Mistral AI 聊天
Spring AI 支持来自 Mistral AI 的各种 AI 语言模型。您可以与 Mistral AI 语言模型交互，并基于 Mistral 模型创建多语言对话助手。
| Mistral AI 还提供与 OpenAI API 兼容的终端节点。 查看 OpenAI API 兼容性部分，了解如何使用 Spring AI OpenAI 集成与 Mistral 终端节点通信。 |
先决条件
您需要使用 Mistral AI 创建 API 才能访问 Mistral AI 语言模型。
在 Mistral AI 注册页面创建账户，并在 API 密钥页面生成令牌。
Spring AI 项目定义了一个名为spring.ai.mistralai.api-key，您应该设置为API Key从 console.mistral.ai 获得。
导出环境变量是设置该配置属性的一种方法：
export SPRING_AI_MISTRALAI_API_KEY=<INSERT KEY HERE>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 Repositories 部分，将这些存储库添加到您的构建系统中。
为了帮助进行依赖项管理，Spring AI 提供了一个 BOM（物料清单），以确保在整个项目中使用一致的 Spring AI 版本。请参阅依赖项管理部分，将 Spring AI BOM 添加到您的构建系统中。
自动配置
Spring AI 为 Mistral AI Chat 客户端提供 Spring Boot 自动配置。
要启用它，请将以下依赖项添加到项目的 Maven 中pom.xml文件：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-mistral-ai-spring-boot-starter</artifactId>
</dependency>或发送到您的 Gradlebuild.gradlebuild 文件。
dependencies {
implementation 'org.springframework.ai:spring-ai-mistral-ai-spring-boot-starter'
}| 请参阅 Dependency Management 部分，将 Spring AI BOM 添加到您的构建文件中。 |
聊天属性
重试属性
前缀spring.ai.retry用作属性前缀，允许您为 Mistral AI 聊天模型配置重试机制。
| 财产 | 描述 | 违约 |
|---|---|---|
spring.ai.retry.max 次尝试 |
最大重试尝试次数。 |
10 |
spring.ai.retry.backoff.initial-interval |
指数回退策略的初始休眠持续时间。 |
2 秒 |
spring.ai.retry.backoff.multiplier |
Backoff interval 乘数。 |
5 |
spring.ai.retry.backoff.max 间隔 |
最大回退持续时间。 |
3 分钟 |
spring.ai.retry.on-client-errors |
如果为 false，则抛出 NonTransientAiException，并且不要尝试重试 |
假 |
spring.ai.retry.exclude-on-http-codes |
不应触发重试的 HTTP 状态代码列表（例如，引发 NonTransientAiException）。 |
空 |
spring.ai.retry.on-http-codes |
应触发重试的 HTTP 状态代码列表（例如，引发 TransientAiException）。 |
空 |
连接属性
前缀spring.ai.mistralai用作允许您连接到 OpenAI 的属性前缀。
| 财产 | 描述 | 违约 |
|---|---|---|
spring.ai.mistralai.base-url |
要连接到的 URL |
|
spring.ai.mistralai.api-key |
API 密钥 |
- |
配置属性
前缀spring.ai.mistralai.chat是允许您为 Mistral AI 配置聊天模型实现的属性前缀。
| 财产 | 描述 | 违约 |
|---|---|---|
spring.ai.mistralai.chat.enabled |
启用 Mistral AI 聊天模型。 |
真 |
spring.ai.mistralai.chat.base-url |
的可选覆盖 |
- |
spring.ai.mistralai.chat.api-key |
的可选覆盖 |
- |
spring.ai.mistralai.chat.options.model |
这是要使用的 Mistral AI Chat 模型 |
|
spring.ai.mistralai.chat.options.temperature |
要使用的采样温度，用于控制生成的完成项的明显创造性。较高的值将使输出更具随机性，而较低的值将使结果更加集中和确定。不建议修改 |
0.8 |
spring.ai.mistralai.chat.options.max代币 |
在聊天完成中生成的最大令牌数。输入标记和生成的标记的总长度受模型的上下文长度限制。 |
