Docker 模型執行器聊天

Docker 模型執行器是一個 AI 推理引擎，提供來自各種提供商的廣泛模型。

Spring AI 透過重用現有OpenAI支援的ChatClient來與 Docker 模型執行器整合。為此，將基本 URL 設定為localhost:12434/engines，並選擇其中一個提供的LLM 模型。

請查閱DockerModelRunnerWithOpenAiChatModelIT.java測試，瞭解如何將 Docker 模型執行器與 Spring AI 結合使用的示例。

前提條件

  • 下載 Docker Desktop for Mac 4.40.0。

選擇以下選項之一啟用模型執行器

選項 1

  • 啟用模型執行器 docker desktop enable model-runner --tcp 12434。

  • 將基本 URL 設定為 localhost:12434/engines

選項 2

  • 啟用模型執行器 docker desktop enable model-runner。

  • 使用 Testcontainers 並按如下方式設定基本 URL

@Container
private static final DockerModelRunnerContainer DMR = new DockerModelRunnerContainer("alpine/socat:1.7.4.3-r0");

@Bean
public OpenAiApi chatCompletionApi() {
	var baseUrl = DMR.getOpenAIEndpoint();
	return OpenAiApi.builder().baseUrl(baseUrl).apiKey("test").build();
}

您可以透過閱讀使用 Docker 在本地執行 LLM部落格文章，瞭解有關 Docker 模型執行器的更多資訊。

自動配置

自 1.0.0.M7 版本以來，Spring AI 啟動器模組的 artifact ID 已重新命名。現在，依賴項名稱應遵循更新的模型、向量儲存和 MCP 啟動器命名模式。請參閱升級說明以獲取更多資訊。

Spring AI 為 OpenAI 聊天客戶端提供了 Spring Boot 自動配置。要啟用它，請將以下依賴項新增到專案的 Maven pom.xml 檔案中

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-openai</artifactId>
</dependency>

或將以下內容新增到您的 Gradle build.gradle 構建檔案中。

dependencies {
    implementation 'org.springframework.ai:spring-ai-starter-model-openai'
}
請參閱 依賴項管理 部分，將 Spring AI BOM 新增到您的構建檔案中。

聊天屬性

重試屬性

字首 spring.ai.retry 用作屬性字首，允許您為 OpenAI 聊天模型配置重試機制。

財產 描述 預設值

spring.ai.retry.max-attempts

最大重試次數。

10

spring.ai.retry.backoff.initial-interval

指數回退策略的初始休眠持續時間。

2 秒。

spring.ai.retry.backoff.multiplier

回退間隔乘數。

5

spring.ai.retry.backoff.max-interval

最大回退持續時間。

3 分鐘。

spring.ai.retry.on-client-errors

如果為 false，則丟擲 NonTransientAiException，並且不嘗試重試 4xx 客戶端錯誤程式碼

假

spring.ai.retry.exclude-on-http-codes

不應觸發重試的 HTTP 狀態程式碼列表（例如，丟擲 NonTransientAiException）。

空

spring.ai.retry.on-http-codes

應觸發重試的 HTTP 狀態程式碼列表（例如，丟擲 TransientAiException）。

空

連線屬性

字首 spring.ai.openai 用作屬性字首，允許您連線到 OpenAI。

財產 描述 預設值

spring.ai.openai.base-url

要連線的 URL。必須設定為 hub.docker.com/u/ai

-

spring.ai.openai.api-key

任意字串

-

配置屬性

現在透過字首為 spring.ai.model.chat 的頂級屬性來啟用和停用聊天自動配置。

要啟用，請設定 spring.ai.model.chat=openai (預設啟用)

要停用，請設定 spring.ai.model.chat=none (或任何與 openai 不匹配的值)

此更改允許在您的應用程式中配置多個模型。

字首 spring.ai.openai.chat 是屬性字首，允許您配置 OpenAI 的聊天模型實現。

財產 描述 預設值

spring.ai.openai.chat.enabled (已刪除，不再有效)

