31_Spring AI 干货笔记之嵌入模型 Amazon Bedrock

一、Amazon Bedrock

根据 Bedrock 的建议,Spring AI 已过渡到使用 Amazon Bedrock 的 Converse API 来实现 Spring AI 中的所有聊天对话功能。Bedrock Converse API 具有以下主要优势:

  • 统一接口: 编写一次代码,即可用于任何受支持的 Amazon Bedrock 模型

  • 模型灵活性: 无需更改代码即可在不同对话模型之间无缝切换

  • 扩展功能: 通过专用结构支持特定于模型的参数

  • 工具支持: 原生集成函数调用和工具使用能力

  • 多模态能力: 内置支持视觉和其他多模态功能

  • 面向未来: 符合 Amazon Bedrock 推荐的最佳实践

Converse API 不支持嵌入操作,因此这些操作将保留在当前 API 中,并且现有 InvokeModel API 中的嵌入模型功能将保持不变。

Amazon Bedrock 是一项托管服务,它通过统一的 API 提供来自多个 AI 提供商的基础模型。

Spring AI 通过实现 Spring EmbeddingModel 接口,支持可通过 Amazon Bedrock 使用的 嵌入 AI 模型

此外,Spring AI 为所有客户端提供 Spring 自动配置和 Boot Starter,使得为 Bedrock 模型进行引导和配置变得简单。

二、开始使用

开始使用有几个步骤:

  • 将适用于 Bedrock 的 Spring Boot starter 添加到您的项目中。

  • 获取 AWS 凭证:如果您还没有 AWS 账户和配置好的 AWS CLI,此视频指南 可以帮助您配置:在 4 分钟内完成 AWS CLI 和 SDK 设置!。您应该能够获取您的访问密钥和安全密钥。

  • 启用要使用的模型:转到 Amazon Bedrock,从左侧的 模型访问 菜单中,配置对您将使用的模型的访问权限。

2.1 项目依赖项

然后,将 Spring Boot Starter 依赖项添加到项目的 Maven pom.xml 构建文件中:

xml 复制代码
<dependency>
    <artifactId>spring-ai-starter-model-bedrock</artifactId>
    <groupId>org.springframework.ai</groupId>
</dependency>

或添加到您的 Gradle build.gradle 构建文件中:

groovy 复制代码
dependencies {
    implementation 'org.springframework.ai:spring-ai-starter-model-bedrock'
}

请参阅 依赖管理 部分,将 Spring AI BOM 添加到您的构建文件中。

2.2 连接到 AWS Bedrock

使用 BedrockAwsConnectionProperties 来配置 AWS 凭证和区域:

yaml 复制代码
spring.ai.bedrock.aws.region=us-east-1

spring.ai.bedrock.aws.access-key=YOUR_ACCESS_KEY
spring.ai.bedrock.aws.secret-key=YOUR_SECRET_KEY

spring.ai.bedrock.aws.timeout=10m

region 属性是必需的。

AWS 凭证按以下顺序解析:

  • Spring-AI Bedrock 的 spring.ai.bedrock.aws.access-key 和 spring.ai.bedrock.aws.secret-key 属性。

  • Java 系统属性 - aws.accessKeyId 和 aws.secretAccessKey。

  • 环境变量 - AWS_ACCESS_KEY_ID 和 AWS_SECRET_ACCESS_KEY。

  • 来自系统属性或环境变量的 Web 身份令牌凭证。

  • 所有 AWS SDK 和 AWS CLI 共享的默认位置(~/.aws/credentials)的凭证配置文件。

  • 如果设置了 AWS_CONTAINER_CREDENTIALS_RELATIVE_URI 环境变量并且安全管理器有权访问该变量,则通过 Amazon EC2 容器服务传递的凭证。

  • 通过 Amazon EC2 元数据服务传递的实例配置文件凭证或设置 AWS_ACCESS_KEY_ID 和 AWS_SECRET_ACCESS_KEY 环境变量。

AWS 区域按以下顺序解析:

  • Spring-AI Bedrock 的 spring.ai.bedrock.aws.region 属性。

  • Java 系统属性 - aws.region。

  • 环境变量 - AWS_REGION。

  • 所有 AWS SDK 和 AWS CLI 共享的默认位置(~/.aws/credentials)的凭证配置文件。

  • 通过 Amazon EC2 元数据服务传递的实例配置文件区域。

除了标准的 Spring-AI Bedrock 凭证和区域属性配置外,Spring-AI 还支持自定义的 AwsCredentialsProvider 和 AwsRegionProvider bean。

例如,同时使用 Spring-AI 和 Spring Cloud for Amazon Web Services。Spring-AI 与 Spring Cloud for Amazon Web Services 的凭证配置兼容。

2.3 启用选定的 Bedrock 模型

默认情况下,所有模型都是禁用的。您必须使用 spring.ai.bedrock..embedding.enabled=true 属性显式启用所选的 Bedrock 模型。

以下是支持的 值:

例如,要启用 Bedrock Cohere 嵌入模型,您需要设置 spring.ai.bedrock.cohere.embedding.enabled=true。

接下来,您可以使用 spring.ai.bedrock..embedding.* 属性来配置每个模型,如下所述。

更多信息,请参阅下面每个受支持模型的文档。

  • Spring AI Bedrock Cohere 嵌入:spring.ai.bedrock.cohere.embedding.enabled=true

  • Spring AI Bedrock Titan 嵌入:spring.ai.bedrock.titan.embedding.enabled=true

相关推荐
ZGIAI4 小时前
ZGI Workflow:条件分支走错时先查哪一层
人工智能·架构
X54先生(人文科技)4 小时前
《元创力》纪实录 · 桥段 《窑变纪元:一份来自星历2227年的深空考古笔记》
人工智能·开源·ai写作·零知识证明
ZGIAI4 小时前
ZGI 文件产物:生成报告后怎样交付
人工智能·架构
东方-教育技术博主4 小时前
自动编码在教育场景中的重要性:一项基于多源证据的深度综述
大数据·人工智能
骥龙4 小时前
模块二:Ollama本地模型部署与OpenCode代理配置
人工智能
阡之尘埃4 小时前
Python数据分析案例85——大模型微调全流程(SFT的LoRA微调)
人工智能·python·深度学习·语言模型·llm·微调·千问
Regentsoft丽晶软件4 小时前
品牌方新品上市促销政策无法实时同步经销商,有没有支持总部-经销商-终端一站式的分销解决方案?
人工智能·经验分享·数据库架构
liuqs3324 小时前
机器人产业加速发展,制造业正在迎来新的自动化探索
大数据·人工智能
腾讯云大数据4 小时前
DataBuddy数据语义驱动的企业Agent Runtime实践
大数据·人工智能·腾讯云·agent
裕晟资质规划4 小时前
武器装备科研生产单位保密资质申请方法论:条件模型与流程拆解
人工智能·算法