概述

Spring AI 不仅提供了与 OpenAI 进行API交互，同样支持与 Ollama 进行API交互。Ollama 是一个发布在GitHub上的项目，专为运行、创建和分享大型语言模型而设计，可以轻松地在本地启动和运行大型语言模型。

Docker环境安装Ollama

1.获取Docker镜像。

docker pull ollama/ollama

2.在 Docker 容器内运行 Ollama。

docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

3.现在您可以在容器内运行像 Llama 2 这样的模型。

docker exec -it ollama ollama run llama2

更多模型可以在Ollama 库中找到。

创建 Spring Boot 项目

首先引入相关依赖。

<dependencies> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> <version>3.2.0</version> </dependency> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-ollama</artifactId> <version>0.8.0-SNAPSHOT</version> </dependency></dependencies><repositories> <repository> <id>spring-snapshots</id> <name>Spring Snapshots</name> <url>https://repo.spring.io/snapshot</url> <releases> <enabled>false</enabled> </releases> </repository></repositories>

在 application.yml 中配置 Ollama 地址和使用的模型。

spring: ai: ollama: base-url: http://localhost:11434 embedding: model: llama2

这里我们填写一个提示来测试下，ChatClient将调用Ollama的API接口。

@GetMapping("/top/fiction")public String topCodeLanguage() { String message = "2023最受欢迎小说是什么"; return chatClient.generate(message);}

我们稍微对上面的接口做些更改，我首先将一个路径变量放入请求，这样我们就可以将年份模板化。PromptTemplate旨在帮助创建结构化提示，我们通过add()方法插入动态内容，render()会渲染为最终字符串格式。

@GetMapping("/top/fiction/{year}")public String topCodeLanguageByYear(@PathVariable("year") Integer year) { String message = "{year}最受欢迎小说是什么"; PromptTemplate promptTemplate = new PromptTemplate(message); promptTemplate.add("year", year); return chatClient.generate(promptTemplate.render());}

结论

我们已经完成了Spring AI 与Ollama的基本示例，与往常一样，本文中使用的源代码可在 GitHub 上获得。

一起学习的小伙伴可以关注下我的公众号，我会经常更新技术实践类文章，所有文章都会有相应源码供大家学习交流！