsonObject jsonObject = new Gson().fromJson(responseBody, JsonObject.class);                return jsonObject.getAsJsonObject("choices")                        .get(0)                        .getAsJsonObject()                        .get("text")                        .getAsString();            } else {                System.out.println("OpenAI Assistants API调用失败: " + response.code() + " - " + response.message());            }        } catch (IOException e) {            System.out.println("OpenAI Assistants API调用异常: " + e.getMessage());        }        return null;    }}

  创建一个自定义函数签名。

  创建一个函数，它将调用其他项目中的API，并返回结果。

  import org.springframework.beans.factory.annotation.Autowired;import org.springframework.stereotype.Service;@Servicepublic class CustomFunctionService {    @Autowired    private OtherAPIService otherAPIService;    public String customFunction(String apiId, String inputParameters) {        // 根据API的ID筛选需要调用的API        String apiEndpoint = getApiEndpoint(apiId);        // 调用其他项目中的API，并进行处理        String result = otherAPIService.callOtherAPI(apiEndpoint, inputParameters);        // 对结果进行处理，并返回        return "处理后的结果：" + result;    }    private String getApiEndpoint(String apiId) {//这里还会有很多具体业务的api就不一一列举了        // 根据API的ID获取相应的API的URL或其他信息        // 这里可以根据实际情况进行实现        if (apiId.equals("api1")) {            return "https://api.example.com/api1";        } else if (apiId.equals("api2")) {            return "https://api.example.com/api2";        } else {            throw new IllegalArgumentException("无效的API ID: " + apiId);        }    }}

  创建一个Spring Controller来调用自定义函数。

  创建一个Controller类，它将调用自定义函数，并返回结果。

  import org.springframework.beans.factory.annotation.Autowired;import org.springframework.http.ResponseEntity;import org.springframework.web.bind.annotation.PostMapping;import org.springframework.web.bind.annotation.RequestBody;import org.springframework.web.bind.annotation.RestController;import java.util.HashMap;import java.util.Map;@RestControllerpublic class CustomFunctionController {    @Autowired    private CustomFunctionService customFunctionService;    @PostMapping("/call-custom-function")    public ResponseEntity callCustomFunction(@RequestBody String userInput) {        String result = customFunctionService.customFunction(userInput);        return ResponseEntity.ok(result);    }}

  在上面提取要素的服务（ElementExtractionService）的基础上，我们可以再封装一个Assistants服务，它将接受用户的请求并调用提取要素的服务。然后，Assistants服务将提取的要素和变量（uid）作为输入传递给封装了OpenAI的服务（OpenAIAssistantsService），并根据要素选择适当的API进行调用，并返回对应的结果。

  import org.springframework.beans.factory.annotation.Autowired;import org.springframework.stereotype.Service;import java.util.Map;@Servicepublic class AssistantsService {    @Autowired    private ElementExtractionService elementExtractionService;    @Autowired    private OpenAIAssistantsService openAIAssistantsService;    public String processUserRequest(String userInput) {        // 提取要素        Map elements = elementExtractionService.extractElements(userInput);        // 获取要素和变量        String requirement = (String) elements.get("api");        Map variables = (Map) elements.get("variables");        String uid = (String) elements.get("uid");        // 调用OpenAI Assistants服务        String result = openAIAssistantsService.callOpenAIAssistantsAPI(requirement, variables, uid);        return result;    }}

  AssistantsService类接受用户的请求，并调用ElementExtractionService来提取要素。然后，它获取要素、变量和uid，并将它们作为参数传递给OpenAIAssistantsService的callOpenAIAssistantsAPI方法。该方法根据要素选择适当的API进行调用，并返回结果。

  具体的业务实现“提取要素”的逻辑部分

  请注意，为了实现这个过程，还需要修改ElementExtractionService中提取要素的逻辑，以确保这个服务能符合具体业务的逻辑  例如我提到的 “帮我看看我买过最便宜的衣服”

  import org.springframework.stereotype.Service;import edu.stanford.nlp.simple.Document;import edu.stanford.nlp.simple.Sentence;import java.util.HashMap;import java.util.List;import java.util.Map;@Servicepublic class ElementExtractionService {    public Map extractElements(String userInput) {        // 使用NLTK库进行文本分析和实体识别        Document doc = new Document(userInput);        List sentences = doc.sentences();        // 提取需求        String requirement = extractRequirement(sentences);        // 提取变量        Map variables = extractVariables(sentences);        // 构建结果        Map result = new HashMap();        result.put("api", requirement);        result.put("variables", variables);        return result;    }    private String extractRequirement(List sentences) {        // 在这里根据实际需求，从句子中提取需求        // 可以使用关键词提取、模式匹配等方法        // 这里示例直接返回第一句话作为需求        if (!sentences.isEmpty()) {            return sentences.get(0).text();        }        return "";    }    private Map extractVariables(List sentences) {        // 在这里根据实际需求，从句子中提取变量        // 可以使用实体识别、关键词提取等方法        // 这里示例从第一句话中提取名词作为变量，并根据特定模式进行匹配        Map variables = new HashMap();        if (!sentences.isEmpty()) {            Sentence sentence = sentences.get(0);            List words = sentence.words();            for (int i = 0; i  
  我将extractVariables方法进行了修改。现在它从第一句话中提取名词作为变量，并且根据特定模式进行匹配。特定模式是判断当前词是否为名词，以及下一个词是否为"的"。如果匹配成功，则将当前词作为变量存储。
   
  这样我们就基本实现了一开始的那个目标：
     
  假设现在有一个 商城系统 里面有查询订单的api和获取商品购买方式的api   用户只需要输入 “帮我看看我前几天买过最便宜的衣服”  经过语言处理 ai就能够调用 查询订单的api并在里面自动的添加查询条件以及 排序条件  这是我们的目标  本文就是来讲解实现这样的目标
     
  更长远的目标：
     
  希望能够开发出一款中间件（作为一个服务被注册到项目当中） 能够作为open ai 和具体项目的桥梁  即在开发配置当中我输入我的已有项目的服务的签名   那这个助手能够根据用户的自然语言输入 自动的去调用执行 项目中已有的各种服务 来做各种各样的复杂的数据库查询 等操作
      
  本文所受启发 参考文献：
   
  Function calling and other API updates: https://openai.com/blog/function-calling-and-other-api-updates
  OpenAI assistants in LangChain: https://python.langchain.com/docs/modules/agents/agent_types/openai_assistants
  Multi-Input Tools in LangChain: https://python.langchain.com/docs/modules/agents/tools/multi_input_tool
  examples/Assistants_API_overview_python.ipynb: https://github.com/openai/opena...
  The Spring Boot Actuator is the one dependency you should include in every project (danvega.dev)
  Assistants API won't allow external web request - API - OpenAI Developer Forum
   
   
  本文只是简单提供一个可行的思路做参考 真正做出可拓展性的ai开发插件道路还很长 先在这立个小flag吧  希望今年能够完成这个小目标  如果有一起开发这个项目的伙伴可以跟我来讨论哦