链载Ai

标题: 实战｜Spring Milvus，Java也能实现的企业级文档问答RAG [打印本页]

作者: 链载Ai 时间: 昨天 21:19
标题: 实战｜Spring Milvus，Java也能实现的企业级文档问答RAG

在企业数字化转型的浪潮中，PDF、Word 等海量文档往往沉睡在各个业务系统中，形成“数据孤岛”，难以被智能系统高效利用。

那么，如何构建一个真正面向企业场景落地的 AI 应用，让 AI 成为企业的“智能助手”？本项目提供一套基于 Spring 框架的完整解决方案，结合文档 ETL、向量检索与 RAG 问答技术，覆盖从数据导入到智能对话的全链路实践。

与其他演示不同，本项目强调企业级能力建设——包括 API 安全控制、指标可观测性等工程化特性。借助 Spring 强大的生态系统与 Java 社区对“高可维护、高可扩展系统”的成熟支持，我们将打造一个真正适合在企业环境中上线运行的 AI 应用。

技术栈速览

框架：Spring Boot 3.5.0 + Spring AI 1.0.0
语言：Java 17（长期支持）
AI 模型：百度千帆（OpenAI 接口兼容）
向量存储：Milvus（高性能语义检索）
工具链：Docker、Micrometer、Testcontainers

环境配置避坑指南

示例代码仓库 https://github.com/topikachu/spring-ai-rag

#验证Docker是否正常运行$dockerversion$dockerps

为什么选百度千帆？

免费额度友好：ernie-3.5-128k 和 tao-8k 均可免费试用
接口兼容：与 Spring AI 的 OpenAI 接口高度兼容，几乎零开发成本切换
在线模型列表： https://console.bce.baidu.com/qianfan/ais/console/onlineService
申请模型API Key： https://console.bce.baidu.com/iam/#/iam/apikey/list

关键配置（application.properties）

spring.ai.openai.base-url=https://qianfan.baidubce.comspring.ai.openai.chat.completions-path=/v2/chat/completionsspring.ai.openai.chat.options.model=ernie-3.5-128kspring.ai.openai.embedding.embeddings-path=/v2/embeddingsspring.ai.openai.embedding.options.model=tao-8kspring.ai.openai.api-key=${OPENAI_API_KEY}spring.ai.model.embedding=openai

实操建议：

用在线模型API工具验证密钥有效性，再接入项目。
tao-8k 嵌入模型仅支持单条输入，需调整分块逻辑，确保每次请求一个文档段落，下文有代码示例。
不要在代码或者配置文件里硬编码API KEY，更不要提交到代码仓库，在生产中考虑使用环境变量。

文档 ETL：非结构化数据结构化处理

处理流程：

DocReader：使用TikaDocReader读取 PDF/Word 等
TextSplitter：基于 token 分块，控制上下文长度
向量生成：调用tao-8k接口
存入向量库：Milvus 自动管理

示例代码：

returndocumentReader.getDocuments().flatMap(document->{varprocessChunks=Mono.fromRunnable(()->{varchunks=textSplitter.apply(List.of(document));vectorStore.write(chunks);//expensiveoperation}).subscribeOn(Schedulers.boundedElastic());returnFlux.concat(Flux.just(document),processChunks.then(Mono.empty()));}).doOnComplete(()->log.info("RunIngestion()finished")).doOnError(e->log.error("Errorduringingestion",e));}

注意：百度千帆嵌入 API 仅支持单文档请求，需确保 ETL 实现为“单文档单请求”。

@BeanBatchingStrategysingleDocumentBatchingStrategy(){returndocuments->documents.stream().map(List:f).toList();}

ingFang SC", system-ui, -apple-system, "system-ui", "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;letter-spacing: 0.544px;orphans: 2;text-align: justify;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;clear: both;min-height: 1em;display: block;background-color: rgb(255, 255, 255);visibility: visible;box-sizing: border-box !important;overflow-wrap: break-word !important;">向量存储：用 Milvus 实现“秒级语义检索”

配置示例：

spring.ai.vectorstore.milvus.initialize-schema=truespring.ai.vectorstore.milvus.embedding-dimension=1024

说明：例如用户问“刘备结义排第几”，Milvus会返回相关文档段落，再由语言模型生成自然语言答案。

ingFang SC", system-ui, -apple-system, "system-ui", "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;letter-spacing: 0.544px;orphans: 2;text-align: justify;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;clear: both;min-height: 1em;display: block;background-color: rgb(255, 255, 255);visibility: visible;box-sizing: border-box !important;overflow-wrap: break-word !important;">RAG 对话：结合知识库与上下文的智能问答

