领先一步
VMware 提供培训和认证,助力您快速进步。
了解更多OpenAI 最近推出了一项强大的功能,称为结构化输出(Structured Outputs),它确保了 AI 生成的响应严格遵循预定义的 JSON Schema。此功能显著提高了 AI 生成内容在实际应用中的可靠性和可用性。今天,我们很高兴地宣布 Spring AI (1.0.0-SNAPSHOT) 已完全集成支持 OpenAI 的结构化输出,以无缝、Spring Native 的方式将此能力带给 Java 开发者。
下图展示了新的结构化输出功能如何扩展OpenAI Chat API
注意: Spring AI 已经提供了强大的、模型无关的结构化输出工具,可与包括 OpenAI 在内的各种 AI 模型一起使用。OpenAI 结构化输出功能提供了一个额外的、一致的、但模型特定的解决方案,目前仅适用于
gpt-4o
、gpt-4o-mini
及后续模型。
OpenAI 的 Structured Outputs
功能保证 AI 模型生成的响应符合提供的JSON Schema。这解决了 AI 驱动应用中的几个常见挑战:类型安全:不再担心缺少必需的键或无效的枚举值;显式拒绝:基于安全的模型拒绝变得可以通过程序检测;简化提示:无需使用过于具体的提示即可实现一致的格式化。
Spring AI 允许开发者以最少的配置利用此功能。让我们探讨如何在 Spring 应用中使用它。
您可以使用 OpenAiChatOptions 构建器以程序化方式设置响应格式,如下所示
String jsonSchema = """
{
"type": "object",
"properties": {
"steps": {
"type": "array",
"items": {
"type": "object",
"properties": {
"explanation": { "type": "string" },
"output": { "type": "string" }
},
"required": ["explanation", "output"],
"additionalProperties": false
}
},
"final_answer": { "type": "string" }
},
"required": ["steps", "final_answer"],
"additionalProperties": false
}
""";
Prompt prompt = new Prompt("how can I solve 8x + 7 = -23",
OpenAiChatOptions.builder()
.withModel(ChatModel.GPT_4_O_MINI)
.withResponseFormat(new ResponseFormat(ResponseFormat.Type.JSON_SCHEMA, jsonSchema))
.build());
ChatResponse response = this.openAiChatModel.call(prompt);
注意:您必须遵循 OpenAI JSON Schema 的子集语言格式。
Spring AI 提供了一个方便的 BeanOutputConverter 工具,可以自动从您的领域对象生成 JSON Schema,并将结构化响应转换为 Java 实例
record MathReasoning(
@JsonProperty(required = true, value = "steps") Steps steps,
@JsonProperty(required = true, value = "final_answer") String finalAnswer) {
record Steps(
@JsonProperty(required = true, value = "items") Items[] items) {
record Items(
@JsonProperty(required = true, value = "explanation") String explanation,
@JsonProperty(required = true, value = "output") String output) {}
}
}
var outputConverter = new BeanOutputConverter<>(MathReasoning.class);
var jsonSchema = outputConverter.getJsonSchema();
Prompt prompt = new Prompt("how can I solve 8x + 7 = -23",
OpenAiChatOptions.builder()
.withModel(ChatModel.GPT_4_O_MINI)
.withResponseFormat(new ResponseFormat(ResponseFormat.Type.JSON_SCHEMA, jsonSchema))
.build());
ChatResponse response = this.openAiChatModel.call(prompt);
String content = response.getResult().getOutput().getContent();
MathReasoning mathReasoning = outputConverter.convert(content);
注意:请确保使用 @JsonProperty(required = true,…)
注解。这对于生成准确标记字段为必需的 Schema 至关重要。OpenAI 强制要求它才能使结构化响应正常工作。
或者,在使用OpenAI 自动配置时,您可以通过以下聊天应用属性来配置所需的响应格式
spring.ai.openai.api-key=YOUR_API_KEY
spring.ai.openai.chat.options.model=gpt-4o-mini
spring.ai.openai.chat.options.response-format.type=JSON_SCHEMA
spring.ai.openai.chat.options.response-format.name=MySchemaName
spring.ai.openai.chat.options.response-format.schema={"type":"object","properties":{"steps":{"type":"array","items":{"type":"object","properties":{"explanation":{"type":"string"},"output":{"type":"string"}},"required":["explanation","output"],"additionalProperties":false}},"final_answer":{"type":"string"}},"required":["steps","final_answer"],"additionalProperties":false}
spring.ai.openai.chat.options.response-format.strict=true
使用结构化输出时,出于安全原因,OpenAI 模型有时可能会拒绝满足请求。由于拒绝响应不一定遵循您在 response_format 中提供的 Schema,因此 API 响应包含一个名为 refusal
的新字段,以指示模型拒绝满足请求。
Spring AI 将此 refusal 字段映射到 AssistantMessage 的元数据(metadata)中。通过 refusal
键进行搜索。
我们正在探索将新的 OpenAI 特定结构化输出功能集成到 Spring AI 模型无关的结构化输出工具集中的可能性。
如需更多信息,请查阅 Spring AI 和 OpenAI 的参考文档。
Spring AI 博客
Spring AI 对 OpenAI 结构化输出功能的支持使得 AI 驱动的应用更加可靠且易于开发。通过确保类型安全和一致的结构化格式,开发者可以专注于构建创新功能,而不是费力处理不可预测的 AI 输出。
我们可以强调 Spring 开发者的以下益处
请探索这一新能力并分享您的经验。一如既往,我们欢迎反馈和贡献,以帮助改进 Spring AI,使其更加强大和用户友好。
敬请关注更多更新,我们将继续增强 Spring AI 与尖端 AI 技术的集成!