news 2026/5/10 18:24:38

35_Spring AI 干货笔记之 Google GenAI 文本嵌入

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
35_Spring AI 干货笔记之 Google GenAI 文本嵌入

一、Google GenAI 文本嵌入

Google GenAI 嵌入 API 通过 Gemini 开发者 API 或 Vertex AI 使用 Google 的嵌入模型提供文本嵌入生成功能。本文档介绍如何使用 Google GenAI 文本嵌入 API 创建文本嵌入。

Google GenAI 文本嵌入 API 使用密集向量表示。与稀疏向量（倾向于直接将单词映射到数字）不同，密集向量旨在更好地表示一段文本的含义。在生成式 AI 中使用密集向量嵌入的好处是，您不仅可以搜索直接的单词或语法匹配，还可以更好地搜索与查询含义相符的段落，即使这些段落不使用相同的语言。

目前，Google GenAI SDK 仅支持文本嵌入。多模态嵌入支持正在开发中，将在 SDK 可用时添加。

此实现提供两种认证模式：

  • Gemini 开发者 API：使用 API 密钥进行快速原型设计和开发

  • Vertex AI：使用 Google Cloud 凭据进行具有企业功能的生产部署

二、先决条件

选择以下一种认证方法：

2.1 选项 1：Gemini 开发者 API（API 密钥）

  • 从 Google AI Studio 获取 API 密钥

  • 将 API 密钥设置为环境变量或在应用程序属性中设置

2.2 选项 2：Vertex AI（Google Cloud）

  • 安装适用于您操作系统的 gcloud CLI。

  • 运行以下命令进行身份验证。将 PROJECT_ID 替换为您的 Google Cloud 项目 ID，将 ACCOUNT 替换为您的 Google Cloud 用户名。

    gcloud configsetproject<PROJECT_ID>&&gcloud auth application-default login<ACCOUNT>

2.3 添加仓库和 BOM

Spring AI 工件发布在 Maven Central 和 Spring Snapshot 仓库中。请参阅 工件仓库 部分，将这些仓库添加到您的构建系统中。

为了帮助管理依赖项，Spring AI 提供了一个 BOM（物料清单）来确保在整个项目中使用一致的 Spring AI 版本。请参阅 依赖管理 部分，将 Spring AI BOM 添加到您的构建系统中。

三、自动配置

Spring AI 的自动配置和 starter 模块的工件名称发生了重大变化。更多信息请参阅 升级说明。

Spring AI 为 Google GenAI 嵌入模型提供了 Spring Boot 自动配置。要启用它，请将以下依赖项添加到项目的 Maven pom.xml 文件中：

<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-google-genai-embedding</artifactId></dependency>

或添加到您的 Gradle build.gradle 构建文件中：

dependencies{implementation'org.springframework.ai:spring-ai-starter-model-google-genai-embedding'}

请参阅 依赖管理 部分，将 Spring AI BOM 添加到您的构建文件中。

3.1 嵌入属性

3.1.1 连接属性

前缀 spring.ai.google.genai.embedding 用作属性前缀，用于连接到 Google GenAI 嵌入 API。

连接属性与 Google GenAI 聊天模块共享。如果您同时使用聊天和嵌入，只需使用 spring.ai.google.genai 前缀（用于聊天）或 spring.ai.google.genai.embedding 前缀（用于嵌入）配置一次连接。

嵌入自动配置的启用和禁用现在通过顶级属性 spring.ai.model.embedding 前缀进行配置。

  • 要启用：spring.ai.model.embedding.text=google-genai（默认启用）

  • 要禁用：spring.ai.model.embedding.text=none（或任何与 google-genai 不匹配的值）

进行此更改是为了允许配置多个模型。

3.1.2 文本嵌入属性

前缀 spring.ai.google.genai.embedding.text 是用于配置 Google GenAI 文本嵌入模型实现的属性前缀。

四、示例控制器

创建一个新的 Spring Boot 项目，并将 spring-ai-starter-model-google-genai-embedding 添加到您的 pom（或 gradle）依赖项中。

在 src/main/resources 目录下添加一个 application.properties 文件来启用和配置 Google GenAI 嵌入模型：

4.1 使用 Gemini 开发者 API（API 密钥）

spring.ai.google.genai.embedding.api-key=YOUR_API_KEY spring.ai.google.genai.embedding.text.options.model=text-embedding-004

