概述

Spring AI 基于 Spring 生态系统的可观测性功能，提供对 AI 相关操作的深入洞察。它为以下核心组件提供指标（Metrics）和链路追踪（Tracing）能力：

• ChatClient（包括 Advisor）
• ChatModel
• EmbeddingModel
• ImageModel
• VectorStore

请参考 Spring Boot Metrics 和 Spring Boot Tracing 文档，以在应用中启用指标和追踪支持。

翻译自官方文档：https://docs.spring.io/spring-ai/reference/concepts.html

AI 模型（AI Models）

AI 模型是旨在处理和生成信息的算法，通常模仿人类的认知功能。通过学习大规模数据集中的模式和洞察，这些模型可以进行预测、生成文本、图像或其他输出，从而增强各行各业的各种应用。

AI 模型有许多不同的类型，每种都适用于特定的用例。虽然 ChatGPT 及其生成式 AI 能力通过文本输入和输出吸引了大量用户，但许多模型和公司提供了多样化的输入和输出形式。在 ChatGPT 之前，许多人就对 Midjourney 和 Stable Diffusion 等文本生成图像模型着迷。

下表根据输入和输出类型对几种模型进行了分类：

Spring AI 目前支持处理语言、图像和音频作为输入和输出的模型。上表中最后一行（接受文本作为输入并输出数字）通常被称为文本嵌入（Embedding），代表了 AI 模型内部使用的数据结构。Spring AI 支持嵌入功能，以实现更高级的用例。

GPT 等模型的独特之处在于其预训练特性——正如 GPT 中的 “P” 所表示的那样：Chat Generative Pre-trained Transformer（对话生成式预训练 Transformer）。这种预训练特性使 AI 转变为一种通用的开发者工具，无需深厚的机器学习或模型训练背景即可使用。

概述

递归 Advisor（Recursive Advisors） 是一种特殊类型的 Advisor，可以多次循环遍历下游 Advisor 链。这种模式在需要重复调用大语言模型（LLM）直到满足特定条件时非常有用，例如：

• 循环执行工具调用，直到无需再调用任何工具
• 验证结构化输出，并在验证失败时重试
• 通过修改请求来实现评估（Evaluation）逻辑
• 通过修改请求来实现重试逻辑

概述

Spring AI 的 Advisors API 提供了一种灵活而强大的方式，用于在 Spring 应用中拦截、修改和增强 AI 驱动的交互。通过 Advisors API，开发者可以构建更复杂、可复用且易维护的 AI 组件。

主要优势：

• 封装常见的生成式 AI 模式（如 RAG、对话记忆、内容审查等）
• 转换发送给和接收自大语言模型（LLM）的数据
• 在不同模型和用例之间实现可移植性

推荐注册方式：官方建议在构建时使用 ChatClient 的 defaultAdvisors() 方法注册 Advisor：

1
2
3

ChatClient.builder(chatModel)
    .defaultAdvisors(new MyAdvisor())
    .build();

同时Advisor 也会加入 Observability（可观测性）栈，你可以查看其执行的指标（Metrics）和链路追踪（Traces）。

随着 AI Agent 连接的服务增多（Slack、GitHub、Jira、MCP 服务器等），工具库迅速膨胀。一个典型的多服务器设置很容易拥有 50+ 工具，在对话开始之前就消耗 55,000+ Token。当模型面对 30+ 名称相似的工具时，工具选择准确性也会下降。

工具搜索工具模式通过按需工具发现解决这个问题：

Spring AI 在2.0版本提供了该机制，可用于实现Tool的渐进加载，更好的为agent服务

1. 模型初始只收到一个搜索工具 — 最小化 Token 使用
2. 当需要某种能力时，模型用自然语言查询调用搜索工具
3. 匹配的工具定义被动态展开到上下文中
4. 模型随后可以正常调用被发现的工具

这实现了显著的 Token 节省，同时保持对大型工具目录的访问。

工具调用概述

工具调用（Tool Calling，也称为 函数调用 Function Calling）是 AI 应用中的一种常见模式，允许模型与一组 API 或”工具”交互，从而扩展模型的能力。

工具主要用于以下场景：

• 信息检索（Information Retrieval）：此类工具用于从外部源（如数据库、Web 服务、文件系统或搜索引擎）检索信息，目的是增强模型的知识，使其能回答原本无法回答的问题，比如适用于 检索增强生成（RAG） 场景。工具的使用例子有“获取某地的当前天气”、“检索最新新闻文章”、“查询数据库中的特定记录”等等
• 执行操作（Taking Action）：此类工具可在软件系统中执行操作，如发送邮件、在数据库中创建记录、提交表单或触发工作流，旨在自动化原需人工干预或显式编程的任务。比如“为聊天机器人用户预订航班”、“填写网页表单”、“在代码生成场景中依据自动化测试实现 Java 类（TDD）”

虽然通常称”工具调用”是模型的能力，但实际上由客户端应用程序提供工具调用逻辑。模型只能请求调用工具并提供输入参数，应用程序负责执行工具并返回结果。模型永远不会直接接触被注册为工具的 API。

以前OSSRH在运营的时候，曾整理过一篇发布开源项目的操作文档 《如何将开源项目发布到Maven中央仓库》，现在OSSRH废弃后已不再适用。

官方已经给出新方式的相关文档资料以及如何将个人名下的历史项目进行迁移，地址如下：
https://central.sonatype.org/publish/publish-portal-maven/#usage

而此处主要是列出针对性变化 ！

这篇文章我我们来探讨一下分布式ID常用的几种生成策略思想。

UUID

UUID（Universally Unique Identifier）的标准形式包含32个16进制数字，以短划线（-）分为五段，形式为8-4-4-4-12的36个字符，示例：

1

123e4567-e89b-12d3-a456-426655440000

一个合适的应用架构不仅能促使项目朝着好的方向发展，易于维护，也能指导团队成员有效协作。

DDD是站在领域的角度来驱动应用架构的落地，接下来将介绍一种落地方案。

战略设计

战略设计是将“混沌”解构成“清晰”的过程，在该过程从开始到结束的历程之中，我们会划分出领域、界定通用语言范围、确定出系统限界上下文以及上下文之间的映射方式。