Spring AI实现知识库搭建(实战篇)

背景：技术框架转型，将Langchain4j实现的功能转为Spring AI实现，方便升级、维护

此篇内容篇幅较长，需要具备一定的开发能力！

框架：Ruoyi-Vue-Plus版本:5.3.1Spring-boot版本:3.4.4JDK:17spring-ai版本:1.0.0
需安装Ollama,且具备模型"nomic-embed-text"

步骤一：知识库表设计

资料已上传至技术群

新增5个表

ai_knowledge,ai_knowledge_document,ai_knowledge_segment,ai_model,ai_api_key

步骤二：环境搭建

此次演示采用milvus向量库

需要具备Docker环境，此次采用Docker Desktop搭建milvus服务

Docker Desktop怎么安装，此篇博客不演示，如遇到问题，可以加技术群咨询

docker-compose--version

如运行以上命令没问题，则具备Docker环境

docker-compose.yml

version:'3.5'services:etcd:container_name:milvus-etcdimage:quay.io/coreos/etcd:v3.5.18environment:-ETCD_AUTO_COMPACTION_MODE=revision-ETCD_AUTO_COMPACTION_RETENTION=1000-ETCD_QUOTA_BACKEND_BYTES=4294967296-ETCD_SNAPSHOT_COUNT=50000volumes:-${DOCKER_VOLUME_DIRECTORY:-.}/volumes/etcd:/etcdcommand:etcd-advertise-client-urls=http://etcd:2379-listen-client-urlshttp://0.0.0.0:2379--data-dir/etcdhealthcheck:test:["CMD","etcdctl","endpoint","health"]interval:30stimeout:20sretries:3minio:container_name:milvus-minioimage:minio/minio:RELEASE.2025-04-22T22-12-26Zenvironment:MINIO_ACCESS_KEY:minioadminMINIO_SECRET_KEY:minioadminports:-"9000:9000"-"9001:9001"volumes:-${DOCKER_VOLUME_DIRECTORY:-.}/volumes/minio:/minio_datacommand:minioserver/minio_data--console-address":9001"healthcheck:test:["CMD","curl","-f","http://localhost:9000/minio/health/live"]interval:30stimeout:20sretries:3standalone:container_name:milvus-standaloneimage:milvusdb/milvus:v2.5.13command:["milvus","run","standalone"]security_opt:-seccomp:unconfinedenvironment:ETCD_ENDPOINTS:etcd:2379MINIO_ADDRESS:minio:9000volumes:-${DOCKER_VOLUME_DIRECTORY:-.}/volumes/milvus:/var/lib/milvushealthcheck:test:["CMD","curl","-f","http://localhost:9091/healthz"]interval:30sstart_period:90stimeout:20sretries:3ports:-"19530:19530"-"9091:9091"depends_on:-"etcd"-"minio"attu:container_name:attuimage:zilliz/attu:v2.5.7environment:MILVUS_URL:milvus-standalone:19530ports:-"19500:3000"depends_on:-"standalone"networks:default:name:milvus

Linux/Windows如果具备Docker环境，在某一个目录下新建文件docker-compose.yml，执行以下命令即可

docker-composeup-d

使用以下命令验证

dockerimages

使用以下命令验证是否启动

dockerps

如果执行"docker ps"显示为空，则按照以下步骤执行

dockerps-a

先后启动，注意顺序

dockerrestartetcd容器iddockerrestartminio容器iddockerrestartmilvus容器iddockerrestartattu容器id

eg:其中attu是一个可视化访问milvus的界面

(1)minio验证是否启动成功

#浏览器访问miniolocalhost:9000

默认账号:minioadmin

默认密码:minioadmin

(2)milvus验证是否启动成功

#浏览器访问milvuslocalhost:19500

不点击认证，也可登录，如需点击认证

用户名：root

密码：milvus

步骤三：引入依赖

<tika.version>3.0.0</tika.version><spring-ai.version>1.0.0</spring-ai.version><commons-io.version>2.16.1</commons-io.version>

<!--Tika提取文件必须--><dependency><groupId>org.apache.tika</groupId><artifactId>tika-core</artifactId><version>${tika.version}</version><exclusions><exclusion><artifactId>commons-io</artifactId><groupId>commons-io</groupId></exclusion></exclusions></dependency><!--解析文档必须--><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-tika-document-reader</artifactId><version>${spring-ai.version}</version></dependency><!--解析文档必须--><dependency><groupId>commons-io</groupId><artifactId>commons-io</artifactId><version>${commons-io.version}</version></dependency>

