模型 Model 模型是旨在处理和生成信息的算法，通常模仿人类认知功能。通过从大型数据集中学习模式和洞察力，这些模型可以进行预测、生成文本、图像或其他输出，增强各行业的应用。 当前有许多不同类型的 AI 模型，每种模型会适配特定的用例。虽然 ChatGPT 及其生成式 AI 功能通过文本输入和输出吸引了用户，但许多模型和公司提供了多样化的输入和输出。在 ChatGPT 之前，许多人对 Midjourney 和 Stable Diffusion 等文本到图像的生成模型着迷。 下表根据输入和输出类型对几种模型进行了分类： Spring AI 目前支持将输入和输出处理为语言、图像和音频的模型。上表中的最后一行，即接受文本作为输入并输出数字的那行，通常被称为嵌入文本，代表 AI 模型中使用的内部数据结构。Spring AI 支持嵌入（Embedding）以支持更先进的用例。 像 GPT 这种模型的独特之处在于它们的预训练性质，正如 GPT（Chat Generative Pre-trained Transformer）中的 “P” 所表示的。这种预训练特性将 AI 转变为一种通用开发工具，但不需要更多的机器学习或模型训练背景。 提示 Prompt 提示是基于语言的输入的基础，用于引导 AI 模型产生特定输出。对于熟悉 ChatGPT 的人来说，可能提示看起来只是输入到对话框中并发送到 API 的文本。然而，它远不止于此。在许多 AI 模型中，提示的文本不仅仅是一个简单的字符串。 ChatGPT 的 API 在一个提示中会有多个文本输入，每个文本输入都被分配了一个角色。例如，有系统角色，它告诉模型如何表现并设置交互的上下文。还有用户角色，通常就是用户的输入。 创建有效的提示既是科学也是艺术。ChatGPT 是为人类对话而设计的。这与使用 SQL 等特定的数据库查询语言来进行 “提问” 有很大不同。与 AI 模型进行交流必须要像与另一个真实的人交谈一样。 这种交互方式非常重要，以至于出现了像 “提示工程” 这样类似一门学科的名词。有大量提高提示有效性的技术正在涌现。花时间精心设计提示可以极大地改善最终输出的结果。 共享提示已成为一种常用的做法，并且在这个主题上正在进行积极的学术研究。作为创建有效提示可能有多违反直觉的一个例子（例如，与SQL比较），最近的一篇研究论文发现，最有效的一个提示可以用这样的语句开头： “深呼吸，一步一步地做这个”。这应该可以让你了解为什么语言如此重要。不幸的是我们还不完全理解如何最有效地利用这项技术，即使是在之前的迭代版本中（如 ChatGPT 3.5），更不用说正在开发的新版本了。 提示模板 Prompt Template 创建有效提示涉及建立请求的上下文，并将请求中指定的部分内容替换为让用户输入的值。 这个过程使用传统的基于文本的模板引擎进行提示创建和管理。Spring AI 为此使用了 OSS 库中的 StringTemplate。 例如下面就是一个简单的提示模板： Tell me a {adjective} joke about {content}. 在 Spring AI 中，提示模板可以类比为 Spring MVC 架构中的 “视图”。提供一个模型对象（通常是 java.util.Map）来填充模板中的占位符。这样“渲染” 后的字符串就成为提供给 AI 模型的提示内容。 发送给模型的提示的具体数据格式有很大差异。最初是简单的字符串，现在提示已经发展到包括多个消息，一条消息中的每个字符串代表模型的一个不同角色。 嵌入 Embedding 嵌入是文本、图像或视频的数值表示，用于捕获输入之间的关系。 嵌入通过将文本、图像和视频转换为浮点数数组（称为向量）来工作。这些向量被用来捕获文本、图像和视频的含义。嵌入数组的长度称为向量的维度。 通过计算两段文本的向量表示之间的数值距离，应用程序可以确定用于生成嵌入向量的对象之间的相似性。 作为探索 AI 的 Java 开发人员，不需要理解这些向量表示（vector representations）背后的复杂数学理论或具体实现，只需要对它们在 AI 系统中的作用和功能有基本的了解就足够了，特别是当你将 AI 功能集成到应用程序中时。 嵌入在像检索增强生成（RAG Retrieval Augmented Generation）模式这样的实际应用中特别相关。它们使数据能够表示为语义空间中的点，这类似于欧几里得几何中的二维空间，但维度更高。这意味着就像欧几里得几何中平面上的点根据其坐标可以近或远一样，在语义空间中，点的接近程度反映了含义的相似性。对应相似主题的语句在这个多维空间中位置更接近，就像图形上彼此靠近的点一样。这种接近有助于进行文本分类、语义搜索甚至产品推荐等任务，因为它允许 AI 根据它们在这个扩展的语义景观中的 “位置” 来识别和分组相关概念。