|
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！ |
Cohere 嵌入
提供 Bedrock Cohere 嵌入模型。 将生成式 AI 功能集成到关键应用程序和工作流中，以提升业务成果。
The AWS Bedrock Cohere 模型页面和Amazon Bedrock 用户指南包含有关如何使用 AWS 托管模型的详细信息。
前提条件
请参阅Amazon Bedrock 上的 Spring AI 文档以设置 API 访问权限。
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。 |
将 spring-ai-starter-model-bedrock 依赖添加到您项目的 Maven pom.xml 文件中：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-model-bedrock</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-bedrock'
}| 参考以下依赖管理部分，添加Spring AI BOM到你的构建文件中。 |
启用 Cohere 嵌入支持
默认情况下，Cohere嵌入模型是禁用的。
要启用它，请在应用程序配置中将spring.ai.model.embedding属性设置为bedrock-cohere：
spring.ai.model.embedding=bedrock-cohere或者，您也可以使用 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-cohere您也可以在启动应用程序时通过 Java 系统属性设置此属性：
java -Dspring.ai.model.embedding=bedrock-cohere -jar your-application.jar嵌入属性
前缀 spring.ai.bedrock.aws 是配置到亚马逊 Bedrock 连接的属性前缀。
| 属性 | 描述 | 默认 |
|---|---|---|
spring.ai.bedrock.aws.region |
要使用的 AWS 区域。 |
us-east-1 |
spring.ai.bedrock.aws.access-key |
AWS访问密钥。 |
- |
spring.ai.bedrock.aws.secret-key |
AWS 密钥。 |
- |
spring.ai.bedrock.aws.profile.name |
AWS配置文件名。 |
- |
spring.ai.bedrock.aws.profile.credentials-path |
AWS凭证文件路径。 |
- |
spring.ai.bedrock.aws.profile.configuration-path |
AWS 配置文件的路径。 |
- |
|
启用和禁用嵌入式自动配置现在通过带有前缀 要启用，spring.ai.model.embedding=bedrock-cohere（默认已启用） 要禁用，spring.ai.model.embedding=none（或任何与 bedrock-cohere 不匹配的值） 这种修改是为了允许配置多个模型。 |
前缀 spring.ai.bedrock.cohere.embedding（在 BedrockCohereEmbeddingProperties 中定义）是用于配置 Cohere 嵌入模型实现的属性前缀。
属性 |
描述 |
默认 |
spring.ai.model.embedding |
启用或禁用对 Cohere 的支持 |
bedrock-cohere |
spring.ai.bedrock.cohere.embedding.enabled（已移除且不再有效） |
启用或禁用对 Cohere 的支持 |
false |
spring.ai.bedrock.cohere.embedding.model |
要使用的模型 ID。请参阅 CohereEmbeddingModel 以了解支持的模型。 |
cohere.embed-multilingual-v3 |
spring.ai.bedrock.cohere.embedding.options.input-type |
为区分不同类型，会预先添加特殊标记。您不应将不同类型混合使用，除非在搜索与检索时需要混合使用。在这种情况下，请使用 search_document 类型对语料库进行嵌入，并使用 search_query 类型对嵌入式查询进行嵌入。 |
SEARCH_DOCUMENT |
spring.ai.bedrock.cohere.embedding.options.truncate |
指定 API 如何处理超过最大标记长度的输入。如果您指定 LEFT 或 RIGHT，模型会丢弃输入，直到剩余输入恰好等于模型的最大输入标记长度。 |
NONE |
在通过 Amazon Bedrock 访问 Cohere 时，截断功能不可用。这是 Amazon Bedrock 的一个问题。Spring AI 类 BedrockCohereEmbeddingModel 将截断为 2048 个字符的长度，这是模型支持的最大长度。 |
查看 CohereEmbeddingModel 以获取其他模型 ID。
支持的值为：cohere.embed-multilingual-v3 和 cohere.embed-english-v3。
模型 ID 值也可以在 AWS Bedrock 基础模型 ID 文档中找到。
所有以spring.ai.bedrock.cohere.embedding.options为前缀的属性都可以通过向EmbeddingRequest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
The BedrockCohereEmbeddingOptions.java provides model configurations, such as input-type or truncate.
On start-up, the default options can be configured with the BedrockCohereEmbeddingModel(api, options) constructor or the spring.ai.bedrock.cohere.embedding.options.* properties.
在运行时，您可以通过向 EmbeddingRequest 调用添加新的、特定于请求的选项来覆盖默认选项。
例如，要覆盖特定请求的默认输入类型：
EmbeddingResponse embeddingResponse = embeddingModel.call(
new EmbeddingRequest(List.of("Hello World", "World is big and salvation is near"),
BedrockCohereEmbeddingOptions.builder()
.inputType(InputType.SEARCH_DOCUMENT)
.build()));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。
添加一个 application.properties 文件，位于 src/main/resources 目录下，以启用并配置 Cohere Embedding 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-cohere
spring.ai.bedrock.cohere.embedding.options.input-type=search-document将regions、access-key和secret-key替换为您的AWS凭证。 |
这将创建一个BedrockCohereEmbeddingModel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 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
The BedrockCohereEmbeddingModel implements the EmbeddingModel and uses the Low-level CohereEmbeddingBedrockApi Client to connect to the Bedrock Cohere service.
将 spring-ai-bedrock 依赖添加到您项目的 Maven pom.xml 文件中：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-bedrock</artifactId>
</dependency>或者添加到您的Gradle 构建脚本文件中。
dependencies {
implementation 'org.springframework.ai:spring-ai-bedrock'
}| 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 BedrockCohereEmbeddingModel 并将其用于文本嵌入：
var cohereEmbeddingApi =new CohereEmbeddingBedrockApi(
CohereEmbeddingModel.COHERE_EMBED_MULTILINGUAL_V1.id(),
EnvironmentVariableCredentialsProvider.create(), Region.US_EAST_1.id(), new JsonMapper());
var embeddingModel = new BedrockCohereEmbeddingModel(this.cohereEmbeddingApi);
EmbeddingResponse embeddingResponse = this.embeddingModel
.embedForResponse(List.of("Hello World", "World is big and salvation is near"));低级 CohereEmbeddingBedrockApi 客户端
The CohereEmbeddingBedrockApi provides a lightweight Java client on top of AWS Bedrock Cohere Command models.
以下类图展示了 CohereEmbeddingBedrockApi 接口及其构建模块：
CohereEmbeddingBedrockApi 支持 cohere.embed-english-v3 和 cohere.embed-multilingual-v3 模型，用于单次和批量嵌入计算。
以下是如何以编程方式使用API的简单代码片段：
CohereEmbeddingBedrockApi api = new CohereEmbeddingBedrockApi(
CohereEmbeddingModel.COHERE_EMBED_MULTILINGUAL_V1.id(),
EnvironmentVariableCredentialsProvider.create(),
Region.US_EAST_1.id(), new JsonMapper());
CohereEmbeddingRequest request = new CohereEmbeddingRequest(
List.of("I like to eat apples", "I like to eat oranges"),
CohereEmbeddingRequest.InputType.search_document,
CohereEmbeddingRequest.Truncate.NONE);
CohereEmbeddingResponse response = this.api.embedding(this.request);