更新 SpringAI/0_使用SpringAI接入AI模型.md

SpringAI/0_使用SpringAI接入AI模型.md

@@ -206,7 +206,7 @@ ChatClient.create(chatModel)
           .advisors(new MessageChatMemoryAdvisor(chatMemory, sessionId, 6))
           .stream()
           .content()
-          .map(chatResponse -> ServerSentEvent.builder(chatResponse).event("message").build());
+          .map(chatResponse -> ServerSentEvent.builder(JSONUtil.toJsonStr(chatResponse)).event("message").build());
 ```
 
 ### ETL
@@ -395,3 +395,126 @@ vectorStore.add(splitDocuments);
 // query可以是用户输入的文本字符串
 List<Document> list = vectorStore.similaritySearch(query);
 ```
+
+### RAG
+
+RAG就是当文档等数据ETL到向量数据库以后，用户提问时拿用户的prompt检索向量数据库里的相关资料，然后跟用户的prompt合并提交给大模型，再让大模型生成答案给用户。
+
+#### QuestionAnswerAdvisor
+
+在SpringAI中，QuestionAnswerAdvisor这一组件实现了上述的能力。我们可以定义一个prompt模板，来做这件事：
+
+```
+下面是上下文信息
+---------------------
+{question_answer_context}
+---------------------
+给定的上下文和提供的历史信息，而不是事先的知识，回复用户的意见。如果答案不在上下文中，告诉用户你不能回答这个问题。
+```
+
+这个模板的内容可以从数据库、Redis、配置文件加载，**{question_answer_context}**是一个模板的变量占位符。
+
+```java
+ChatClient.create(chatModel)
+          .prompt()
+          .user(prompt)
+          // 会自动从向量数据库查询资料，并替换到 question_answer_context 变量，结合用户的 prompt 一起发送给大模型API
+          // 假设 promptTemplate 这个字符串就是上面的模板
+          .advisors(new QuestionAnswerAdvisor(vectorStore, SearchRequest.defaults(), promptTemplate))
+          .stream()
+          .content()
+          .map(chatResponse -> ServerSentEvent.builder(JSONUtil.toJsonStr(chatResponse)).event("message").build());
+```
+
+### FunctionCall
+
+Function Call旨在解决一些复杂场景的需求，比如我希望AI读取本机某个文件，然后回答文件里面的内容，读取文件这个操作就可以通过FunctionCall来实现。
+
+#### 读取文档可以通过tika实现
+
+```xml
+<dependency>
+    <groupId>org.springframework.ai</groupId>
+    <artifactId>spring-ai-tika-document-reader</artifactId>
+</dependency>
+```
+
+#### 使用JSON描述Function
+
+AI模型是不知道你代码里的Function位置在哪儿的，我们需要用JSON声明Function的结构，让AI去找并调用，简单示例：
+
+```json
+{
+  "type": "function",
+  "function": {
+    "name": "documentAnalyzer", // 这个是 spring bean 的名称
+    "description": "文档解析", // 描述函数的用途
+    "parameters": { // 这个函数要传递的参数
+      "properties": {
+        "path": { // 参数的名称
+          "type": "string", // 参数的类型
+          "description": "被解析的文档路径" // 参数的描述
+        },
+      },
+      "required":["path"], // 必传的参数
+      "type": "object"
+    }
+  }
+}
+```
+
+#### 编写函数
+
+我们需要实现**java.util.function.Function**接口里的**apply**方法，并将其注入到spring bean中就可以实现自动调用。
+
+```java
+@Description("文档解析")
+@Service
+public class DocumentAnalyzer implements Function<DocumentAnalyzer.Request, DocumentAnalyzer.Response> {
+
+    @Getter
+    @Setter
+    @NoArgsConstructor
+    @AllArgsConstructor
+    public static class Request {
+        // 这2个jackson注解的目的是让 spring ai 提取参数和描述
+        @JsonPropertyDescription(value = "需要解析的文档路径")
+        @JsonProperty(value = "path", required = true)
+        private String path;
+    }
+
+    @Getter
+    @Setter
+    @NoArgsConstructor
+    @AllArgsConstructor
+    public static class Response {
+        private String result;
+    }
+
+    @Override
+    public Response apply(Request request) {
+        var resource = new FileSystemResource(request.path);
+        TikaDocumentReader reader = new TikaDocumentReader(resource);
+        return new Response(reader.read().get(0).getContent());
+    }
+}
+```
+
+#### 使用函数
+
+```java
+ChatClient.create(chatModel)
+          .prompt()
+          .messages(new UserMessage(prompt))
+          // spring ai会根据beanName查找fucntion
+          .functions(functionName)
+          .stream()
+          .chatResponse()
+          .map(chatResponse -> ServerSentEvent.builder(JSONUtil.toJsonStr(chatResponse)).event("message").build());
+```
+
+可以用封装一个http接口，接收`prompt`和`functionName`完成函数调用。
+
+## 总结
+
+Spring AI框架帮助我们实现了各大主流AI大模型的API封装和常用的一些工具组件，依托spring强大的生态，各大主流的AI大模型供应商也在积极适配中。它简化了我们的开发工作量，同类型的框架还有LangChain4J。