- |
spring.ai.mistralai.chat.options.safePrompt |
指示是否在所有对话之前注入安全提示。 |
假 |
spring.ai.mistralai.chat.options.randomSeed |
此功能处于 Beta 阶段。如果指定，我们的系统将尽最大努力确定性地采样，以便具有相同种子和参数的重复请求应返回相同的结果。 |
- |
spring.ai.mistralai.chat.options.stop |
如果检测到此令牌，则停止生成。或者在提供数组时检测到这些标记之一。 |
- |
spring.ai.mistralai.chat.options.topP |
使用温度进行采样的替代方法，称为核抽样，其中模型考虑具有top_p概率质量的标记的结果。所以 0.1 意味着只考虑包含前 10% 概率质量的 token。我们通常建议更改此 或 |
- |
spring.ai.mistralai.chat.options.responseFormat |
一个对象，用于指定模型必须输出的格式。设置为 |
- |
spring.ai.mistralai.chat.options.tools |
模型可以调用的工具列表。目前，仅支持将函数作为工具。使用此选项可提供模型可能为其生成 JSON 输入的函数列表。 |
- |
spring.ai.mistralai.chat.options.toolChoice |
控制模型调用哪个 （如果有） 函数。 |
- |
spring.ai.mistralai.chat.options.functions |
函数列表，由其名称标识，用于在单个提示请求中启用函数调用。具有这些名称的函数必须存在于 functionCallbacks 注册表中。 |
- |
spring.ai.mistralai.chat.options.function回调 |
用于注册 ChatModel 的 Mistral AI 工具函数回调。 |
- |
spring.ai.mistralai.chat.options.proxy-tool-calls |
如果为true，则 Spring AI 将不会在内部处理函数调用，而是将它们代理给客户端。然后，客户端负责处理函数调用，将它们分派给适当的函数，并返回结果。如果为 false （默认值），则 Spring AI 将在内部处理函数调用。仅适用于支持函数调用的聊天模型 |
假 |
您可以覆盖常见的spring.ai.mistralai.base-url和spring.ai.mistralai.api-key对于ChatModel和EmbeddingModel实现。
这spring.ai.mistralai.chat.base-url和spring.ai.mistralai.chat.api-key属性（如果已设置）优先于公共属性。
如果您想为不同的模型和不同的模型终端节点使用不同的 Mistral AI 账户，这将非常有用。 |
所有前缀为spring.ai.mistralai.chat.options可以通过将特定于请求的运行时选项添加到Prompt叫。 |
运行时选项
MistralAiChatOptions.java 提供模型配置，例如要使用的模型、温度、频率损失等。
启动时，可以使用MistralAiChatModel(api, options)constructor 或spring.ai.mistralai.chat.options.*性能。
在运行时，您可以通过向Prompt叫。
例如，要覆盖特定请求的默认型号和温度：
ChatResponse response = chatModel.call(
new Prompt(
"Generate the names of 5 famous pirates.",
MistralAiChatOptions.builder()
.withModel(MistralAiApi.ChatModel.LARGE.getValue())
.withTemperature(0.5)
.build()
));| 除了特定于模型的 MistralAiChatOptions 之外，您还可以使用通过 ChatOptionsBuilder#builder（） 创建的可移植 ChatOptions 实例。 |
函数调用
您可以使用MistralAiChatModel并让 Mistral AI 模型智能地选择输出包含参数的 JSON 对象，以调用一个或多个已注册的函数。
这是一种将 LLM 功能与外部工具和 API 连接起来的强大技术。
阅读有关 Mistral AI 函数调用的更多信息。
OpenAI API 兼容性
Mistral 与 OpenAI API 兼容，您可以使用 Spring AI OpenAI 客户端与 Mistrial 交谈。
为此，您需要将 OpenAI 基本 URL 配置为 Mistral AI 平台：spring.ai.openai.chat.base-url=https://api.mistral.ai，然后选择 Mistral 模型：spring.ai.openai.chat.options.model=mistral-small-latest并设置 Mistral AI API 密钥：spring.ai.openai.chat.api-key=<YOUR MISTRAL API KEY.
