Llama2 Chat

Meta’s 的 Llama 2 Llama 2 大型语言模型集合的一部分。它在基于对话的应用中表现出色，参数规模在 70 亿到 700 亿之间。 Llama Chat 利用公共数据集和超过 100 万条人工注释，提供上下文感知对话。

Llama-2-Chat 使用来自公共数据源的 2 万亿个代币进行训练，为富有洞察力的对话提供广泛的知识。经过严格的测试，包括超过 1,000 小时的红队和注释，确保了性能和安全性，使其成为人工智能驱动对话的可靠选择。

AWS Llama 2 模型页面 和 Amazon Bedrock 用户指南 包含有关如何使用 AWS 托管模型的详细信息。

先决条件

请参阅 Amazon Bedrock 上的 Spring AI 文档 以设置 API 访问。

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

将 spring-ai-bedrock-ai-spring-boot-starter依赖项添加到项目的 Maven pom.xml文件中：

<dependency>
  <groupId>org.springframework.ai</groupId>
  <artifactId>spring-ai-bedrock-ai-spring-boot-starter</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-ai-spring-boot-starter'
}

启用 Llama2 Chat

默认情况下，Bedrock Llama2 模型是禁用的.
可以设置 spring.ai.bedrock.llama2.chat.enabled 属性为 true，启用模型.
导出环境变量是设置此配置属性的一种方法：

export SPRING_AI_BEDROCK_LLAMA2_CHAT_ENABLED=true

Chat 属性

spring.ai.bedrock.aws 前缀的属性，是用于配置与 AWS Bedrock 的连接。

spring.ai.bedrock.llama2.chat 前缀的属性，可让您配置 Llama2 Chat 客户端的实现。

查看 Llama2ChatBedrockApi#Llama2ChatModel 以获取其他模型 ID。支持的值为：meta.llama2-13b-chat-v1。模型 ID 值也可以在 AWS Bedrock 文档中找到基本模型 ID。

提示: 所有 spring.ai.bedrock.llama2.chat.options 前缀的属性， 可以在运行期间通过添加特定请求参数到 Prompt 调用 实现覆盖.

聊天选项

BedrockLlama2ChatOptions.java 提供了模型配置，例如 temperature、topK、topP 等。

启动时，可以使用BedrockLlama2ChatClient(api, options)构造函数或spring.ai.bedrock.llama2.chat.options.*属性配置默认选项。

在运行时，您可以通过向调用添加新的、特定于请求的选项来覆盖默认选项Prompt。例如，要覆盖特定请求的默认温度：

On start-up, the default options can be configured with the BedrockLlama2ChatClient(api, options) constructor or the spring.ai.bedrock.llama2.chat.options.* properties.

在运行时，您可以通过向调用添加新的、特定于请求的选项来覆盖默认选项Prompt。例如，要覆盖特定请求的默认温度：

ChatResponse response = chatClient.call(
    new Prompt(
        "Generate the names of 5 famous pirates.",
        BedrockLlama2ChatOptions.builder()
            .withTemperature(0.4)
        .build()
    ));

提示: 除了特定于模型的 BedrockLlama2ChatOptions 之外，您还可以使用通过 ChatOptionsBuilder#builder() 创建的可移植 ChatOptions 实例。

Sample Controller （自动配置）

创建 一个新的 Spring Boot 项目并将其添加 spring-ai-bedrock-ai-spring-boot-starter 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，以启用和配置 Anthropic Chat 客户端：

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.bedrock.llama2.chat.enabled=true
spring.ai.bedrock.llama2.chat.options.temperature=0.8

提示: 将 regions, access-key 和 secret-key 替换为您的 AWS 凭证。

这将创建一个可以注入到您的类中的 BedrockLlama2ChatClient 实现。下面是一个@Controller使用聊天客户端生成文本的简单类的示例。

@RestController
public class ChatController {

    private final BedrockLlama2ChatClient chatClient;

    @Autowired
    public ChatController(BedrockLlama2ChatClient chatClient) {
        this.chatClient = chatClient;
    }

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

手动配置

BedrockLlama2ChatClient 实现 ChatClient 和 StreamingChatClient， 并使用 轻量级 Api 客户端连接到 Bedrock Anthropic 服务。

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 BedrockLlama2ChatClient 并将其用于文本生成：

Llama2ChatBedrockApi api = new Llama2ChatBedrockApi(Llama2ChatModel.LLAMA2_70B_CHAT_V1.id(),
    EnvironmentVariableCredentialsProvider.create(), Region.US_EAST_1.id(), new ObjectMapper());

BedrockLlama2ChatClient chatClient = new BedrockLlama2ChatClient(api,
    BedrockLlama2ChatOptions.builder()
        .withTemperature(0.5f)
        .withMaxGenLen(100)
        .withTopP(0.9f).build());

ChatResponse response = chatClient.call(
    new Prompt("Generate the names of 5 famous pirates."));

// Or with streaming responses
Flux<ChatResponse> response = chatClient.stream(
    new Prompt("Generate the names of 5 famous pirates."));

轻量级 Llama2ChatBedrockApi 客户端

Llama2ChatBedrockApi 提供了基于 AWS Bedrock 的 Meta Llama 2 和 Llama 2 Chat 模型的轻量级Java 客户端。

以下类图说明了 Llama2ChatBedrockApi 接口和构建块：

Llama2ChatBedrockApi 支持 meta.llama2-13b-chat-v1 和 meta.llama2-70b-chat-v1 模型的同步(e.g. chatCompletion())和流式 (e.g. chatCompletionStream()) 请求。

以下是如何以编程方式使用 api 的简单片段：

Llama2ChatBedrockApi llama2ChatApi = new Llama2ChatBedrockApi(
        Llama2ChatModel.LLAMA2_70B_CHAT_V1.id(),
        Region.US_EAST_1.id());

Llama2ChatRequest request = Llama2ChatRequest.builder("Hello, my name is")
        .withTemperature(0.9f)
        .withTopP(0.9f)
        .withMaxGenLen(20)
        .build();

Llama2ChatResponse response = llama2ChatApi.chatCompletion(request);

// Streaming response
Flux<Llama2ChatResponse> responseStream = llama2ChatApi.chatCompletionStream(request);
List<Llama2ChatResponse> responses = responseStream.collectList().block();

请关注 Llama2ChatBedrockApi.java 的 JavaDoc 以获取更多信息。