SpringAI简单使用（本地模型+自定义知识库）

Ollama

简介

Ollama是一个开源的大型语言模型服务工具，它允许用户在本地机器上构建和运行语言模型，提供了一个简单易用的API来创建、运行和管理模型，同时还提供了丰富的预构建模型库，这些模型可以轻松地应用在多种应用场景中。Ollama支持多种操作系统，包括macOS、Windows、Linux，并提供Docker镜像，方便用户在不同环境中部署使用 。

Ollama的特点包括轻量级和可扩展性，它允许用户通过命令行界面（CLI）或REST API与语言模型进行交互。用户可以下载并运行预训练的模型，如Llama 2、Mistral、Dolphin Phi等，这些模型具有不同的参数量和大小，适用于不同的使用场景和需求 。

此外，Ollama还支持模型的自定义，用户可以根据自己的需求调整模型参数，或者导入自有的模型进行使用。例如，用户可以通过创建Modelfile来定制模型，Modelfile是一个配置文件，用于定义和管理Ollama平台上的模型，通过模型文件可以创建新模型或修改现有模型，以适应特定的应用场景 。

安装

官网：https://ollama.com/
Github：https://github.com/ollama/ollama

进入官网之后，点击download下载对应系统版本进行安装。

模型使用llama3
官网：https://ollama.com/library/llama3

ollama下载完成之后，打开命令行，运行命令ollama run llama3，自动下载模型，在命令行可进行简单的聊天

llama3有8B和70B，上面的命令运行之后，默认选择的是8B

客户端

python客户端：https://github.com/ollama/ollama-python

import ollama
response = ollama.chat(model='llama3', messages=[{'role': 'user','content': 'Why is the sky blue?',},
])
print(response['message']['content'])

流式响应：

import ollamastream = ollama.chat(model='llama3',messages=[{'role': 'user', 'content': '用中文讲一个笑话'}],stream=True,
)for chunk in stream:print(chunk['message']['content'], end='', flush=True)

Web UI

Ollama的Github中推荐的UI项目：

这里我们使用hollama：https://github.com/fmaclen/hollama

先克隆hollama的源代码，进入目录之后运行npm i --registry=https://registry.npmmirror.com安装依赖，然后运行npm run dev启动项目

进入setting中设置Server和Model

然后再sessions里面可以进行聊天

Spring AI

官网：https://docs.spring.io/spring-ai/reference/index.html

ollama文档：https://docs.spring.io/spring-ai/reference/api/chat/ollama-chat.html

1、通过https://start.spring.io/创建项目，并引入Ollama AI

pom.xml如下：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd"><modelVersion>4.0.0</modelVersion><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>3.3.1</version><relativePath/> <!-- lookup parent from repository --></parent><groupId>pers.fengxu</groupId><artifactId>springaidemo</artifactId><version>0.0.1-SNAPSHOT</version><name>springaidemo</name><description>Demo project for Spring Boot</description><url/><licenses><license/></licenses><developers><developer/></developers><scm><connection/><developerConnection/><tag/><url/></scm><properties><java.version>22</java.version><spring-ai.version>1.0.0-M1</spring-ai.version></properties><dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-ollama-spring-boot-starter</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency></dependencies><dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>${spring-ai.version}</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins></build><repositories><repository><id>spring-milestones</id><name>Spring Milestones</name><url>https://repo.spring.io/milestone</url><snapshots><enabled>false</enabled></snapshots></repository></repositories></project>

配置文件application.properties

spring.application.name=springaidemo
spring.ai.ollama.base-url=http://localhost:11434
spring.ai.ollama.chat.options.model=llama3

新建controller

package pers.fengxu.springaidemo.controller;import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.ai.chat.model.ChatResponse;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.ollama.OllamaChatModel;
import org.springframework.ai.ollama.api.OllamaApi;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;import java.util.Map;@RestController
public class ChatController {private final OllamaChatModel chatModel;@Autowiredpublic ChatController(OllamaChatModel chatModel) {this.chatModel = chatModel;}@GetMapping("/ai/generate")public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {return Map.of("generation", chatModel.call(message));}@GetMapping("/ai/generateStream")public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {Prompt prompt = new Prompt(new UserMessage(message));return chatModel.stream(prompt);}}

新建启动类

package pers.fengxu.springaidemo;import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;@SpringBootApplication
public class SpringaidemoApplication {public static void main(String[] args) {SpringApplication.run(SpringaidemoApplication.class, args);}}

启动项目之后，访问：http://localhost:8080/ai/generate

AnyThingLLM

简介

AnythingLLM 是一款强大的人工智能商业智能工具，用于商业智能和文档处理，具有以下主要特点：

1. 多平台支持：适用于 MacOS、Linux 和 Windows 系统。
2. 隐私保护：可以在本地运行，无需互联网连接。
3. 自定义模型：支持使用闭源模型如 GPT-4 或自定义微调模型如 Llama2。
4. 多文档处理：不仅支持 PDF，还能处理 Word 文档等多种格式。
5. 工作区管理：通过“工作区”管理文档，保持上下文清晰。
6. 成本效益高：管理大型文档时，成本比其他解决方案节省高达 90%。
7. 开发者友好：提供完整的开发者 API，支持自定义集成。
8. 多用户支持：支持多用户实例和权限管理。
9. 遥测功能：可选的匿名使用信息收集，帮助改进产品。

安装配置

官网：https://useanything.com/download

下载之后，双击安装，之后打开进行初始设置：

选择Ollama

继续

设置工作区名称：

可以在设置里面进行语言和其他相关属性的配置：

知识库导入

现在先问ai一个它可能不知道的问题，例如“高启强是谁？”，它的回答显然有些驴头不对马嘴。

点击左边的上传按钮

左边支持网址和文本

所以可以直接讲百度百科的链接提供给ai学习：

地址为：https://baike.baidu.com/item/%E9%AB%98%E5%90%AF%E5%BC%BA/59990049

解析网页完成之后，将该知识库移动至当前空间

点击保存

然后再次输入问题，便可以得到我们想要的答案。

备注：如果电脑性能不够可以选择阿里的qwen2:0.5b模型，只需要几百兆，运行ollama run qwen2:0.5b即可安装运行，并且对中文的支持更好，对应网址：https://ollama.com/library/qwen2:0.5b