啟用 OpenAI 聊天模型。

true

spring.ai.model.chat

啟用 OpenAI 聊天模型。

openai

spring.ai.openai.chat.base-url

可選地覆蓋 spring.ai.openai.base-url 以提供特定於聊天的 URL。必須設定為 localhost:12434/engines

-

spring.ai.openai.chat.api-key

可選覆蓋 spring.ai.openai.api-key 以提供特定於聊天的 api-key

-

spring.ai.openai.chat.options.model

要使用的LLM 模型

-

spring.ai.openai.chat.options.temperature

取樣溫度控制生成完成的表觀創造力。較高的值將使輸出更隨機，而較低的值將使結果更集中和確定性。不建議在同一完成請求中修改溫度和 top_p，因為這兩個設定的相互作用難以預測。

0.8

spring.ai.openai.chat.options.frequencyPenalty

介於 -2.0 和 2.0 之間的數字。正值會根據文字中現有頻率懲罰新令牌，從而降低模型重複相同行的可能性。

0.0f

spring.ai.openai.chat.options.maxTokens

在聊天補全中生成的最大令牌數。輸入令牌和生成令牌的總長度受模型上下文長度的限制。

-

spring.ai.openai.chat.options.n

為每個輸入訊息生成多少個聊天完成選項。請注意，您將根據所有選項中生成的令牌數量收費。將 n 保持為 1 以最小化成本。

1

spring.ai.openai.chat.options.presencePenalty

介於 -2.0 和 2.0 之間的數字。正值會根據新令牌是否出現在文字中來懲罰新令牌，從而增加模型討論新主題的可能性。

-

spring.ai.openai.chat.options.responseFormat

指定模型必須輸出的格式的物件。設定為 { "type": "json_object" } 可啟用 JSON 模式，該模式保證模型生成的訊息是有效的 JSON。

-

spring.ai.openai.chat.options.seed

此功能處於 Beta 階段。如果指定，我們的系統將盡力確定性地取樣，以便具有相同種子和引數的重複請求應返回相同的結果。

-

spring.ai.openai.chat.options.stop

API 將停止生成更多令牌的最多 4 個序列。

-

spring.ai.openai.chat.options.topP

除了使用溫度取樣之外的另一種方法，稱為核取樣，模型考慮具有 top_p 機率質量的令牌結果。因此 0.1 意味著只考慮佔前 10% 機率質量的令牌。我們通常建議更改此項或溫度，但不要同時更改兩者。

-

spring.ai.openai.chat.options.tools

模型可以呼叫的工具列表。目前，只支援函式作為工具。使用此項提供模型可以生成 JSON 輸入的函式列表。

-

spring.ai.openai.chat.options.toolChoice

控制模型呼叫哪個（如果有）函式。none 表示模型不會呼叫函式，而是生成一條訊息。auto 表示模型可以在生成訊息或呼叫函式之間進行選擇。透過 {"type: "function", "function": {"name": "my_function"}} 指定特定函式會強制模型呼叫該函式。當沒有函式存在時，none 是預設值。如果存在函式，auto 是預設值。

-

spring.ai.openai.chat.options.user

代表您的終端使用者的唯一識別符號，可以幫助 OpenAI 監控和檢測濫用。

-

spring.ai.openai.chat.options.stream-usage

（僅限流式傳輸）設定為新增一個額外的塊，其中包含整個請求的令牌使用統計資訊。此塊的choices欄位是一個空陣列，所有其他塊也將包含一個 usage 欄位，但值為 null。

假

spring.ai.openai.chat.options.tool-names

工具列表，透過其名稱標識，用於在單個提示請求中啟用函式呼叫。具有這些名稱的工具必須存在於 ToolCallback 登錄檔中。

-

spring.ai.openai.chat.options.tool-callbacks

要註冊到 ChatModel 的工具回撥。

-

spring.ai.openai.chat.options.internal-tool-execution-enabled

如果為 false，Spring AI 將不會在內部處理工具呼叫，而是將其代理到客戶端。然後，客戶端負責處理工具呼叫，將其分派到適當的函式，並返回結果。如果為 true（預設），Spring AI 將在內部處理函式呼叫。僅適用於支援函式呼叫的聊天模型

true
所有以 spring.ai.openai.chat.options 為字首的屬性都可以在執行時透過向 Prompt 呼叫新增請求特定的 執行時選項 來覆蓋。

