Spring AI 使用 Mistral AI 嵌入向量

Spring AI 支持 Mistral AI 的文本嵌入向量模型。嵌入向量是文本的向量表示形式，通过其在高维向量空间中的位置来捕捉段落的语义含义。Mistral AI 嵌入向量 API 提供前沿、顶尖的文本嵌入向量，可用于多种自然语言处理任务。

可用模型

Mistral AI 提供两种嵌入向量模型，每种模型针对不同使用场景进行了优化：

模型选择指南：

• 处理文档、文章或用户查询等通用文本内容时，使用 mistral-embed

• 处理代码、技术文档或构建代码感知的检索增强生成系统时，使用 codestral-embed

前提条件

你需要创建 MistralAI API 密钥才能访问 MistralAI 嵌入向量模型。

在 MistralAI 注册页面创建账号，并在 API 密钥页面生成令牌。

Spring AI 项目定义了配置属性 spring.ai.mistralai.api-key，你需要将其设置为从 console.mistral.ai 获取的 API 密钥值。

你可以在 application.properties 文件中设置该配置属性：

spring.ai.mistralai.api-key=

为了在处理 API 密钥等敏感信息时提升安全性，你可以使用 Spring 表达式语言（SpEL）引用环境变量：

# application.yml 文件中
spring:
  ai:
    mistralai:
      api-key: ${MISTRALAI_API_KEY}
# 环境变量或 .env 文件中
export MISTRALAI_API_KEY=

你也可以在应用代码中以编程方式设置该配置：

// 从安全源或环境变量获取 API 密钥
String apiKey = System.getenv("MISTRALAI_API_KEY");

添加仓库和物料清单

Spring AI 构件已发布至 Maven 中央仓库和 Spring 快照仓库。参考「构件仓库」章节，将这些仓库添加到你的构建系统中。

为简化依赖管理，Spring AI 提供了物料清单（BOM），确保整个项目使用一致版本的 Spring AI。参考「依赖管理」章节，将 Spring AI 物料清单添加到你的构建系统中。

自动配置

Spring AI 自动配置、启动器模块的构件名称发生了重大变更。更多信息请参考升级说明。

Spring AI 为 MistralAI 嵌入向量模型提供了 Spring Boot 自动配置。启用该功能需在项目的 Maven pom.xml 文件中添加以下依赖：

org.springframework.aispring-ai-starter-model-mistral-ai

或添加到 Gradle build.gradle 构建文件中：

dependencies {
    implementation 'org.springframework.ai:spring-ai-starter-model-mistral-ai'
}

参考「依赖管理」章节，将 Spring AI 物料清单添加到你的构建文件中。

嵌入向量配置属性

重试属性

配置前缀 spring.ai.retry 用于配置 Mistral AI 嵌入向量模型的重试机制。

连接属性

配置前缀 spring.ai.mistralai 用于连接 MistralAI。

配置属性

嵌入向量自动配置的启用与禁用，现已通过顶级前缀 spring.ai.model.embedding 配置：

• 启用：spring.ai.model.embedding=mistral（默认已启用）

• 禁用：spring.ai.model.embedding=none（或任意非 mistral 的值）

该变更用于支持多模型的配置管理。

配置前缀 spring.ai.mistralai.embedding 用于配置 MistralAI 的 EmbeddingModel 实现。

你可以为 ChatModel 和 EmbeddingModel 实现覆盖通用的 spring.ai.mistralai.base-url 和 spring.ai.mistralai.api-key。若配置了 spring.ai.mistralai.embedding.base-url 和 spring.ai.mistralai.embedding.api-key，其优先级高于通用属性。同理，若配置了 spring.ai.mistralai.chat.base-url 和 spring.ai.mistralai.chat.api-key，优先级也高于通用属性。当你需要为不同模型和不同模型端点使用不同的 MistralAI 账号时，该功能非常实用。

所有以 spring.ai.mistralai.embedding.options 为前缀的属性，都可以在运行时通过向 EmbeddingRequest 请求添加特定的运行时选项来覆盖。

运行时选项

MistralAiEmbeddingOptions.java 提供了 MistralAI 配置项，例如使用的模型等。

默认选项也可以通过 spring.ai.mistralai.embedding.options 属性配置。

启动时，可以使用 MistralAiEmbeddingModel 构造函数设置所有嵌入向量请求的默认选项。运行时，你可以通过在 EmbeddingRequest 中使用 MistralAiEmbeddingOptions 实例来覆盖默认选项。

例如，为特定请求覆盖默认模型名称：

// 使用 mistral-embed 处理通用文本
EmbeddingResponse textEmbeddingResponse = embeddingModel.call(
    new EmbeddingRequest(List.of("Hello World", "World is big and salvation is near"),
        MistralAiEmbeddingOptions.builder()
            .withModel("mistral-embed")
        .build()));

// 使用 codestral-embed 处理代码
EmbeddingResponse codeEmbeddingResponse = embeddingModel.call(
    new EmbeddingRequest(List.of("public class HelloWorld {}", "def hello_world():"),
        MistralAiEmbeddingOptions.builder()
            .withModel("codestral-embed")
        .build()));

示例控制器

配置完成后会自动创建 EmbeddingModel 实例，可直接注入到类中使用。以下是一个简单的 @Controller 示例，使用 EmbeddingModel 实现生成嵌入向量：

spring.ai.mistralai.api-key=YOUR_API_KEY
spring.ai.mistralai.embedding.options.model=mistral-embed

@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) {
        var embeddingResponse = this.embeddingModel.embedForResponse(List.of(message));
        return Map.of("embedding", embeddingResponse);
    }
}

手动配置

若不使用 Spring Boot，你可以手动配置 OpenAI 嵌入向量模型。为此，需在项目的 Maven pom.xml 文件中添加 spring-ai-mistral-ai 依赖：

org.springframework.aispring-ai-mistral-ai

或添加到 Gradle build.gradle 构建文件中：

dependencies {
    implementation 'org.springframework.ai:spring-ai-mistral-ai'
}

参考「依赖管理」章节，将 Spring AI 物料清单添加到你的构建文件中。

spring-ai-mistral-ai 依赖同时提供了 MistralAiChatModel 的访问能力。关于 MistralAiChatModel 的更多信息，请参考 MistralAI 聊天客户端章节。

接下来，创建 MistralAiEmbeddingModel 实例并计算两个输入文本之间的相似度：

var mistralAiApi = new MistralAiApi(System.getenv("MISTRAL_AI_API_KEY"));

var embeddingModel = new MistralAiEmbeddingModel(this.mistralAiApi,
        MistralAiEmbeddingOptions.builder()
                .withModel("mistral-embed")
                .withEncodingFormat("float")
                .build());

EmbeddingResponse embeddingResponse = this.embeddingModel
        .embedForResponse(List.of("Hello World", "World is big and salvation is near"));

MistralAiEmbeddingOptions 提供了嵌入向量请求的配置信息。该选项类提供 builder() 方法，方便快速创建选项。