機器學習：

• 定義：人工智能的子領域，通過數據驅動的方法讓計算機學習規律，進行預測或決策。

• 核心方法：

  • 監督學習（如線性回歸、SVM）。

  • 無監督學習（如聚類、降維）。

  • 強化學習（如Q-learning）。

• 特點：依賴特征工程，模型復雜度較低，適用于中小型數據。

深度學習：

• 定義：基于深層神經網絡的機器學習方法，可自動提取特征。

• 關鍵技術：

  • 神經網絡架構：CNN（圖像）、RNN/LSTM（序列數據）、Transformer。

  • 優化算法：反向傳播、梯度下降（如Adam優化器）。

• 優勢：處理高維數據（如圖像、文本），減少人工特征工程。

自然語言處理：

• 目標：使計算機理解、生成人類語言。

• 技術演進：

  • 傳統方法：詞袋模型、TF-IDF、隱馬爾可夫模型。

  • 深度學習方法：詞嵌入（Word2Vec）、預訓練模型（BERT、GPT）。

• 任務：機器翻譯、情感分析、文本生成等。

大語言模型：

• 定義：參數量巨大（數億至萬億）的深度學習模型，專注于語言任務。

• 代表模型：GPT系列、BERT、T5。

• 核心技術：

  • Transformer架構：自注意力機制（捕捉長距離依賴）。

  • 預訓練與微調：在大規模語料上預訓練（如掩碼語言建模），再針對下游任務微調。

大模型底層原理：

T：基于Transformer的神經網絡

P：通過大量數據預訓練，掌握自然語言規律

G：基于上文計算概率，生成下一個token

模型部署：

云部署：

優點：前期成本低、部署維護簡單、彈性擴展、全球訪問

缺點：數據隱私、網絡依賴、長期成本高

本地部署：

優點：數據安全、不依賴外部網絡、長期成本低、高度定制

缺點：初始成本高、維護復雜、部署周期長

開放API：

優點：前期成本極低、無需部署、無需維護、全球訪問

缺點：數據隱私、網絡依賴、長期成本高、定制限制

調用大模型：

傳統應用和大模型應用：

大模型應用是基于大模型的推理、分析、生成能力，結合傳統編程能力，開發出的各種應用

AI應用開發技術架構：

Fine-tuning（模型微調）

針對特有業務場景對基礎大模型做數據訓練與微調，以滿足特定場景的需求。

SpringAI：

是一個大模型應用框架。其目標是將Spring生態系統的設計原則（如可移植性的模塊化設計）應用于人工智能鄰域。可以無縫接入Spring生態體系，快速改造傳統項目。

對話機器人-入門

引入依賴：

配置模型：

配置客戶端：

創建項目：

引入依賴自動完成

配置：

創建包config，包下創建相應類

創建controller包，包下創建相應的類：

手動加入

阻塞式，響應時間較長

流式默認采用event事件流，默認情況沒有編碼

需要在@RequestMapping注解后自己設置響應的類型

system設定：

這里是controller和前端的對話

對話機器人-會話日志

對chatclinet做修改加入環繞增強

修改配置文件，新增日志相關：

在application.yaml加入

日志功能通過環繞通知來去實現的

對話機器人-前端對接

解決跨域問題

對話機器人-會話記憶

步驟：

定義會話存儲方式：

存儲在內部的會話記憶

配置會話記憶：

添加會話id：

第三排：匿名環繞增強器

配置類中

添加

對話機器人-會話歷史

新增接口：

public interface ChatHistoryRepository {
?
? ? /**
? ? ?* 保存會話記錄
? ? ?* @param type
? ? ?* @param charId
? ? ?*/
? ? void save(String type,String charId);
?
?
? ? /**
? ? ?* 獲取會話記錄
? ? ?* @param type
? ? ?* @return
? ? ?*/
? ? List<String> getChatIds(String type);
}

接口實現：

?
/**
?* @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());
? ? }
}

修改會話實現：

?
/**
?* @author TonySong
?* @date 2025/4/11 0011
?* @time 17:39
?*/
@RestController
@RequestMapping("/ai")
@RequiredArgsConstructor//啟用帶參構造完成創建
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 = "你是誰") String message) {
? ? ? ? //1、保存會話
? ? ? ? chatHistoryRepository.save("chat",message);
? ? ? ? //2、獲取會話
? ? ? ? return chatClient
? ? ? ? ? ? ? ? .prompt()
? ? ? ? ? ? ? ? .user(message)
? ? ? ? ? ? ? ? .stream()
? ? ? ? ? ? ? ? .content();
? ? }
}