机器学习：
- 定义：人工智能的子领域，通过数据驱动的方法让计算机学习规律，进行预测或决策。
-
核心方法：
-
监督学习（如线性回归、SVM）。
-
无监督学习（如聚类、降维）。
-
强化学习（如Q-learning）。
-
-
特点：依赖特征工程，模型复杂度较低，适用于中小型数据。
深度学习：
- 定义：基于深层神经网络的机器学习方法，可自动提取特征。
-
关键技术：
-
神经网络架构：CNN（图像）、RNN/LSTM（序列数据）、Transformer。
-
优化算法：反向传播、梯度下降（如Adam优化器）。
-
-
优势：处理高维数据（如图像、文本），减少人工特征工程。
自然语言处理：
-
目标：使计算机理解、生成人类语言。
-
技术演进：
-
传统方法：词袋模型、TF-IDF、隐马尔可夫模型。
-
深度学习方法：词嵌入（Word2Vec）、预训练模型（BERT、GPT）。
-
-
任务：机器翻译、情感分析、文本生成等。
大语言模型：
-
定义：参数量巨大（数亿至万亿）的深度学习模型，专注于语言任务。
-
代表模型：GPT系列、BERT、T5。
-
核心技术：
-
Transformer架构：自注意力机制（捕捉长距离依赖）。
-
预训练与微调：在大规模语料上预训练（如掩码语言建模），再针对下游任务微调。
-
大模型底层原理：
T：基于Transformer的神经网络
P：通过大量数据预训练，掌握自然语言规律
G：基于上文计算概率，生成下一个token
模型部署：
云部署：
优点：前期成本低、部署维护简单、弹性扩展、全球访问
缺点：数据隐私、网络依赖、长期成本高
本地部署：
优点：数据安全、不依赖外部网络、长期成本低、高度定制
缺点：初始成本高、维护复杂、部署周期长
开放API：
优点：前期成本极低、无需部署、无需维护、全球访问
缺点：数据隐私、网络依赖、长期成本高、定制限制
调用大模型：
传统应用和大模型应用：
大模型应用是基于大模型的推理、分析、生成能力，结合传统编程能力，开发出的各种应用
AI应用开发技术架构：
Fine-tuning（模型微调）
针对特有业务场景对基础大模型做数据训练与微调，以满足特定场景的需求。
SpringAI：
是一个大模型应用框架。其目标是将Spring生态系统的设计原则（如可移植性的模块化设计）应用于人工智能邻域。可以无缝接入Spring生态体系，快速改造传统项目。
对话机器人-入门
引入依赖：
配置模型：
配置客户端：
创建项目：
引入依赖自动完成
配置：
创建包config，包下创建相应类
创建controller包，包下创建相应的类：
手动加入
阻塞式，响应时间较长
流式默认采用event事件流，默认情况没有编码
需要在@RequestMapping注解后自己设置响应的类型
system设定：
这里是controller和前端的对话
对话机器人-会话日志
对chatclinet做修改加入环绕增强
修改配置文件，新增日志相关：
在application.yaml加入
日志功能通过环绕通知来去实现的
对话机器人-前端对接
解决跨域问题
对话机器人-会话记忆
步骤：
定义会话存储方式：
存储在内部的会话记忆
配置会话记忆：
添加会话id：
第三排：匿名环绕增强器
配置类中
添加
对话机器人-会话历史
新增接口：
public interface ChatHistoryRepository {
/**
* 保存会话记录
* @param type
* @param charId
*/
void save(String type,String charId);
/**
* 获取会话记录
* @param type
* @return
*/
List<String> getChatIds(String type);
}
接口实现：
/**
* @author TonySong
* @date 2025/4/12 0012
* @time 10:35
*/
@Component
public class InMemoryChatRepository implements ChatHistoryRepository{
private final Map<String,List<String>> chatHistory= new HashMap<>();
@Override
public void save(String type, String charId) {
// if(!chatHistory.containsKey(type)){
// chatHistory.put(charId,new ArrayList<>());
// }
// List<String> charIds = chatHistory.get(type);
List<String> charIds = chatHistory.computeIfAbsent(type, k -> new ArrayList<>());
if(charIds.contains(charId)){
return;
}
charIds.add(charId);
}
@Override
public List<String> getChatIds(String type) {
// List<String> list = chatHistory.get(type);
// return list==null? List.of():list;
return chatHistory.getOrDefault(type,List.of());
}
}
修改会话实现：
/**
* @author TonySong
* @date 2025/4/11 0011
* @time 17:39
*/
@RestController
@RequestMapping("/ai")
@RequiredArgsConstructor//启用带参构造完成创建
public class ChatController {
private final ChatClient chatClient;
private final ChatHistoryRepository chatHistoryRepository;
@RequestMapping(value = "/chat",produces = "text/html;charset=utf-8")
public Flux<String> chat(@RequestParam(value = "message",defaultValue = "你是谁") String message) {
//1、保存会话
chatHistoryRepository.save("chat",message);
//2、获取会话
return chatClient
.prompt()
.user(message)
.stream()
.content();
}
}