Azure OpenAI 嵌入模型
本站(springdoc.cn)中的内容来源于 spring.io ,原始版权归属于 spring.io。由 springdoc.cn 进行翻译,整理。可供个人学习、研究,未经许可,不得进行任何转载、商用或与之相关的行为。 商标声明:Spring 是 Pivotal Software, Inc. 在美国以及其他国家的商标。 |
Azure 的 OpenAI 扩展了 OpenAI 的功能,提供安全的文本生成和嵌入(Embedding)计算模型,适用于多种任务:
-
相似性嵌入擅长捕捉两段或多段文本之间的语义相似性。
-
文本搜索嵌入有助于衡量长文档是否与简短查询相关。
-
代码搜索嵌入适用于嵌入代码片段和自然语言搜索查询。
Azure OpenAI 嵌入依靠 cosine similarity
(余弦相似度)来计算文档与查询之间的相似性。
先决条件
Azure OpenAI 客户端提供三种连接方式:使用 Azure API Key、使用OpenAI API Key 或使用 Microsoft Entra ID。
Azure API Key 和 Endpoint
从 Azure 门户 的 Azure OpenAI 服务部分获取你的 Azure OpenAI endpoint
和 api-key
。
Spring AI 定义了两个配置属性:
-
spring.ai.azure.openai.api-key
:设置为从 Azure 获取的 API Key 值。 -
spring.ai.azure.openai.endpoint
:设置为在 Azure 中配置模型时获取的 endpoint URL。
你可以在 application.properties
或 application.yml
文件中设置这些配置属性:
spring.ai.azure.openai.api-key=<your-azure-api-key>
spring.ai.azure.openai.endpoint=<your-azure-endpoint-url>
若你倾向对 API Key 等敏感信息使用环境变量,可在配置中使用 Spring 表达式语言(SpEL):
# In application.yml
spring:
ai:
azure:
openai:
api-key: ${AZURE_OPENAI_API_KEY}
endpoint: ${AZURE_OPENAI_ENDPOINT}
# In your environment or .env file
export AZURE_OPENAI_API_KEY=<your-azure-openai-api-key>
export AZURE_OPENAI_ENDPOINT=<your-azure-endpoint-url>
OpenAI Key
如需通过 OpenAI 服务(非 Azure)认证,请提供 OpenAI API Key。这将自动将端点设为 api.openai.com/v1
。
采用此方式时,请将 spring.ai.azure.openai.chat.options.deployment-name
属性设置为要使用的 OpenAI 模型 名称。
应用配置:
spring.ai.azure.openai.openai-api-key=<your-azure-openai-key>
spring.ai.azure.openai.chat.options.deployment-name=<openai-model-name>
使用 SpEL 读取环境变量:
# In application.yml
spring:
ai:
azure:
openai:
openai-api-key: ${AZURE_OPENAI_API_KEY}
chat:
options:
deployment-name: ${OPENAI_MODEL_NAME}
# In your environment or .env file
export AZURE_OPENAI_API_KEY=<your-openai-key>
export OPENAI_MODEL_NAME=<openai-model-name>
自动配置
Spring AI 自动配置及 Starter 模块的构件命名已发生重大变更,详情请参阅 升级说明文档。 |
Spring AI 为 Azure OpenAI 嵌入模型提供 Spring Boot 自动配置。启用该功能需在项目的 Maven pom.xml
文件中添加以下依赖:
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-model-azure-openai</artifactId>
</dependency>
或添加到你的 Gradle build.gradle
构建文件中。
dependencies {
implementation 'org.springframework.ai:spring-ai-starter-model-azure-openai'
}
请参阅 依赖管理 章节将 Spring AI BOM 添加到你的构建文件。 |
嵌入配置
前缀 spring.ai.azure.openai
是用于配置 Azure OpenAI 连接的属性前缀。
属性 | 说明 | 默认值 |
---|---|---|
spring.ai.azure.openai.api-key |
Key 来自 Azure AI OpenAI |
- |
spring.ai.azure.openai.endpoint |
Endpoint 来自 Azure AI OpenAI |
- |
spring.ai.azure.openai.openai-api-key |
(非 Azure)OpenAI API Key。用于直接认证 OpenAI 服务(而非 Azure OpenAI),该配置会自动将终端点设为 |
- |
嵌入自动配置的启用与禁用现在通过顶级属性配置,前缀为 启用方式: 禁用方式: 此变更是为了支持多模型配置。 |
前缀 spring.ai.azure.openai.embedding
是用于配置 Azure OpenAI 嵌入模型(EmbeddingModel
)实现的属性前缀:
属性 | 说明 | 默认值 |
---|---|---|
spring.ai.azure.openai.embedding.enabled (已移除,不再有效) |
