这是关于使用 Spring AI 与 AWS Bedrock 集成的系列文章的第三篇。主要内容如下:
- 文章系列及前两篇链接:介绍了该系列文章,提供了前两篇关于使用 Spring AI 生成图像和探索嵌入 API 的文章链接。
- 文章重点及注意事项:跳过基本 Spring 概念解释,不详细说明生成 AWS 凭证,执行代码可能产生费用。代码可在 GitHub 仓库获取。
- Amazon Bedrock 介绍:它是完全托管的服务,提供多种领先 AI 公司的基础模型,通过单 API 访问,具有灵活升级等优势,可在服务网站了解更多。
实现步骤:
- Step 0:生成 AWS 密钥并选择基础模型,按步骤获取 AWS 访问密钥,在 Bedrock 中配置模型访问。
- Step 1:使用[https://start.spring.io/]设置项目,选择 Java 17 和 Spring Boot 3.4.1,添加相关依赖,包括 Amazon Bedrock Converse AI 和 Web 依赖,添加 Spring 仓库链接到 pom.xml。
- Step 2:设置配置文件,使用 application.yaml 或 application.properties 格式,配置 AWS 访问密钥和基础模型等信息,模型是唯一必填配置。
- Step 3:创建聊天服务,通过 @Autowired 注入 ChatModel 接口,编写获取响应的方法,只需三行代码即可完成与 AWS Bedrock 聊天模型的集成。
- Step 4:创建 Web 端点,使用 @RestController 注解创建类,注入 ChatService 并使用 @GetMapping 注解创建端点,接收用户提示并传递给聊天服务。
- Step 5:运行应用,使用
mvn spring-boot:run
命令启动,通过 curl 发送请求并获取响应。 - Step 6(可选):通过使用
ChatOptions
接口提供更多模型配置灵活性,可编程构建选项并提供给 ChatClient 接口,可在 Spring AI 文档中找到更多配置选项。
- 结论:Spring AI 是帮助开发者与不同 AI 模型集成的好工具,目前支持多种聊天模型,希望文章能激发对 Spring AI 的深入探索。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。