核心逻辑：

用户提问
向量检索相关段落
加载对话记忆（Redis）
生成 AI 回答

对话向量检索与记忆集成示例：

publicChatClient.ChatClientRequestSpecinput(StringuserInput,StringconversationId){returnChatClient.builder(chatModel).build().prompt().advisors(newQuestionAnswerAdvisor(vectorStore),MessageChatMemoryAdvisor.builder(chatMemory).build()).advisors(spec->spec.param(CONVERSATION_ID,conversationId)).user(userInput);}

提升前端体验：使用stream接口返回Flux，通过SSE实现打字机效果：

publicFlux<String>stream(StringuserInput,StringconversationId){returninput(userInput,conversationId).stream().content();}

@PostMapping(path="/chat",produces=MediaType.TEXT_EVENT_STREAM_VALUE)publicFlux<String>chat(@RequestBodyChatRequestchatRequest,@RequestParam()StringconversationId,Principalprincipal){varconversationKey=String.format("%s:%s",principal.getName(),conversationId);returnchatService.stream(chatRequest.userInput,conversationKey).doOnError(exp->log.error("Errorinchat",exp));}

ingFang SC", system-ui, -apple-system, "system-ui", "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;letter-spacing: 0.544px;orphans: 2;text-align: justify;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;clear: both;min-height: 1em;display: block;background-color: rgb(255, 255, 255);visibility: visible;box-sizing: border-box !important;overflow-wrap: break-word !important;">API 安全加固

权限控制示例：

@Overrideprotectedvoidconfigure(HttpSecurityhttp)throwsException{http.httpBasic().and().authorizeRequests(authz->authz.antMatchers("/api/v1/index").hasRole("ADMIN").anyRequest().authenticated());}

企业级加固：在正式的生产环境中建议升级为OAuth2/JWT认证方案。

ingFang SC", system-ui, -apple-system, "system-ui", "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;letter-spacing: 0.544px;orphans: 2;text-align: justify;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;clear: both;min-height: 1em;display: block;background-color: rgb(255, 255, 255);visibility: visible;box-sizing: border-box !important;overflow-wrap: break-word !important;">系统可观察性
链路追踪：本项目使用OpenTelemetry JavaAgent，覆盖Chat → Milvus → 模型调用的全链路调用追踪（grpc调用链关键）
-javaagent:<path/to/opentelemetry-javaagent.jar>\-Dotel.metrics.exporter=none\-Dotel.logs.exporter=none
指标监控：使用Micrometer自动暴露Prometheus指标，比如：
模型响应时间
#HELPgen_ai_client_operation_seconds#TYPEgen_ai_client_operation_secondssummarygen_ai_client_operation_seconds_count{...}1
向量检索耗时
#HELPdb_vector_client_operation_seconds#TYPEdb_vector_client_operation_secondssummarydb_vector_client_operation_seconds_count{...}1
配置：

management.endpoints.web.exposure.include=prometheus

Tip：Spring Boot 3.2 引入 OTEL starter，但由于不能覆盖 gRPC（Milvus client）调用链，本项目采用 JavaAgent 接入方式，以确保完整链路追踪。

exportOPENAI_API_KEY=<百度千帆APIKEY>mvncleantestpackagedockercomposeup-djava-javaagent:target/otel/opentelemetry-javaagent.jar-Dotel.metrics.exporter=none-Dotel.logs.exporter=none-Dinput.directory=$PWD/src/test/resources/corpus-jartarget/rag-0.0.1-SNAPSHOT.jarcurl--location'localhost:8080/api/v1/index'\--user"admin:password"\--header'Content-Type:application/json'\--data'{}'curl--location'localhost:8080/api/v1/chat?conversationId=liubei'\--header'Content-Type:application/json'\--user"user:password"\--data'{"userInput":"刘备结义时排第几？"}'curl--location'localhost:8080/api/v1/chat?conversationId=liubei'\--header'Content-Type:application/json'\--user"user:password"\--data'{"userInput":"他哪里人？"}'curl--location'localhost:8080/api/v1/chat?conversationId=guanyu'\--header'Content-Type:application/json'\--user"user:password"\--data'{"userInput":"关羽结义时排第几？"}'curl--location'localhost:8080/api/v1/chat?conversationId=guanyu'\--header'Content-Type:application/json'\--user"user:password"\--data'{"userInput":"他哪里人？"}'curl"http://localhost:8080/actuator/prometheus"

打开trace 界面 http://localhost:16686/，可以查看调用的tracing情况，如下图

从文档解析到智能对话，这个项目不仅仅是技术的堆叠，更是一次工程实践与 AI 认知的结合。通过 Spring AI + 向量数据库 + 企业级安全与可观测性，真正打通了“知识沉淀 → 智能服务”的链路。

如果你也在探索 AI 与企业系统的融合，欢迎留言交流，一起构建更智能、更可靠的未来系统。

欢迎光临链载Ai (https://www.lianzai.com/)