|
此版本仍在开发中，尚未被视为稳定版。为了获取最新的快照版本，请使用Spring AI 1.1.3！ |
MiniMax 聊天
Spring AI 支持来自MiniMax的各种AI语言模型。您可以与MiniMax语言模型进行交互，并基于MiniMax模型创建多语言对话助手。
前提条件
您需要与MiniMax合作创建一个API，以便访问MiniMax的语言模型。
在< a t="C0">MiniMax注册页面创建一个帐户，并在API密钥页面生成Tokens。
Spring AI项目定义了一个名为spring.ai.minimax.api-key的配置属性，您应将其设置为从API密钥页面获取的API Key值。
您可以在application.properties文件中设置此配置属性：
spring.ai.minimax.api-key=<your-minimax-api-key>为了在处理API密钥等敏感信息时增强安全性，您可以使用Spring表达式语言（SpEL）引用环境变量：
# In application.yml
spring:
ai:
minimax:
api-key: ${MINIMAX_API_KEY}# In your environment or .env file
export MINIMAX_API_KEY=<your-minimax-api-key>您也可以在应用程序代码中以编程方式设置此配置：
// Retrieve API key from a secure source or environment variable
String apiKey = System.getenv("MINIMAX_API_KEY");自动配置
|
There has been a significant change in the Spring AI auto-configuration, starter modules' artifact names. Please refer to the 升级说明以获取更多信息。 |
Spring AI 为 MiniMax 聊天客户端提供了 Spring Boot 自动配置功能。要启用此功能，请在项目的 Maven pom.xml 文件中添加以下依赖:
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-model-minimax</artifactId>
</dependency>或者添加到您的Gradle 构建脚本文件中。
dependencies {
implementation 'org.springframework.ai:spring-ai-starter-model-minimax'
}| 参考以下依赖管理部分，添加Spring AI BOM到你的构建文件中。 |
聊天属性
重试属性
前缀 spring.ai.retry 用于作为属性前缀，以便您配置MiniMax聊天模型的重试机制。
| 属性 | 描述 | 默认 |
|---|---|---|
spring.ai.retry.max-attempts |
最大重试次数。 |
10 |
spring.ai.retry.backoff.initial-interval |
指数退避策略的初始睡眠时长。 |
2 秒 |
spring.ai.retry.backoff.multiplier |
退避间隔乘数。 |
5 |
spring.ai.retry.backoff.max-interval |
最大退避时长。 |
3 分钟。 |
spring.ai.retry.on-client-errors |
如果为false，则抛出NonTransientAiException，且不重试客户端错误代码 |
false |
spring.ai.retry.exclude-on-http-codes |
不应触发重试的HTTP状态代码列表（例如，用于抛出非暂时性AI异常）。 |
empty |
spring.ai.retry.on-http-codes |
应触发重试的HTTP状态码列表（例如，用于抛出TransientAiException）。 |
empty |
连接属性
前缀 spring.ai.minimax 用于作为属性前缀，以便您连接到MiniMax。
| 属性 | 描述 | 默认 |
|---|---|---|
spring.ai.minimax.base-url |
要连接的URL |
|
spring.ai.minimax.api-key |
API 密钥 |
- |
配置属性
|
启用和禁用聊天自动配置现在通过顶级属性使用前缀 要启用，请设置 spring.ai.model.chat=minimax （默认情况下已启用） 要禁用，请设置 spring.ai.model.chat=none（或任何不匹配minimax的值） 这种修改是为了允许配置多个模型。 |
前缀 spring.ai.minimax.chat 是属性前缀，用于配置MiniMax的聊天模型实现。
| 属性 | 描述 | 默认 |
