Cohere Embeddings
提供 Bedrock Cohere 嵌入模型。将生成式 AI 能力集成到提升业务成果的关键应用和工作流程中。
AWS Bedrock Cohere 模型页面 和 Amazon Bedrock 用户指南 包含了关于如何使用 AWS 托管模型的详细信息。
前提条件(Prerequisites)
请参考 Spring AI 关于 Amazon Bedrock 的文档 以设置 API 访问权限。
添加存储库和 BOM
Spring AI 工件发布在 Spring Milestone
和 Snapshot
存储库中。请参阅存储库部分将这些存储库添加到您的构建系统中。
为了帮助进行依赖管理,Spring AI 提供了 BOM(物料清单),以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。
自动配置(Auto-configuration)
Spring AI 为 Bedrock Cohere 嵌入模型提供 Spring Boot 自动配置。要启用它,请在项目的 Maven pom.xml
文件中添加以下依赖项:
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-model-bedrock</artifactId>
</dependency>
或者,在你的 Gradle 构建文件 build.gradle
中添加:
dependencies {
implementation 'org.springframework.ai:spring-ai-starter-model-bedrock'
}
启用 Cohere 嵌入支持
默认情况下,Cohere 嵌入模型是禁用的。要启用它,请在您的应用程序配置中将 spring.ai.model.embedding
属性设置为 bedrock-cohere
:
spring.ai.model.embedding=bedrock-cohere
或者,您也可以使用 Spring 表达式语言(SpEL)来引用一个环境变量:
# In application.yml
spring:
ai:
model:
embedding: ${AI_MODEL_EMBEDDING}
# In your environment or .env file
export AI_MODEL_EMBEDDING=bedrock-cohere
您也可以在启动应用程序时通过 Java 系统属性来设置此属性:
java -Dspring.ai.model.embedding=bedrock-cohere -jar your-application.jar
嵌入属性(Embedding Properties)
前缀spring.ai.bedrock.aws
是用于配置连接到 AWS Bedrock 的属性前缀。
属性 | 描述 | 默认值 |
---|---|---|
spring.ai.bedrock.aws.region | 使用的AWS区域 | us-east-1 |
spring.ai.bedrock.aws.access-key | AWS访问密钥 | - |
spring.ai.bedrock.aws.secret-key | AWS密钥 | - |
前缀 spring.ai.bedrock.cohere.embedding
(定义于 ‘BedrockCohereEmbeddingProperties‘ 中)是用于配置 Cohere 嵌入模型实现的属性前缀。
查看 CohereEmbeddingModel 以获取其他模型 ID。 支持的模型包括:cohere.embed-multilingual-v3
和 cohere.embed-english-v3
。 模型 ID 值也可在 AWS Bedrock 基础模型 ID 文档 中找到。
属性 | 描述 | 默认值 |
---|---|---|
spring.ai.model.embedding | 启用/禁用Cohere支持 | bedrock-cohere |
spring.ai.bedrock.cohere.embedding.enabled (已移除且无效) | 启用/禁用Cohere支持 | false |
spring.ai.bedrock.cohere.embedding.model | 使用的模型ID,支持的模型请参考CohereEmbeddingModel | cohere.embed-multilingual-v3 |
spring.ai.bedrock.cohere.embedding.options.input-type | 添加特殊token区分不同类型。除非混合搜索和检索类型,否则不应混合不同类型。此时应用search_document类型嵌入语料库,search_query类型嵌入查询 | SEARCH_DOCUMENT |
spring.ai.bedrock.cohere.embedding.options.truncate | 指定API如何处理超过最大token长度的输入。LEFT或RIGHT会使模型丢弃输入直到剩余输入正好是模型的最大输入token长度 | NONE |
运行时选项(Runtime Options )
BedrockCohereEmbeddingOptions.java 提供模型配置,例如要使用的 input-type 或 runcate 等。
在启动时,可以使用 BedrockCohereEmbeddingModel (api,options)
构造函数或 spring.ai.bedrock.cohere.embedding.options.*
属性来配置默认选项。
在运行时,您可以通过向 EmbeddingRequest
调用添加新的、特定于请求的选项来覆盖默认设置。例如,要为特定请求覆盖默认的 input-type
:
EmbeddingResponse embeddingResponse = embeddingModel.call(
new EmbeddingRequest(List.of("Hello World", "World is big and salvation is near"),
BedrockCohereEmbeddingOptions.builder()
.withInputType(InputType.SEARCH_DOCUMENT)