启用 Azure OpenAI 嵌入模型。 |
true |
spring.ai.model.embedding |
启用 Azure OpenAI 嵌入模型。 |
azure-openai |
spring.ai.azure.openai.embedding.metadata-mode |
文档内容提取模式 |
EMBED |
spring.ai.azure.openai.embedding.options.deployment-name |
该值为 Azure AI 门户中显示的 “部署名称”( |
text-embedding-ada-002 |
spring.ai.azure.openai.embedding.options.user |
操作调用者或终端用户的标识符,可用于追踪或限流目的。 |
- |
所有以 spring.ai.azure.openai.embedding.options 为前缀的属性,均可通过在 EmbeddingRequest 调用中添加请求特定的 运行时选项 进行覆盖。
|
运行时选项
AzureOpenAiEmbeddingOptions
为嵌入请求提供配置信息,其内置的构建器(Builder)可用于创建配置选项。
初始化时通过 AzureOpenAiEmbeddingModel
构造函数设置所有嵌入请求的默认选项。运行时可通过向 EmbeddingRequest
传递 AzureOpenAiEmbeddingOptions
实例来覆盖默认配置。
例如,针对特定请求覆盖默认模型名称:
EmbeddingResponse embeddingResponse = embeddingModel.call(
new EmbeddingRequest(List.of("Hello World", "World is big and salvation is near"),
AzureOpenAiEmbeddingOptions.builder()
.model("Different-Embedding-Model-Deployment-Name")
.build()));
示例代码
这将创建一个可注入到你类中的 EmbeddingModel
实现。以下是一个简单的 @Controller
类示例,该类使用 EmbeddingModel
实现。
spring.ai.azure.openai.api-key=YOUR_API_KEY
spring.ai.azure.openai.endpoint=YOUR_ENDPOINT
spring.ai.azure.openai.embedding.options.model=text-embedding-ada-002
@RestController
public class EmbeddingController {
private final EmbeddingModel embeddingModel;
@Autowired
public EmbeddingController(EmbeddingModel embeddingModel) {
this.embeddingModel = embeddingModel;
}
@GetMapping("/ai/embedding")
public Map embed(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
EmbeddingResponse embeddingResponse = this.embeddingModel.embedForResponse(List.of(message));
return Map.of("embedding", embeddingResponse);
}
}
手动配置
若不希望使用 Spring Boot 自动配置,你可以在应用中手动配置 AzureOpenAiEmbeddingModel
。为此,需在项目的 Maven pom.xml
文件中添加 spring-ai-azure-openai
依赖:
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-azure-openai</artifactId>
</dependency>
或添加到你的 Gradle build.gradle
构建文件中。
dependencies {
implementation 'org.springframework.ai:spring-ai-azure-openai'
}
请参阅 依赖管理 章节将 Spring AI BOM 添加到你的构建文件。 |
spring-ai-azure-openai 依赖项同时提供对 AzureOpenAiEmbeddingModel 的访问。有关 AzureOpenAiChatModel 的更多信息,请参阅 Azure OpenAI 嵌入 章节。
|
接下来,创建 AzureOpenAiEmbeddingModel
实例并使用它计算两个输入文本之间的相似度:
var openAIClient = OpenAIClientBuilder()
.credential(new AzureKeyCredential(System.getenv("AZURE_OPENAI_API_KEY")))
.endpoint(System.getenv("AZURE_OPENAI_ENDPOINT"))
.buildClient();
var embeddingModel = new AzureOpenAiEmbeddingModel(this.openAIClient)
.withDefaultOptions(AzureOpenAiEmbeddingOptions.builder()
.model("text-embedding-ada-002")
.user("user-6")
.build());
EmbeddingResponse embeddingResponse = this.embeddingModel
.embedForResponse(List.of("Hello World", "World is big and salvation is near"));
text-embedding-ada-002 实际对应的是 Azure AI 门户中显示的部署名称(Deployment Name )。
|