|---|---|---|
spring.ai.minimax.chat.enabled（已移除，不再有效） |
启用MiniMax聊天模型。 |
true |
spring.ai.model.chat |
启用MiniMax聊天模型。 |
极小极大算法 |
spring.ai.minimax.chat.base-url |
可选地，覆盖 `spring.ai.minimax.base-url` 以提供聊天特定的URL。 |
|
spring.ai.minimax.chat.api-key |
可选地，覆盖 `spring.ai.minimax.api-key` 以提供特定于聊天的 API 密钥 |
- |
spring.ai.minimax.chat.options.model |
这是要使用的MiniMax聊天模型 |
|
spring.ai.minimax.chat.options.maxTokens |
聊天补全时生成的最大Tokens数量。输入Tokens和生成Tokens的总长度受到模型上下文长度的限制。 |
- |
spring.ai.minimax.chat.options.temperature |
用于控制生成完成内容的表面创新性的采样温度。较高的值会使输出更加随机，而较低的值会使结果更加集中和确定性。不建议在同一完成请求中同时修改温度（temperature）和顶级概率（top_p），因为这两个设置之间的相互作用难以预测。 |
0.7 |
spring.ai.minimax.chat.options.topP |
一种替代温度采样的方法称为核采样，模型会考虑具有前p概率质量的Tokens的结果。因此，0.1意味着只考虑构成前10%概率质量的Tokens。我们通常建议调整这个参数或温度，但不建议同时调整两者。 |
1.0 |
spring.ai.minimax.chat.options.n |
针对每条输入消息生成的聊天补全选项数量。请注意，您将根据所有选项产生的Tokens总数来计费。默认值为1，且不能大于5。特别地，当温度非常小且接近0时，我们只能返回1个结果。如果此时n已经设置且>1，服务将返回非法输入参数（invalid_request_error）。 |
1 |
spring.ai.minimax.chat.options.presencePenalty |
介于-2.0和2.0之间的数值。正值会根据新词是否已出现在文本中对其进行惩罚，从而增加模型谈论新主题的可能性。 |
0.0f |
spring.ai.minimax.chat.options.frequencyPenalty |
介于-2.0和2.0之间的数值。正值会根据新词在文本中已有的出现频率对其进行惩罚，从而降低模型重复相同行文的确切概率。 |
0.0f |
spring.ai.minimax.chat.options.stop |
模型将停止生成由stop指定的字符，目前仅支持格式为["停止词1"]的单个停止词。 |
- |
spring.ai.minimax.chat.options.tool-names |
用于在单个提示请求中启用函数调用的工具列表，这些工具通过它们的名称来识别。具有这些名称的工具必须存在于ToolCallback注册表中。 |
- |
spring.ai.minimax.chat.options.tool-callbacks |
向ChatModel注册的工具回调。 |
- |
spring.ai.minimax.chat.options.internal-tool-execution-enabled |
如果为 false，Spring AI 将不内部处理工具调用，而是将它们代理给客户端。此后，处理工具调用、将其分派给适当函数并返回结果的责任在于客户端。如果为 true（默认值），Spring AI 将内部处理函数调用。此设置仅适用于支持函数调用的聊天模型。 |
true |
您可以覆盖通用的 spring.ai.minimax.base-url 和 spring.ai.minimax.api-key，用于 ChatModel 的实现。
如果设置了 spring.ai.minimax.chat.base-url 和 spring.ai.minimax.chat.api-key 属性，则优先于通用属性。
这对于希望为不同的模型和不同的模型端点使用不同的MiniMax账户非常有用。 |
所有以spring.ai.minimax.chat.options为前缀的属性都可以通过向Prompt调用中添加特定于请求的运行时选项在运行时覆盖。 |
运行时选项
MiniMaxChatOptions.java 文件提供了模型配置，如使用的模型、温度、频率惩罚等参数。
On start-up, the default options can be configured with the MiniMaxChatModel(api, options) constructor or the spring.ai.minimax.chat.options.* properties.
