< Introduction >
The Spring AI 项目旨在简化集成人工智能功能的应用程序开发，同时避免不必要的复杂性。
该项目受到诸如LangChain和LlamaIndex等著名Python项目的启发，但Spring AI并不是直接将这些项目移植过来的。 该项目成立时坚信，下一代生成式AI应用不仅限于Python开发者，而是将在多种编程语言中无处不在。
Spring AI 解决了 AI 集成的基本挑战：将您的企业数据和 API 与 AI 模型相连接。 |
Spring AI 提供了抽象层，作为开发 AI 应用程序的基础。 这些抽象层有多种实现方式，使得在最小代码更改的情况下可以轻松更换组件。
Spring AI 提供以下功能：
-
Spring AI框架文档网站的Java开发中提供了来自不同AI提供商的聊天、文本转图片和嵌入模型的便携式API支持。同时支持同步和流式API选项，并可访问特定于模型的功能。
-
支持所有主要的AI模型提供商，如Anthropic、OpenAI、Microsoft、Amazon、Google 和 Ollama。支持的模型类型包括：
-
结构化输出 - 将AI模型输出映射到POJOs。
-
支持所有主要的向量数据库提供商，如Apache Cassandra、Azure Cosmos DB、Azure Vector Search、Chroma、Elasticsearch、GemFire、MariaDB、Milvus、MongoDB Atlas、Neo4j、OpenSearch、Oracle、PostgreSQL/PGVector、Pinecone、Qdrant、Redis、SAP Hana、Typesense和Weaviate。
-
跨向量存储提供者的可移植API，包括一种新颖的类似SQL的元数据筛选API。
-
工具/函数调用 - 允许模型请求执行客户端工具和函数，从而根据需要访问必要的实时信息并采取行动。
-
可观测性 - 提供有关AI相关操作的洞察。
-
数据工程中的文档摄取 ETL框架。
-
AI模型评估 - 用于帮助评估生成内容并防止产生虚假响应的工具。
-
Spring Boot 自动配置和AI模型及向量存储的starter。
-
ChatClient API - Fluent API用于与AI聊天模型通信，语义上类似于WebClient和RestClient API。
-
顾问API - 封装了反复出现的生成式AI模式，将数据转换为和从语言模型（LLMs）发送和接收，并提供跨各种模型和应用场景的可移植性。
-
支持 聊天对话记忆 和 检索增强生成（RAG）。
此功能集可以让您实现常见的用例，例如“通过您的文档进行问答”或“与您的文档聊天”。
The 概念部分提供了关于AI概念及其在Spring AI中的表示的高层次概述。
The 入门指南部分介绍了如何创建您的第一个AI应用。 后续章节将深入介绍每个组件及其常见的用例，并采用代码导向的方法。