Spring AI 是一個用于 AI 工程的應用框架

Spring AI 是一個用于 AI 工程的應用框架。其目標是將可移植性和模塊化設計等 Spring 生態系統設計原則應用于 AI 領域，并推廣使用 POJO 作為應用程序的構建塊到 AI 領域。

 Spring AI 的核心是解決 AI 集成的基本挑戰：將企業數據和 API 與 AI 模型連接起來。

特征

支持所有主要的 AI 模型提供商，例如 Anthropic、OpenAI、Microsoft、Amazon、Google 和 Ollama。支持的模型類型包括

基于Spring AI與Cassandra整合

以下是基于Spring AI與Cassandra整合的實用示例，涵蓋從基礎操作到高級應用場景，代碼均以Spring Boot為框架。

基礎CRUD操作

1. 實體類定義

@Table
public class Product {@PrimaryKeyprivate UUID id;private String name;private double price;// Lombok注解省略
}

2. 插入數據

@Repository
public interface ProductRepository extends CassandraRepository<Product, UUID> {@InsertProduct save(Product product);
}

3. 批量插入

List<Product> products = Arrays.asList(new Product(...));
productRepository.saveAll(products);

4. 按ID查詢

Optional<Product> product = productRepository.findById(uuid);

5. 更新數據

product.setPrice(29.99);
productRepository.save(product);

---

查詢與條件操作

6. 自定義查詢方法

@Query("SELECT * FROM products WHERE price > ?0 ALLOW FILTERING")
List<Product> findByPriceGreaterThan(double price);

7. 分頁查詢

Page<Product> page = productRepository.findAll(PageRequest.of(0, 10));

8. 排序查詢

Sort sort = Sort.by(Sort.Direction.DESC, "price");
List<Product> products = productRepository.findAll(sort);

9. IN條件查詢

@Query("SELECT * FROM products WHERE id IN ?0")
List<Product> findByIds(List<UUID> ids);

10. 使用CassandraTemplate

cassandraTemplate.select("SELECT * FROM products", Product.class);

---

高級數據建模

11. 使用UDT（用戶定義類型）

@UserDefinedType("address")
public class Address {private String city;private String street;
}

12. 集合類型字段

@Table
public class User {private Set<String> tags;private Map<String, String> attributes;
}

13. 時間序列數據建模

@PrimaryKeyClass
public class SensorReadingKey {@PrimaryKeyColumn(type = PrimaryKeyType.PARTITIONED)private String sensorId;@PrimaryKeyColumn(type = PrimaryKeyType.CLUSTERED, ordering = Ordering.DESCENDING)private Instant timestamp;
}

---

AI集成示例

14. 存儲AI模型輸出

@Table
public class ModelPrediction {@PrimaryKeyprivate UUID id;private String modelName;private Map<String, Double> probabilities;
}

15. 特征向量存儲

@Table
public class FeatureVector {@PrimaryKeyprivate String entityId;private List<Float> vector;  // 用于相似性搜索
}

16. 推薦結果緩存

@Table
public class UserRecommendation {@PrimaryKeyprivate String userId;private List<String> recommendedItems;
}

---

性能優化

17. 批量異步寫入

ListenableFuture<Void> future = cassandraTemplate.insertAsynchron(entities);

18. 輕量級事務

@Insert(ifNotExists = true)
boolean insertIfNotExists(Product product);

19. 物化視圖查詢

@Table
@MaterializedView("products_by_price")
public class ProductByPrice {@PrimaryKeyprivate double price;private UUID productId;
}

---

錯誤處理與監控

20. 重試策略配置

@Retryable(maxAttempts = 3, backoff = @Backoff(delay = 100))
public void saveWithRetry(Product product) {productRepository.save(product);
}

21. 指標監控

@Timed("cassandra.query.time")
public List<Product> findAllProducts() {return productRepository.findAll();
}

---

分布式場景

22. 多數據中心配置

spring:data:cassandra:keyspace-name: my_keyspacelocal-datacenter: DC1contact-points: host1,host2

23. 跨分區查詢

@Query("SELECT * FROM products WHERE token(id) > token(?0) LIMIT 100")
List<Product> findAfterToken(UUID lastId);

---

測試與調試

24. 單元測試配置

@TestConfiguration
@EmbeddedCassandra
static class TestConfig {@BeanCassandraTemplate testTemplate() {return new CassandraTemplate(session);}
}

25. 查詢日志打印

logging:level:org.springframework.data.cassandra.core.CassandraTemplate: DEBUG

以上示例覆蓋了Spring Data Cassandra的核心功能，結合AI場景的特性存儲需求，可根據實際業務擴展修改。注意生產環境中需優化分區鍵設計、添加適當的索引策略。

基于Spring和Azure Vector Search的實例

以下是一些基于Spring和Azure Vector Search的實例示例，涵蓋不同場景和使用方法：

基礎配置與初始化

在application.properties或application.yml中配置Azure Vector Search的連接信息：

azure.search.endpoint=https://{your-service-name}.search.windows.net
azure.search.api-key={your-api-key}
azure.search.index-name={your-index-name}

在Spring Boot中注入SearchClient：

@Bean
public SearchClient searchClient(@Value("${azure.search.endpoint}") String endpoint,@Value("${azure.search.api-key}") String apiKey,@Value("${azure.search.index-name}") String indexName) {return new SearchClientBuilder().endpoint(endpoint).credential(new AzureKeyCredential(apiKey)).indexName(indexName).buildClient();
}

---

向量搜索基礎示例

使用預生成的向量進行相似性搜索：

public List<SearchResult> searchByVector(float[] vector, int k) {SearchOptions options = new SearchOptions().setVector(new SearchQueryVector().setValue(vector).setKNearestNeighborsCount(k));return searchClient.search(null, options, Context.NONE).stream().collect(Collectors.toList());
}

---

文本嵌入與搜索

結合Azure OpenAI生成文本嵌入后搜索：

public List<SearchResult> searchByText(String query, int k) {float[] embedding = openAIClient.generateEmbedding(query); // 假設已配置OpenAI客戶端return searchByVector(embedding, k);
}

---

混合搜索（向量+關鍵詞）

同時使用向量和關鍵詞進行搜索：

public List<SearchResult> hybridSearch(String query, float[] vector, int k) {SearchOptions options = new SearchOptions().setVector(new SearchQueryVector().setValue(vector).setKNearestNeighborsCount(k)).setSearchText(query);return searchClient.search(null, options, Context.NONE).stream().collect(