Spring
·
Spring AI 1.0.0 M3版本发布
💡
原文英文，约1000词，阅读约需4分钟。
📝
内容提要
Spring AI 1.0.0 M3版本发布，带来增强可观测性、改进Advisor组件、支持上下文信息传递、引入批处理嵌入模型和新的事实评估工具。
🎯
关键要点
- 发布了Spring AI 1.0.0 M3版本，带来显著增强和新特性。
- 增强了可观测性，特别是针对Chat模型的流响应。
- 新增对多个模型的可观测性支持，包括Azure OpenAI和Google Vertex AI等。
- Advisor组件改进，允许开发者动态转换或利用交互中的信息。
- Advisor的主要好处包括封装重复任务、数据增强和可移植性。
- 支持通过ToolContext类传递额外的上下文信息到函数回调。
- 引入了基于事实的评估工具LLM-AggreFact，提升了事实评估能力。
- 支持批处理嵌入模型，提升了性能，允许一次性处理多个文档。
- 对Azure AI和Vertex AI等模型提供了特定的可观测性和改进。
- 进行了广泛的重构、错误修复和文档增强。
❓
延伸问答
Spring AI 1.0.0 M3版本有哪些新特性？
该版本增强了可观测性、改进了Advisor组件、支持上下文信息传递、引入批处理嵌入模型和新的事实评估工具。
Spring AI的可观测性功能有什么改进？
可观测性功能现在支持多个模型，包括Azure OpenAI和Google Vertex AI，允许用户详细查看与AI基础设施的所有交互点。
Advisor组件的主要好处是什么？
Advisor组件的主要好处包括封装重复任务、数据增强和可移植性，允许开发者动态转换或利用交互中的信息。
如何通过ToolContext传递上下文信息？
可以通过ToolContext类传递额外的上下文信息，例如在函数调用中传递sessionId，以便在函数执行中使用。
LLM-AggreFact工具的作用是什么？
LLM-AggreFact是一个基于事实的评估工具，用于提升事实评估能力，当前领先的模型是由Bespoke Labs开发的“bespoke-minicheck”。
Spring AI如何支持批处理嵌入模型？
Spring AI现在支持批处理多个文档，以便在一次调用中计算多个嵌入，从而提高性能。
➡️