在运行时，您可以通过向Prompt调用添加新的、针对请求的选项来覆盖默认选项。
例如，要为特定请求覆盖默认模型和温度:
ChatResponse response = chatModel.call(
new Prompt(
"Generate the names of 5 famous pirates.",
MiniMaxChatOptions.builder()
.model(MiniMaxApi.ChatModel.ABAB_6_5_S_Chat.getValue())
.temperature(0.5)
.build()
));| 除了模型特定的MiniMaxChatOptions之外，您还可以使用可移植的ChatOptions实例，通过ChatOptions#builder()方法创建。 |
示例控制器
创建一个新的Spring Boot项目，并将spring-boot-starter-web添加到您的pom（或gradle）依赖中。
在src/main/resources目录下添加一个application.properties文件，以启用并配置MiniMax聊天模型：
spring.ai.minimax.api-key=YOUR_API_KEY
spring.ai.minimax.chat.options.model=abab6.5g-chat
spring.ai.minimax.chat.options.temperature=0.7将api-key替换为您的MiniMax凭据。 |
这将创建一个MiniMaxChatModel实现，您可以将其注入到您的类中。
以下是一个使用聊天模型进行文本生成的简单@Controller类的例子。
@RestController
public class ChatController {
private final MiniMaxChatModel chatModel;
@Autowired
public ChatController(MiniMaxChatModel chatModel) {
this.chatModel = chatModel;
}
@GetMapping("/ai/generate")
public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
return Map.of("generation", this.chatModel.call(message));
}
@GetMapping("/ai/generateStream")
public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
var prompt = new Prompt(new UserMessage(message));
return this.chatModel.stream(prompt);
}
}手动配置
MiniMaxChatModel迷你最大聊天模型实现了ChatModel和StreamingChatModel，并使用了低级迷你最大API客户端连接到MiniMax服务。
将 spring-ai-minimax 依赖添加到您项目的 Maven pom.xml 文件中：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-minimax</artifactId>
</dependency>或者添加到您的Gradle 构建脚本文件中。
dependencies {
implementation 'org.springframework.ai:spring-ai-minimax'
}| 参考以下依赖管理部分，添加Spring AI BOM到你的构建文件中。 |
接下来，创建一个MiniMaxChatModel并用它来生成文本:
var miniMaxApi = new MiniMaxApi(System.getenv("MINIMAX_API_KEY"));
var chatModel = new MiniMaxChatModel(this.miniMaxApi, MiniMaxChatOptions.builder()
.model(MiniMaxApi.ChatModel.ABAB_6_5_S_Chat.getValue())
.temperature(0.4)
.maxTokens(200)
.build());
ChatResponse response = this.chatModel.call(
new Prompt("Generate the names of 5 famous pirates."));
// Or with streaming responses
Flux<ChatResponse> streamResponse = this.chatModel.stream(
new Prompt("Generate the names of 5 famous pirates."));数字MiniMaxChatOptions为聊天请求提供了配置信息。
数字MiniMaxChatOptions.Builder是流利选项构建器。
MiniMaxApi客户端底层实现
MiniMaxApi 提供了一个轻量级的 Java 客户端，用于MiniMax API。
以下是如何以编程方式使用API的简单代码片段：
MiniMaxApi miniMaxApi =
new MiniMaxApi(System.getenv("MINIMAX_API_KEY"));
ChatCompletionMessage chatCompletionMessage =
new ChatCompletionMessage("Hello world", Role.USER);
// Sync request
ResponseEntity<ChatCompletion> response = this.miniMaxApi.chatCompletionEntity(
new ChatCompletionRequest(List.of(this.chatCompletionMessage), MiniMaxApi.ChatModel.ABAB_6_5_S_Chat.getValue(), 0.7, false));
// Streaming request
Flux<ChatCompletionChunk> streamResponse = this.miniMaxApi.chatCompletionStream(
new ChatCompletionRequest(List.of(this.chatCompletionMessage), MiniMaxApi.ChatModel.ABAB_6_5_S_Chat.getValue(), 0.7, true));有关更多信息，请参阅MiniMaxApi.java的JavaDoc注释。
WebSearch 聊天
MiniMax模型支持了网络搜索功能。网络搜索功能使您能够搜索网络上的信息，并将结果返回在聊天响应中。
关于网络搜索，请遵循MiniMax聊天补全以获取更多信息。
以下是使用网络搜索的一个简单代码片段：
UserMessage userMessage = new UserMessage(
"How many gold medals has the United States won in total at the 2024 Olympics?");
List<Message> messages = new ArrayList<>(List.of(this.userMessage));
List<MiniMaxApi.FunctionTool> functionTool = List.of(MiniMaxApi.FunctionTool.webSearchFunctionTool());
MiniMaxChatOptions options = MiniMaxChatOptions.builder()
.model(MiniMaxApi.ChatModel.ABAB_6_5_S_Chat.value)
.tools(this.functionTool)
.build();
// Sync request
ChatResponse response = chatModel.call(new Prompt(this.messages, this.options));
// Streaming request
Flux<ChatResponse> streamResponse = chatModel.stream(new Prompt(this.messages, this.options));