執行時選項

OpenAiChatOptions.java 提供了模型配置，例如要使用的模型、溫度、頻率懲罰等。

在啟動時，可以使用 OpenAiChatModel(api, options) 建構函式或 spring.ai.openai.chat.options.* 屬性配置預設選項。

在執行時，您可以透過向 Prompt 呼叫新增新的、特定於請求的選項來覆蓋預設選項。例如，要覆蓋特定請求的預設模型和溫度

ChatResponse response = chatModel.call(
    new Prompt(
        "Generate the names of 5 famous pirates.",
        OpenAiChatOptions.builder()
            .model("ai/gemma3:4B-F16")
        .build()
    ));
除了模型特定的 OpenAiChatOptions，您還可以使用可移植的 ChatOptions 例項，該例項透過 ChatOptions#builder() 建立。

函式呼叫

Docker 模型執行器在選擇支援工具/函式呼叫的模型時支援此功能。

您可以使用 ChatModel 註冊自定義 Java 函式，並讓提供的模型智慧地選擇輸出一個 JSON 物件，其中包含呼叫一個或多個已註冊函式的引數。這是一種將 LLM 功能與外部工具和 API 連線起來的強大技術。

工具示例

下面是使用 Spring AI 呼叫 Docker 模型執行器函式的一個簡單示例

spring.ai.openai.api-key=test
spring.ai.openai.base-url=https://:12434/engines
spring.ai.openai.chat.options.model=ai/gemma3:4B-F16
@SpringBootApplication
public class DockerModelRunnerLlmApplication {

    public static void main(String[] args) {
        SpringApplication.run(DockerModelRunnerLlmApplication.class, args);
    }

    @Bean
    CommandLineRunner runner(ChatClient.Builder chatClientBuilder) {
        return args -> {
            var chatClient = chatClientBuilder.build();

            var response = chatClient.prompt()
                .user("What is the weather in Amsterdam and Paris?")
                .functions("weatherFunction") // reference by bean name.
                .call()
                .content();

            System.out.println(response);
        };
    }

    @Bean
    @Description("Get the weather in location")
    public Function<WeatherRequest, WeatherResponse> weatherFunction() {
        return new MockWeatherService();
    }

    public static class MockWeatherService implements Function<WeatherRequest, WeatherResponse> {

        public record WeatherRequest(String location, String unit) {}
        public record WeatherResponse(double temp, String unit) {}

        @Override
        public WeatherResponse apply(WeatherRequest request) {
            double temperature = request.location().contains("Amsterdam") ? 20 : 25;
            return new WeatherResponse(temperature, request.unit);
        }
    }
}

在此示例中，當模型需要天氣資訊時，它將自動呼叫 weatherFunction bean，該 bean 可以獲取即時天氣資料。預期響應是：“阿姆斯特丹目前氣溫為 20 攝氏度，巴黎目前氣溫為 25 攝氏度。”

閱讀有關 OpenAI 函式呼叫 的更多資訊。

示例控制器

建立 一個新的 Spring Boot 專案，並將 spring-ai-starter-model-openai 新增到您的 pom（或 gradle）依賴項中。

在src/main/resources目錄下新增一個application.properties檔案，以啟用和配置 OpenAi 聊天模型

spring.ai.openai.api-key=test
spring.ai.openai.base-url=https://:12434/engines
spring.ai.openai.chat.options.model=ai/gemma3:4B-F16

# Docker Model Runner doesn't support embeddings, so we need to disable them.
spring.ai.openai.embedding.enabled=false

這是一個使用聊天模型進行文字生成的簡單 @Controller 類的示例。

@RestController
public class ChatController {

    private final OpenAiChatModel chatModel;

    @Autowired
    public ChatController(OpenAiChatModel chatModel) {
        this.chatModel = chatModel;
    }

    @GetMapping("/ai/generate")
    public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        return Map.of("generation", this.chatModel.call(message));
    }

    @GetMapping("/ai/generateStream")
	public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        Prompt prompt = new Prompt(new UserMessage(message));
        return this.chatModel.stream(prompt);
    }
}
© . This site is unofficial and not affiliated with VMware.