.build()));
示例控制器(Sample Controller)
创建一个新的 Spring Boot 项目,并将 spring-ai-starter-model-bedrock
添加到 pom (或 gradle) 依赖项中。
在 src/main/resources
目录下添加 application.properties
文件,以启用和配置 Cohere Embedding 模型:
spring.ai.bedrock.aws.region=eu-central-1
spring.ai.bedrock.aws.access-key=${AWS_ACCESS_KEY_ID}
spring.ai.bedrock.aws.secret-key=${AWS_SECRET_ACCESS_KEY}
spring.ai.model.embedding=bedrock-cohere
spring.ai.bedrock.cohere.embedding.options.input-type=search-document
这将创建一个 BedrockCohereEmbeddingModel 的实现,你可以将其注入到你的类中。下面是一个简单的 @Controller 类的示例,它使用聊天模型进行文本生成。
@RestController
public class EmbeddingController {
private final BedrockTitanEmbeddingModel embeddingModel;
@Autowired
public EmbeddingController(BedrockTitanEmbeddingModel embeddingModel) {
this.embeddingModel = embeddingModel;
}
@GetMapping("/ai/embedding")
public Map<String, Object> embed(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
EmbeddingResponse embeddingResponse = this.embeddingModel.embedForResponse(List.of(message));
return Map.of("embedding", embeddingResponse);
}
}
手动配置(Manual Configuration)
BedrockCohereEmbeddingModel
实现了 EmbeddingModel
, 并使用轻量级 CohereEmbeddingBedrockApi 客户端连接到 Bedrock Cohere 服务。
要启用它,添加 spring-ai-bedrock
依赖到你的项目 Maven pom.xml
文件:
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-bedrock</artifactId>
</dependency>
或者,在你的 Gradle 构建文件 build.gradle
中添加:
dependencies {
implementation 'org.springframework.ai:spring-ai-bedrock'
}
接下来,创建一个 BedrockCohereEmbeddingModel
并将其用于文本嵌入:
var cohereEmbeddingApi =new CohereEmbeddingBedrockApi(
CohereEmbeddingModel.COHERE_EMBED_MULTILINGUAL_V1.id(),
EnvironmentVariableCredentialsProvider.create(), Region.US_EAST_1.id(), new ObjectMapper());
var embeddingModel = new BedrockCohereEmbeddingModel(this.cohereEmbeddingApi);
EmbeddingResponse embeddingResponse = this.embeddingModel
.embedForResponse(List.of("Hello World", "World is big and salvation is near"));
轻量级 CohereEmbeddingBedrockApi 客户端
CohereEmbeddingBedrockApi 在 AWS Bedrock 的 Cohere Command 模型 之上提供了一个轻量级的 Java 客户端。。
以下类图展示了 CohereEmbeddingBedrockApi 接口及其构建模块:
CohereEmbeddingBedrockApi 支持使用 cohere.embed-english-v3
和 cohere.embed-multilingual-v3
模型进行单次及批量嵌入计算。
以下是一个简单的代码片段,展示如何以编程方式使用该 API:
CohereEmbeddingBedrockApi api = new CohereEmbeddingBedrockApi(
CohereEmbeddingModel.COHERE_EMBED_MULTILINGUAL_V1.id(),
EnvironmentVariableCredentialsProvider.create(),
Region.US_EAST_1.id(), new ObjectMapper());
CohereEmbeddingRequest request = new CohereEmbeddingRequest(
List.of("I like to eat apples", "I like to eat oranges"),
CohereEmbeddingRequest.InputType.search_document,
CohereEmbeddingRequest.Truncate.NONE);
CohereEmbeddingResponse response = this.api.embedding(this.request);
最后编辑:Jeebiz 更新时间:2025-08-31 23:07