4.2 使用 Vertex AI

spring.ai.google.genai.embedding.project-id=YOUR_PROJECT_ID spring.ai.google.genai.embedding.location=YOUR_PROJECT_LOCATION spring.ai.google.genai.embedding.text.options.model=text-embedding-004

这将创建一个 GoogleGenAiTextEmbeddingModel 实现，您可以将其注入到您的类中。下面是一个简单的 @Controller 类示例，它使用嵌入模型生成嵌入：

@RestControllerpublicclassEmbeddingController{privatefinalEmbeddingModelembeddingModel;@AutowiredpublicEmbeddingController(EmbeddingModelembeddingModel){this.embeddingModel=embeddingModel;}@GetMapping("/ai/embedding")publicMapembed(@RequestParam(value="message",defaultValue="给我讲个笑话")Stringmessage){EmbeddingResponseembeddingResponse=this.embeddingModel.embedForResponse(List.of(message));returnMap.of("embedding",embeddingResponse);}}

五、手动配置

GoogleGenAiTextEmbeddingModel 实现了 EmbeddingModel。

将 spring-ai-google-genai-embedding 依赖项添加到项目的 Maven pom.xml 文件中：

<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-google-genai-embedding</artifactId></dependency>

或添加到您的 Gradle build.gradle 构建文件中：

dependencies{implementation'org.springframework.ai:spring-ai-google-genai-embedding'}

请参阅 依赖管理 部分，将 Spring AI BOM 添加到您的构建文件中。

接下来，创建一个 GoogleGenAiTextEmbeddingModel 并用于文本嵌入：

5.1 使用 API 密钥

GoogleGenAiEmbeddingConnectionDetailsconnectionDetails=GoogleGenAiEmbeddingConnectionDetails.builder().apiKey(System.getenv("GOOGLE_API_KEY")).build();GoogleGenAiTextEmbeddingOptionsoptions=GoogleGenAiTextEmbeddingOptions.builder().model(GoogleGenAiTextEmbeddingOptions.DEFAULT_MODEL_NAME).taskType(TaskType.RETRIEVAL_DOCUMENT).build();varembeddingModel=newGoogleGenAiTextEmbeddingModel(connectionDetails,options);EmbeddingResponseembeddingResponse=embeddingModel.embedForResponse(List.of("Hello World","World is big and salvation is near"));

5.2 使用 Vertex AI

GoogleGenAiEmbeddingConnectionDetailsconnectionDetails=GoogleGenAiEmbeddingConnectionDetails.builder().projectId(System.getenv("GOOGLE_CLOUD_PROJECT")).location(System.getenv("GOOGLE_CLOUD_LOCATION")).build();GoogleGenAiTextEmbeddingOptionsoptions=GoogleGenAiTextEmbeddingOptions.builder().model(GoogleGenAiTextEmbeddingOptions.DEFAULT_MODEL_NAME).taskType(TaskType.RETRIEVAL_DOCUMENT).build();varembeddingModel=newGoogleGenAiTextEmbeddingModel(connectionDetails,options);EmbeddingResponseembeddingResponse=embeddingModel.embedForResponse(List.of("Hello World","World is big and salvation is near"));

六、任务类型

Google GenAI 嵌入 API 支持不同的任务类型，以针对特定用例优化嵌入：

  • RETRIEVAL_QUERY：针对检索系统中的搜索查询进行优化

  • RETRIEVAL_DOCUMENT：针对检索系统中的文档进行优化

  • SEMANTIC_SIMILARITY：针对测量文本之间的语义相似性进行优化

  • CLASSIFICATION：针对文本分类任务进行优化

  • CLUSTERING：针对聚类相似文本进行优化

  • QUESTION_ANSWERING：针对问答系统进行优化

  • FACT_VERIFICATION：针对事实核查任务进行优化

使用不同任务类型的示例：

// 用于索引文档GoogleGenAiTextEmbeddingOptionsdocOptions=GoogleGenAiTextEmbeddingOptions.builder().model("text-embedding-004").taskType(TaskType.RETRIEVAL_DOCUMENT).title("产品文档")// 文档的可选标题.build();// 用于搜索查询GoogleGenAiTextEmbeddingOptionsqueryOptions=GoogleGenAiTextEmbeddingOptions.builder().model("text-embedding-004").taskType(TaskType.RETRIEVAL_QUERY).build();

