泰坦嵌入
提供基岩泰坦嵌入模型。亚马逊泰坦基础模型（FMs）通过全托管API为客户提供高性能图像、多模态嵌入和文本模型的广泛选择。 亚马逊泰坦模型由AWS创建，并在大型数据集上预训练，使其成为强大且通用的模型，旨在支持多种用例，同时支持负责任地使用人工智能。 直接使用，或者用你自己的数据私下定制。
| Bedrock Titan 嵌入支持文本和图像嵌入。 |
| Bedrock Titan 嵌入不支持批量嵌入。 |
AWS Bedrock Titan 模型页面和亚马逊 Bedrock 用户指南包含了如何使用 AWS 托管模型的详细信息。
前提条件
请参阅亚马逊Bedrock上的Spring AI文档来设置API访问权限。
自动配置
|
春季AI自动配置、起始模块的工件名称发生了重大变化。 更多信息请参阅升级说明。 |
添加Spring-AI-入门-模型-基岩对你项目Maven的依赖pom.xml文件：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-model-bedrock</artifactId>
</dependency>或者去你的Gradlebuild.gradle构建文件。
dependencies {
implementation 'org.springframework.ai:spring-ai-starter-model-bedrock'
}| 请参考依赖管理部分，将Spring AI的物料清单添加到你的构建文件中。 |
启用Titan嵌入支持
默认情况下，Titan嵌入模型是被禁用的。
要启用它，请设置spring.ai.model.embedding属性到基岩-泰坦在你的应用配置中：
spring.ai.model.embedding=bedrock-titan或者，您可以使用 Spring 表达式语言（SpEL）来引用环境变量：
# In application.yml
spring:
ai:
model:
embedding: ${AI_MODEL_EMBEDDING}# In your environment or .env file
export AI_MODEL_EMBEDDING=bedrock-titan启动应用程序时，你也可以用 Java 系统属性设置此属性：
java -Dspring.ai.model.embedding=bedrock-titan -jar your-application.jar嵌入性质
前缀春.ai.bedrock.aws是配置与AWS Bedrock连接的属性前缀。
| 属性 | 描述 | 默认值 |
|---|---|---|
spring.ai.bedrock.aws.region |
AWS地区的使用。 |
美国东1号 |
spring.ai.bedrock.aws.访问密钥 |
AWS 访问密钥。 |
- |
Spring.ai.bedrock.aws.秘密密钥 |
AWS 秘密密钥。 |
- |
|
嵌入自动配置的启用和禁用现在通过带有前缀的顶层属性配置 启用时，spring.ai.model.embedding=bedrock-titan（默认启用） 要禁用，可以使用spring.ai.model.embedding=none（或任何与bedrock-titan不匹配的值） 此改动旨在允许配置多个模型。 |
前缀spring.ai.bedrock.titan.embedding（定义于基岩泰坦嵌入属性）是配置Titan嵌入模型实现的属性前缀。
属性 |
描述 |
默认值 |
spring.ai.bedrock.titan.embedding.enabled（已移除且不再有效） |
启用或禁用对Titan嵌入的支持 |
false |
spring.ai.model.embedding |
启用或禁用对Titan嵌入的支持 |
基岩-泰坦 |
spring.ai.bedrock.titan.embedding.model |
型号ID。参见 |
amazon.titan-embed-image-v1 |
支持的值有：amazon.titan-embed-image-v1,amazon.titan-embed-text-v1和amazon.titan-embed-text-v2：0.
模型ID值也可以在AWS Bedrock文档中找到基础模型ID的资料。
运行时选项
BedrockTitanEmbeddingOptions.java提供模型配置，例如输入类型.
启动时，默认选项可以配置为BedrockTitanEmbeddingOptions.builder（）.inputType（type）.build（）方法或spring.ai.bedrock.titan.embedding.input-type性能。
运行时，你可以通过添加新的、请求专属的选项来覆盖默认选项，嵌入请求叫。
例如，为了覆盖特定请求的默认温度：
EmbeddingResponse embeddingResponse = embeddingModel.call(
new EmbeddingRequest(List.of("Hello World", "World is big and salvation is near"),
BedrockTitanEmbeddingOptions.builder()
.inputType(InputType.TEXT)
.build()));采样控制器
创建一个新的 Spring Boot 项目并添加Spring-AI-入门-模型-基岩对你的POM（或Gradle）依赖。
添加一个application.properties文件，在src/主/资源目录，用于启用和配置Titan嵌入模型：
spring.ai.bedrock.aws.region=eu-central-1
spring.ai.bedrock.aws.access-key=${AWS_ACCESS_KEY_ID}
spring.ai.bedrock.aws.secret-key=${AWS_SECRET_ACCESS_KEY}
spring.ai.model.embedding=bedrock-titan替换地区,访问密钥和秘密密钥用你的AWS凭证。 |
这将产生EmbeddingController（嵌入式控制器）你可以把这些实现注入到你的类里。
这里有一个简单的例子@Controller使用聊天模式生成文本的课程。
@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
BedrockTitanEmbeddingModel 实现了嵌入模型并使用低级 TitanEmbeddingBedrockApi 客户端连接 Bedrock Titan 服务。
添加春艾基岩对你项目Maven的依赖pom.xml文件：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-bedrock</artifactId>
</dependency>或者去你的Gradlebuild.gradle构建文件。
dependencies {
implementation 'org.springframework.ai:spring-ai-bedrock'
}| 请参考依赖管理部分，将Spring AI的物料清单添加到你的构建文件中。 |
接下来，创建一个 BedrockTitanEmbeddingModel，并用于文本嵌入：
var titanEmbeddingApi = new TitanEmbeddingBedrockApi(
TitanEmbeddingModel.TITAN_EMBED_IMAGE_V1.id(), Region.US_EAST_1.id());
var embeddingModel = new BedrockTitanEmbeddingModel(this.titanEmbeddingApi);
EmbeddingResponse embeddingResponse = this.embeddingModel
.embedForResponse(List.of("Hello World")); // NOTE titan does not support batch embedding.低级 TitanEmbeddingBedrockApi 客户端
TitanEmbeddingBedrockApi 是一个基于 AWS Bedrock Titan 嵌入模型的轻量级 Java 客户端。
以下类图展示了 TitanEmbeddingBedrockApi 的接口和构建模块：
TitanEmbeddingBedrockApi 支持amazon.titan-embed-image-v1和amazon.titan-embed-image-v1单次和批量嵌入计算模型。
这里有一个简单的示例，说明如何程序化使用该 API：
TitanEmbeddingBedrockApi titanEmbedApi = new TitanEmbeddingBedrockApi(
TitanEmbeddingModel.TITAN_EMBED_TEXT_V1.id(), Region.US_EAST_1.id());
TitanEmbeddingRequest request = TitanEmbeddingRequest.builder()
.withInputText("I like to eat apples.")
.build();
TitanEmbeddingResponse response = this.titanEmbedApi.embedding(this.request);要嵌入一张图片，你需要将其转换成基地64格式：
TitanEmbeddingBedrockApi titanEmbedApi = new TitanEmbeddingBedrockApi(
TitanEmbeddingModel.TITAN_EMBED_IMAGE_V1.id(), Region.US_EAST_1.id());
byte[] image = new DefaultResourceLoader()
.getResource("classpath:/spring_framework.png")
.getContentAsByteArray();
TitanEmbeddingRequest request = TitanEmbeddingRequest.builder()
.withInputImage(Base64.getEncoder().encodeToString(this.image))
.build();
TitanEmbeddingResponse response = this.titanEmbedApi.embedding(this.request);