文章目录
OpenAI Chat先决条件添加仓库和 BOM 自动装配（Auto-configuration ）Chat 属性（Chat Properties）重试属性连接属性（Connection Properties）配置属性 Chat Options函数调用（Function Calling）自动装配案例（Sample Controller Auto-configuration）手动配置案例Low-level OpenAiApi Client 示例代码
OpenAI Chat
Spring AI 支持 OpenAI 的 AI 语言模型 ChatGPT。ChatGPT 激发人们对 AI 驱动文本生成的兴趣，这要归功于它创建了行业领先的文本生成模型和嵌入向量。
先决条件
您需要使用 OpenAI 创建一个 API 才能访问 ChatGPT 模型。在 OpenAI 注册页面创建一个帐户，并在 API 密钥页面生成令牌。Spring AI 项目定义了一个名为 spring.ai.openai.api-key 的配置属性，您应将 openai.com 获取的API Key 对这个变量进行赋值。生效该配置的一种方法是设置环境变量：
export SPRING_AI_OPENAI_API_KEY=<INSERT KEY HERE>添加仓库和 BOM
Spring AI artifacts 发布在 Spring Milestone 和 Snapshot 仓库中。请参阅 03. 开始章节 的 Add Milestone and Snapshot Repositories 部分，将这些依赖包添加到您的工程项目中。
为了帮助依赖关系管理，Spring AI 提供了一个 BOM，以确保在整个项目中使用一致的 Spring AI 版本。请参阅 03. 开始章节 的 Dependency Management 部分，将 Spring AI BOM 添加到您的工程项目中。
自动装配（Auto-configuration ）
Spring AI 为 OpenAI Chat Client 提供了 Spring Boot 自动装配。若要启用它，请将以下依赖项添加到项目的 Maven pom.xml 文件：
<dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-openai-spring-boot-starter</artifactId></dependency>或添加到您的 Gradle build.gradle 构建文件。
dependencies { implementation 'org.springframework.ai:spring-ai-openai-spring-boot-starter'}请参阅 03. 开始章节 的 Dependency Management 部分，将 Spring AI BOM 添加到构建文件中
Chat 属性（Chat Properties）
重试属性
属性前缀为spring.ai.retry，用于配置 OpenAI 聊天客户端的重试机制。
| 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睡眠持续时间。 | 2 sec. |
| spring.ai.retry.backoff.multiplier | 退避策略间隔倍数。 | 5 |
| spring.ai.retry.backoff.max-interval | 最大退避持续时间。 | 3 min. |
| spring.ai.retry.on-client-errors | 如果为 false，则引发 NonTransientAiException，并且对4xx客户端错误代码不尝试重试 | false |
| spring.ai.retry.exclude-on-http-codes | 不触发重试的 HTTP 状态代码列表（例如，抛出 NonTransientAiException）。 | empty |
连接属性（Connection Properties）
属性前缀为 spring.ai.openai
| 属性 | 描述 | 默认值 |
|---|---|---|
| spring.ai.openai.base-url | 要连接到的 openai URL | api.openai.com |
| spring.ai.openai.api-key | 访问 api 的 key，在 OpenAI 的秘钥管理里获取 | - |
配置属性
属性前缀为spring.ai.openai.chat，可用于配置 OpenAI 的聊天客户端属性。
| 属性 | 描述 | 默认值 |
|---|---|---|
| spring.ai.openai.chat.enabled | 启用 OpenAI 聊天客户端。 | true |
| spring.ai.openai.chat.base-url | 可选项，配置的情况下会在聊天的场景下覆盖 spring.ai.openai.base-url | - |
| spring.ai.openai.chat.api-key | 可选项，配置的情况下会在聊天的场景下覆盖 spring.ai.openai.api-key | - |
| spring.ai.openai.chat.options.model | 要使用的 OpenAI 聊天模型 | gpt-3.5-turbo （gpt-3.5-turbo gpt-4 和 gpt-4-32k 都是使用最新的版本） |
| spring.ai.openai.chat.options.temperature | 要使用的模型温度，用于控制生成数据的创造力。较高的值将使输出更具随机性，而较低的值将使结果更具针对性和确定性。不建议对一个请求同时配置 temperature 和 top_p，因为这两个参数同时生效将导致结果难以预测。 | 0.8 |