查看 MistralWithOpenAiChatModelIT.java 测试，了解在 Spring AI OpenAI 上使用 Mistral 的示例。
Samples控制器（自动配置）
创建一个新的 Spring Boot 项目并添加spring-ai-mistral-ai-spring-boot-starter添加到您的 POM（或 Gradle）依赖项中。
添加application.properties文件src/main/resources目录中启用和配置 Mistral AI 聊天模型：
spring.ai.mistralai.api-key=YOUR_API_KEY
spring.ai.mistralai.chat.options.model=mistral-small
spring.ai.mistralai.chat.options.temperature=0.7将api-key使用您的 Mistral AI 凭证。 |
这将创建一个MistralAiChatModel实现，您可以将其注入到您的类中。
下面是一个简单的示例@RestController使用 Chat 模型生成文本的类。
@RestController
public class ChatController {
private final MistralAiChatModel chatModel;
@Autowired
public ChatController(MistralAiChatModel chatModel) {
this.chatModel = chatModel;
}
@GetMapping("/ai/generate")
public Map<String,String> generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
return Map.of("generation", this.chatModel.call(message));
}
@GetMapping("/ai/generateStream")
public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
var prompt = new Prompt(new UserMessage(message));
return this.chatModel.stream(prompt);
}
}手动配置
MistralAiChatModel 实现了ChatModel和StreamingChatModel并使用低级 MistralAiApi Client 连接到 Mistral AI 服务。
添加spring-ai-mistral-ai依赖项添加到项目的 Mavenpom.xml文件：
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-mistral-ai</artifactId>
</dependency>或发送到您的 Gradlebuild.gradlebuild 文件。
dependencies {
implementation 'org.springframework.ai:spring-ai-mistral-ai'
}| 请参阅 Dependency Management 部分，将 Spring AI BOM 添加到您的构建文件中。 |
接下来，创建一个MistralAiChatModel并将其用于文本生成：
var mistralAiApi = new MistralAiApi(System.getenv("MISTRAL_AI_API_KEY"));
var chatModel = new MistralAiChatModel(this.mistralAiApi, MistralAiChatOptions.builder()
.withModel(MistralAiApi.ChatModel.LARGE.getValue())
.withTemperature(0.4)
.withMaxTokens(200)
.build());
ChatResponse response = this.chatModel.call(
new Prompt("Generate the names of 5 famous pirates."));
// Or with streaming responses
Flux<ChatResponse> response = this.chatModel.stream(
new Prompt("Generate the names of 5 famous pirates."));这MistralAiChatOptions提供聊天请求的配置信息。
这MistralAiChatOptions.Builder是一个 Fluent 选项构建者。
低级 MistralAiApi 客户端
MistralAiApi 提供的是 Mistral AI API 的轻量级 Java 客户端。
下面是一个简单的代码片段，演示如何以编程方式使用 API：
MistralAiApi mistralAiApi = new MistralAiApi(System.getenv("MISTRAL_AI_API_KEY"));
ChatCompletionMessage chatCompletionMessage =
new ChatCompletionMessage("Hello world", Role.USER);
// Sync request
ResponseEntity<ChatCompletion> response = this.mistralAiApi.chatCompletionEntity(
new ChatCompletionRequest(List.of(this.chatCompletionMessage), MistralAiApi.ChatModel.LARGE.getValue(), 0.8, false));
// Streaming request
Flux<ChatCompletionChunk> streamResponse = this.mistralAiApi.chatCompletionStream(
new ChatCompletionRequest(List.of(this.chatCompletionMessage), MistralAiApi.ChatModel.LARGE.getValue(), 0.8, true));有关详细信息，请遵循 MistralAiApi.java 的 JavaDoc。
MistralAiApi 示例
-
MistralAiApiIT.java 测试提供了一些有关如何使用轻量级库的一般示例。
-
PaymentStatusFunctionCallingIT.java测试展示了如何使用低级 API 调用工具函数。 基于 Mistral AI 函数调用教程。