步骤四：配置

application.yml

spring:application:name:RuoYi-Vue-Plusai:vectorstore:milvus:initialize-schema:truedatabase-name:defaultcollection-name:testclient:host:milvus服务ip地址port:19530username:rootpassword:milvus

此时需要在milvus中default数据库新建集合"test"

字段信息如图，在集合test需包含4个字段

#字段1doc_id:文档id,也就是表ai_knowledge_segment中对应的字段vector_id,方便验证、查询

#字段2embedding:向量维度,利用向量模型nomic-embed-text解析成向量,需要指定维度768,如果是1024或其它会报错！

#字段3content:文档内容,利用tika解析文档

#字段4metadata:元数据,需要存储业务数据,如知识库id、文档id

补充：设置字段metadata是有依据可寻

其中Document对象具备metadata,存储数据时需对应！

步骤五：代码生成

(1)知识库

(2)模型

(3)秘钥

步骤六：思路讲解

核心接口：上传文档列表

[1]AiKnowledgeDocumentController

/***上传文档列表**@parambo*@return*/@PostMapping("/createKnowledgeDocumentList")publicR<List<Long>>createKnowledgeDocumentList(@RequestBodyAiKnowledgeDocumentListBobo){returnR.ok(aiKnowledgeDocumentService.createKnowledgeDocumentList(bo));}

[2]IAiKnowledgeDocumentService

/***上传文档列表**@parambo*@return*/List<Long>createKnowledgeDocumentList(AiKnowledgeDocumentListBobo);

[3]AiKnowledgeDocumentServiceImpl

 /**  * 上传文档列表  *  *@parambo  *@return  */ @Override @Transactional(rollbackFor =Exception.class) publicList<Long>createKnowledgeDocumentList(AiKnowledgeDocumentListBo bo) {   // 校验    aiKnowledgeService.validateKnowledgeExists(bo.getKnowledgeId());
   if(ObjectUtil.isEmpty(bo.getList())) {     thrownewServiceException("至少上传一个文件");    }
   // 批量读取文档内容   List<AiKnowledgeDocument> aiKnowledgeDocuments =prepareDocuments(bo);
    baseMapper.insertBatch(aiKnowledgeDocuments);   // 切片   processDocumentSegment(aiKnowledgeDocuments);
   returnextractDocumentIds(aiKnowledgeDocuments);  }

获取向量对象方法

VectorStoregetOrCreateVectorStore(Class<?extendsVectorStore>type,EmbeddingModelembeddingModel,Map<String,Class<?>>metadataFields);

 @Override publicVectorStoregetOrCreateVectorStore(Long embedModelId, Map<String, Class<?>> metadataFields){   // 获取模型信息   AiModelVoaiModelVo=validateModel(embedModelId);   AiApiKeyVoaiApiKeyVo=aiApiKeyService.validateApiKey(aiModelVo.getKeyId());   AiPlatformEnumaiPlatformEnum=AiPlatformEnum.validatePlatform(aiApiKeyVo.getPlatform());
   // 创建或获取嵌入模型   EmbeddingModelembeddingModel=modelFactoryService.getOrCreateEmbeddingModel(      aiPlatformEnum, aiApiKeyVo.getApiKey(), aiApiKeyVo.getUrl(), aiModelVo.getModel()    );
   returnmodelFactoryService.getOrCreateVectorStore(MilvusVectorStore.class, embeddingModel, metadataFields);  }

此时指定的是milvus存储，看过我文档spring-ai存储向量数据可将其改为SimpleVectorStore.class

看到此图，是不是很熟悉，不错，很方便扩展！

步骤七：录入数据

eg:必须按以下顺序执行

(1)新增秘钥

验证

(2)新增模型

验证

(3)新增知识库

验证

(4)上传文件

eg:框架自带

验证

(5)查询文件

eg:框架自带

(6)查询文件列表

eg:框架自带

(7)删除文件

eg:框架自带

验证

二次验证

步骤八：接口测试

验证

(1)文档表

(2)切片表

(3)向量库

二次验证

至此，Spring AI实现知识库demo版结束啦，需要资料可以加技术群获取！

ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 17px;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;">本人正在打造技术交流群，欢迎志同道合的朋友一起探讨，一起努力，通过自己的努力，在技术岗位这条道路上走得更远。QQ群号：925317809 备注：技术交流 即可通过！

加入技术群可以获取资料，含AI资料、Spring AI中文文档等，等你加入~