| spring.ai.openai.chat.options.frequencyPenalty | 介于 -2.0 和 2.0 之间的数字。到目前为止，正值会根据在文本中的出现频率来惩罚新令牌，从而降低模型重复同一行的可能性。 | 0.0f |
| spring.ai.openai.chat.options.logitBias | 修改特殊令牌在对话中出现的可能性。 | - |
| spring.ai.openai.chat.options.maxTokens | 聊天对话返回的最大令牌数。输入令牌数和生成令牌数的总长度受模型上下文长度的限制。 | - |
| spring.ai.openai.chat.options.n | 为每条输入消息生成多少个对话选项。请注意，将根据所有选项生成的令牌总数付费。将 n 保留为 1 以最大程度地降低成本。 | 1 |
| spring.ai.openai.chat.options.presencePenalty | 介于 -2.0 和 2.0 之间的数字。正值会根据到目前为止的新令牌是否出现在文本中来惩罚它们，从而增加模型谈论新主题的可能性。 | - |
| spring.ai.openai.chat.options.responseFormat | 一个对象，指定模型必须输出的格式。设置为 { “type”: “json_object” } 启用 JSON 模式，该模式可保证模型生成的消息是有效的 JSON。 | - |
| spring.ai.openai.chat.options.seed | 此功能处于测试阶段。如果指定，我们的系统将尽最大努力确定性采样，以便具有相同seed和参数的重复请求返回相同的结果。 | - |
| spring.ai.openai.chat.options.stop | 最多 4 个序列（sequences），API 将停止生成更多令牌。 | - |
| spring.ai.openai.chat.options.topP | 温度采样的替代方法，称为核采样，其中模型考虑概率质量排序top_p的令牌的结果。因此，0.1 表示仅考虑包含前 10% 概率质量的令牌。我们通常建议改变这个或温度，但不要同时改变两者。 | - |
| spring.ai.openai.chat.options.tools | 模型可以调用的工具列表。目前，仅支持将函数作为工具。这个参数可以把以JSON格式输入的函数列表提供给模型 | - |
| spring.ai.openai.chat.options.toolChoice | 控制模型调用哪个（如果有）函数。none 表示模型不会调用函数，而是生成消息。auto 表示模型可以在生成消息或调用函数之间进行选择。通过 {“type： ”function“， ”function“： {”name“： ”my_function“}} 指定特定函数会强制模型调用该函数。当不存在任何函数时，none 是默认值。如果存在函数，则 auto 是默认值。 | - |
| spring.ai.openai.chat.options.user | 代表您的终端用户的唯一标识符，可以帮助 OpenAI 监控和检测滥用行为。 | - |
| spring.ai.openai.chat.options.functions | 函数列表，由其名称标识，启用时单个提示词请求中会调用函数。具有这些名称的函数必须存在于 functionCallbacks 注册表中。 |
您可以对 ChatClient 和 EmbeddingClient 覆盖公共配置项 spring.ai.openai.base-url 和 spring.ai.openai.api-key。如果设置了 spring.ai.openai.chat.base-url 和 spring.ai.openai.chat.api-key 属性，则优先于公共属性。如果您想为不同的模型和不同的模型端点使用不同的 OpenAI 帐户，这将非常有用。
所有以前缀 spring.ai.openai.chat.options 为前缀的属性都可以在运行时被覆盖，只需要通过向 Prompt 添加自定义的 Chat Options 就可以实现。
Chat Options
OpenAiChatOptions.java提供模型配置，例如要使用的模型、温度、频率处罚等。
在启动时，可以使用OpenAiChatClient(api, options)构造函数或spring.ai.openai.chat.options.*属性配置默认选项。
在运行时，您可以通过向 Prompt 调用添加新的自定义的 Chat Options 来覆盖默认选项。例如，要覆盖请求的默认模型和温度：
ChatResponse response = chatClient.call( new Prompt( "Generate the names of 5 famous pirates.", OpenAiChatOptions.builder() .withModel("gpt-4-32k") .withTemperature(0.4) .build() ));除了使用 OpenAiChatOptions 之外，您还可以使用使用 ChatOptionsBuilder#builder() 创建的可移植 ChatOptions 实例。
函数调用（Function Calling）
您可以向 OpenAiChatClient 注册自定义 Java 函数，并让 OpenAI 模型输出包含参数的 JSON 对象，智能地选择调用一个或多个已注册的函数。这是将LLM功能与外部工具和 API 关联起来的强大技术。
自动装配案例（Sample Controller Auto-configuration）
创建一个新的 Spring Boot 项目，并将spring-ai-openai-spring-boot-starter添加到 pom（或 gradle）依赖项。
在 src/main/resources 目录下添加一个 application.properties 文件，以启用和配置 OpenAi Chat 客户端：
