机器学习：

• 定义：人工智能的子领域，通过数据驱动的方法让计算机学习规律，进行预测或决策。

• 核心方法：

  • 监督学习（如线性回归、SVM）。

  • 无监督学习（如聚类、降维）。

  • 强化学习（如Q-learning）。

• 特点：依赖特征工程，模型复杂度较低，适用于中小型数据。

深度学习：

• 定义：基于深层神经网络的机器学习方法，可自动提取特征。

• 关键技术：

  • 神经网络架构：CNN（图像）、RNN/LSTM（序列数据）、Transformer。

  • 优化算法：反向传播、梯度下降（如Adam优化器）。

• 优势：处理高维数据（如图像、文本），减少人工特征工程。

自然语言处理：

• 目标：使计算机理解、生成人类语言。

• 技术演进：

  • 传统方法：词袋模型、TF-IDF、隐马尔可夫模型。

  • 深度学习方法：词嵌入（Word2Vec）、预训练模型（BERT、GPT）。

• 任务：机器翻译、情感分析、文本生成等。

大语言模型：

• 定义：参数量巨大（数亿至万亿）的深度学习模型，专注于语言任务。

• 代表模型：GPT系列、BERT、T5。

• 核心技术：

  • Transformer架构：自注意力机制（捕捉长距离依赖）。

  • 预训练与微调：在大规模语料上预训练（如掩码语言建模），再针对下游任务微调。

大模型底层原理：

T：基于Transformer的神经网络

P：通过大量数据预训练，掌握自然语言规律

G：基于上文计算概率，生成下一个token

模型部署：

云部署：

优点：前期成本低、部署维护简单、弹性扩展、全球访问

缺点：数据隐私、网络依赖、长期成本高

本地部署：

优点：数据安全、不依赖外部网络、长期成本低、高度定制

缺点：初始成本高、维护复杂、部署周期长

开放API：

优点：前期成本极低、无需部署、无需维护、全球访问

缺点：数据隐私、网络依赖、长期成本高、定制限制

调用大模型：

传统应用和大模型应用：

大模型应用是基于大模型的推理、分析、生成能力，结合传统编程能力，开发出的各种应用

AI应用开发技术架构：

Fine-tuning（模型微调）

针对特有业务场景对基础大模型做数据训练与微调，以满足特定场景的需求。

SpringAI：

是一个大模型应用框架。其目标是将Spring生态系统的设计原则（如可移植性的模块化设计）应用于人工智能邻域。可以无缝接入Spring生态体系，快速改造传统项目。

对话机器人-入门

引入依赖：

配置模型：

配置客户端：

创建项目：

引入依赖自动完成

配置：

创建包config，包下创建相应类

创建controller包，包下创建相应的类：

手动加入

阻塞式，响应时间较长

流式默认采用event事件流，默认情况没有编码

需要在@RequestMapping注解后自己设置响应的类型

system设定：

这里是controller和前端的对话

对话机器人-会话日志

对chatclinet做修改加入环绕增强

修改配置文件，新增日志相关：

在application.yaml加入

日志功能通过环绕通知来去实现的

对话机器人-前端对接

解决跨域问题

对话机器人-会话记忆

步骤：

定义会话存储方式：

存储在内部的会话记忆

配置会话记忆：

添加会话id：

第三排：匿名环绕增强器

配置类中

添加

对话机器人-会话历史

新增接口：

public interface ChatHistoryRepository {
 
    /**
     * 保存会话记录
     * @param type
     * @param charId
     */
    void save(String type,String charId);
 
 
    /**
     * 获取会话记录
     * @param type
     * @return
     */
    List<String> getChatIds(String type);
}

接口实现：

 
/**
 * @author TonySong
 * @date 2025/4/12 0012
 * @time 10:35
 */
@Component
public class InMemoryChatRepository implements ChatHistoryRepository{
 
    private final Map<String,List<String>> chatHistory= new HashMap<>();
 
    @Override
    public void save(String type, String charId) {
//        if(!chatHistory.containsKey(type)){
//            chatHistory.put(charId,new ArrayList<>());
//        }
//        List<String> charIds = chatHistory.get(type);
        List<String> charIds = chatHistory.computeIfAbsent(type, k -> new ArrayList<>());
        if(charIds.contains(charId)){
            return;
        }
        charIds.add(charId);
    }
 
    @Override
    public List<String> getChatIds(String type) {
//        List<String> list = chatHistory.get(type);
//        return list==null? List.of():list;
        return chatHistory.getOrDefault(type,List.of());
    }
}

修改会话实现：

 
/**
 * @author TonySong
 * @date 2025/4/11 0011
 * @time 17:39
 */
@RestController
@RequestMapping("/ai")
@RequiredArgsConstructor//启用带参构造完成创建
public class ChatController {
 
    private final ChatClient chatClient;
 
    private final ChatHistoryRepository  chatHistoryRepository;
 
 
    @RequestMapping(value = "/chat",produces = "text/html;charset=utf-8")
    public Flux<String> chat(@RequestParam(value = "message",defaultValue = "你是谁") String message) {
        //1、保存会话
        chatHistoryRepository.save("chat",message);
        //2、获取会话
        return chatClient
                .prompt()
                .user(message)
                .stream()
                .content();
    }
}