springboot接入springai-openAi代理和智谱ai调用示例

这里写自定义目录标题

- 背景
- 配置
- 具体代码
- 总结

背景

一说到调用openAI的api或者做一些小项目，大部分例子都是python或者node实现的，后来发现spring出了对于openai的支持框架，所以尝试用一用。这里是SpringAI的地址，有兴趣的可以去官网看：Spring AI

配置

首先声明，因为我是从0搭建的项目，所以我用的全部都是最新版，JDK22，springboot3.3.0，以下是对于spring AI的引用：

java 复制代码

<properties>
        <java.version>17</java.version>
        <spring-ai.version>1.0.0-M1</spring-ai.version>
        <spring-cloud.version>2023.0.0</spring-cloud.version>
    </properties>
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-zhipuai-spring-boot-starter</artifactId>
        </dependency>

因为众所周知的原因，国内调用openAI是掉不通的，所以就出现了众多的代理服务，所以代码中也不能去调用openAI的官方域名，要改成自己的配置，此处打广告：代理地址，可以通过我的推荐链接注册：smnet1，会赠送¥1000 token

如下：

java 复制代码

spring:
  ai:
    openai:
      # 全局配置
      api-key: sk-this-is-key # 申请的api-key
      base-url: https://api.smnet1.asia/ #代理地址，可以通过我的推荐链接注册：https://api.smnet1.asia/register?aff=xg61，会赠送¥1000 token
      # 嵌入API配置
      embedding:
        options:
          model: kimi  #我使用的代理支持多种模型，所以这里填写自己想用的模型就可以
      # 聊天API配置
      chat:
        #指定某一个API配置(覆盖全局配置)
        api-key: sk-this-is-key # 申请的api-key
        base-url: https://api.smnet1.asia/ #openAi访问地址(不写默认)
        options:
          model: kimi #我使用的代理支持多种模型，所以这里填写自己想用的模型就可以
    zhipuai:
      api-key: this-is-zhipu-key # 申请的api-key
      base-url: https://open.bigmodel.cn/api/paas/ #填写zhipu的访问地址
      chat:
        enabled: true

具体代码

配置搞好了，就到了实际使用的部分，这个真的开箱即用，如果没啥个性化需求的话，不需要另外的配置了，直接开调：

java 复制代码

@RestController
@RequestMapping("/ai")
public class ChatController {

    @Autowired
    private OpenAiChatModel chatClient;

    @GetMapping(value = "/easyChat", params = "message", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
    public Flux<ServerSentEvent<String>> easyChat(@RequestParam String message) {
        System.out.println(1111);
        //Prompt prompt = new Prompt(message); 如果这里不想另外指定，直接用这个就可以
        Prompt prompt = new Prompt(message, OpenAiChatOptions.builder()
                .withModel("kimi") //大模型用哪个
                .withTemperature(0.9f) //温度高，更发散,准确性降低，温度低，更保守，准确性高
                .build());
        System.out.println(chatClient.call(prompt)); //如果想直接拿到结果，用这个call方法就可以
        

//下面是流类型的返回，一个字一个字的返回，如果你像我一样用kimi，kimi不支持这样，需要用
        return chatClient.stream(prompt)
                .filter(Objects::nonNull)
                .filter(chatResponse -> chatResponse.getResults() != null)
                .flatMap(chatResponse -> Flux.fromIterable(chatResponse.getResults()))
                .filter(Objects::nonNull)
                .map(Generation::getOutput)
                .filter(Objects::nonNull)
                .filter(content -> Objects.nonNull(content.getContent()))
                .map(AssistantMessage::getContent)
                .filter(Objects::nonNull)
                .map(content -> ServerSentEvent.builder(content).build())
                .doOnNext(System.out::println)
                .concatWith(Flux.just(ServerSentEvent.builder("complete").build())); // Optionally, you can add a completion signal
    }
}

总结

现在想使用大模型真的门槛超低了，不管是直接使用还是api调用，怎么用这个问题解决起来还是很快的，不过我的问题大部分还是不知道用它做什么，我自己的能力不足以支撑我很好的使用它。