spring.ai.openai.api-key=YOUR_API_KEYspring.ai.openai.chat.options.model=gpt-3.5-turbospring.ai.openai.chat.options.temperature=0.7api-key 替换为您的 OpenAI 凭据。
自动装配会创建一个可以注入的 OpenAiChatClient 实现。下面是一个使用 chat client 生成文本的简单的 @Controller 的示例。
@RestControllerpublic class ChatController { private final OpenAiChatClient chatClient; @Autowired public ChatController(OpenAiChatClient chatClient) { this.chatClient = chatClient; } @GetMapping("/ai/generate") public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) { return Map.of("generation", chatClient.call(message)); } @GetMapping("/ai/generateStream")public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) { Prompt prompt = new Prompt(new UserMessage(message)); return chatClient.stream(prompt); }}手动配置案例
OpenAiChatClient 实现ChatClient和StreamingChatClient 接口，并使用 Low-level OpenAiApi Client 连接到 OpenAI 服务。
首先将依赖项添加到项目的 Maven pom.xml 文件：
<dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-openai</artifactId></dependency>或添加到您的 Gradle build.gradle 构建文件。
dependencies { implementation 'org.springframework.ai:spring-ai-openai'}请参阅 03. 开始章节 的 Dependency Management 部分，将 Spring AI BOM 添加到构建文件中
接下来，创建一个 OpenAiChatClient 并将其用于文本生成：
var openAiApi = new OpenAiApi(System.getenv("OPENAI_API_KEY"));var chatClient = new OpenAiChatClient(openAiApi) .withDefaultOptions(OpenAiChatOptions.builder() .withModel("gpt-35-turbo") .withTemperature(0.4) .withMaxTokens(200) .build());ChatResponse response = chatClient.call( new Prompt("Generate the names of 5 famous pirates."));// Or with streaming responsesFlux<ChatResponse> response = chatClient.stream( new Prompt("Generate the names of 5 famous pirates."));OpenAiChatOptions提供了聊天请求需要的配置信息.OpenAiChatOptions.Builder是链式调用构建器。
Low-level OpenAiApi Client
OpenAiApi 是 OpenAI Chat API 的轻量级 Java 客户端。
以下类图说明了OpenAiApi 接口 和 构建基块：
下面是一个如何使用 API 的简单代码段：
OpenAiApi openAiApi = new OpenAiApi(System.getenv("OPENAI_API_KEY"));ChatCompletionMessage chatCompletionMessage = new ChatCompletionMessage("Hello world", Role.USER);// Sync requestResponseEntity<ChatCompletion> response = openAiApi.chatCompletionEntity( new ChatCompletionRequest(List.of(chatCompletionMessage), "gpt-3.5-turbo", 0.8f, false));// Streaming requestFlux<ChatCompletionChunk> streamResponse = openAiApi.chatCompletionStream( new ChatCompletionRequest(List.of(chatCompletionMessage), "gpt-3.5-turbo", 0.8f, true));请关注 OpenAiApi.java 的 JavaDoc 以获取更多信息。
示例代码
测试类 OpenAiApiIT.java 提供了一些如何使用轻量级库的一般示例。
测试类 OpenAiApiToolFunctionCallIT.java 演示如何使用 low-level API 调用工具函数。属于基于 OpenAI 函数调用教程。
