Spring AI学习：配置redis向量数据库&RAG实践

缔造健康美丽传奇

配置redis向量数据库：

配置依赖：

<dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-vector-store-redis</artifactId>
 </dependency>

配置redis数据库属性：

 RAG实践：

使用spring ai提供的环绕增强（advisor）功能实现RAG。

配置依赖：

<dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-advisors-vector-store</artifactId>
</dependency>

增加QuestionAnswerAdvisor（当前1.1.2版本应该是不能直接new了，QuestionAnswerAdvisor属于包级私有，用builder链式编程可以实现创建）

 只要配置依赖和属性，spring ai starter会在程序运行初自动生成VectorStore的Bean，直接注入即可使用vectorStore。

（我在运行时出现报错：EmbedingModel不可用，于是我手动设置了一个，如下图）

 读取文件并写入向量数据库（spring ai提供了ETL接口，通过对应的Reader就能将文件转换为Document）：

 进行一次对话（数据文本及结果如下）：

redis中数据：

来源：https://www.cnblogs.com/syf0824/p/19518768