七、维度缩减

对于模型版本 004 及更高版本，您可以减少嵌入维度以优化存储：

GoogleGenAiTextEmbeddingOptionsoptions=GoogleGenAiTextEmbeddingOptions.builder().model("text-embedding-004").dimensions(256)// 从默认的 768 维度减少到 256 维度.build();

八、从 Vertex AI 文本嵌入迁移

如果您当前正在使用 Vertex AI 文本嵌入实现（spring-ai-vertex-ai-embedding），您可以用最小的更改迁移到 Google GenAI：

8.1 主要差异

  • SDK：Google GenAI 使用新的 com.google.genai.Client 而不是 Vertex AI SDK

  • 身份验证：支持 API 密钥和 Google Cloud 凭据

  • 包名：类位于 org.springframework.ai.google.genai.text 而不是 org.springframework.ai.vertexai.embedding

  • 属性前缀：使用 spring.ai.google.genai.embedding 而不是 spring.ai.vertex.ai.embedding

  • 连接详情：使用 GoogleGenAiEmbeddingConnectionDetails 而不是 VertexAiEmbeddingConnectionDetails

8.2 何时使用 Google GenAI 与 Vertex AI 文本嵌入

在以下情况下使用 Google GenAI 嵌入：

  • 您希望通过 API 密钥进行快速原型设计

  • 您需要来自开发者 API 的最新嵌入功能

  • 您希望灵活地在 API 密钥和 Vertex AI 模式之间切换

  • 您已经将 Google GenAI 用于聊天

在以下情况下使用 Vertex AI 文本嵌入：

  • 您拥有现有的 Vertex AI 基础设施

  • 您需要多模态嵌入（目前仅在 Vertex AI 中可用）

  • 您的组织要求仅使用 Google Cloud 部署

版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/5/8 15:40:01

FIRE之旅 财务计算器：实时交互式建模与前端性能工程

技术实践观察地址&#xff1a; FIRE之旅 财务计算器 摘要&#xff1a; 现代 Web 金融工具的核心挑战在于实现实时交互式建模&#xff08;Real-Time Interactive Modeling&#xff09;&#xff0c;即在用户调整参数时&#xff0c;能够瞬时、无延迟地反馈复杂的计算结果。本文将…

作者头像 李华
网站建设 2026/5/10 11:49:42

一篇论文，让我哭了三天三夜！

虎贲等考AI智能写作&#xff1a;https://www.aihbdk.com/泪水的重量&#xff1a;当一篇论文成为人生的坩埚第一章 那些在学术黑暗中独自流泪的时刻凌晨三点&#xff0c;图书馆的灯光冷白如霜。你盯着屏幕上那篇仿佛永远无法完成的论文&#xff0c;眼泪无声地滑落&#xff0c;在…

作者头像 李华
网站建设 2026/5/2 19:43:59

山东省GIS地理信息数据完整指南（2022年7月最新版）

山东省GIS地理信息数据完整指南&#xff08;2022年7月最新版&#xff09; 【免费下载链接】山东省行政区划及道路网资源文件2022年7月版 本仓库提供了一个包含山东省行政区划边界、道路网和铁路网的资源文件&#xff0c;格式为SHP&#xff08;Shapefile&#xff09;。该资源文件…

作者头像 李华
网站建设 2026/5/7 0:32:15

如何在SSH-Chat中实现个性化欢迎消息的三种创新配置方案

如何在SSH-Chat中实现个性化欢迎消息的三种创新配置方案 【免费下载链接】MotionGPT [NeurIPS 2023] MotionGPT: Human Motion as a Foreign Language, a unified motion-language generation model using LLMs 项目地址: https://gitcode.com/gh_mirrors/mo/MotionGPT …

作者头像 李华
网站建设 2026/5/2 20:30:56

中国DevOps本土化进程加速：Gitee如何赋能企业研发效能提升

中国DevOps本土化进程加速&#xff1a;Gitee如何赋能企业研发效能提升 当数字化转型进入深水区&#xff0c;企业研发团队正面临前所未有的效率挑战 在全球化技术浪潮与本土化需求的双重驱动下&#xff0c;中国企业的软件开发模式正在经历深刻变革。随着云原生技术的快速普及和混…

作者头像 李华