nvwa vine下載nvwa vine源代碼下載

nvwa vine

Ai源碼

1.0.0

下載

NVWA葡萄藤？

使訪問AI更簡單，更高效

簡體中文·英語

⚡️簡單而易於使用，高效
代碼驅動，易於管理
？分層模型，節省成本
？可觀察性，易於調試

為什麼我們選擇`Vine`

該項目是Nvwa項目的一部分，代表Nuwa's vine 。

在中國神話中，NVWA是創造的女神。據說她用黃河的泥土用她的形象來製作人類，並用她的神力量向他們呼吸生活。

但是，世界上廣闊的土地緩慢， Nvwa疲憊不堪。然後，她從懸崖上拉了一條幹葡萄，將其浸入泥土中，然後將其扔在地面上。無論泥漿在哪裡濺出，人類都會湧現。不久之後，地球充滿了人類。

正如葡萄藤在創造人類方面的效率大大提高了Nvwa項目一樣， Vine項目旨在幫助開發人員更有效地構建AI相互作用應用程序。

為什麼使用藤蔓

構建AI交互應用程序時，我們通常需要處理用戶輸入，生成相應的輸出並處理結果。

對於簡單的任務，我們可以使用提示模板生成所需的提示。但是，在更複雜的情況下，我們可能需要根據輸入，上下文，對話和通過抹布（檢索效果的生成）構建詳細的提示。此外，我們可能需要復雜的數據結構來捕獲AI的輸出。

業務越複雜，用戶輸入方案就越多。隨著業務的增長，我們需要不斷維護提示及其處理邏輯。

例如，如果我們調整提示的輸入或輸出結構，我們不僅需要更新相關的代碼，還需要描述與之相關的結構和任何少量數據的提示。

由於提示通常與代碼分開，因此它們很容易變得不同步。更新提示可能會導致錯誤，並且管理複雜的邏輯變得更難，就像文檔不匹配代碼時一樣。這是對AI提示框架的需求。

有十多年的建築經驗，我堅信代碼是最佳文檔形式。同樣，當任務分解為原子單元時，代碼也可以作為結構化AI交互情況的最佳提示。

Vine提供了一種代碼驅動的方法，該方法有助於通過代碼生成提示並處理用戶輸入，從而大大降低了提示和代碼之間的差異。這也簡化了建築物提示的過程。

葡萄藤盡可能少的額外代碼，可幫助您更快地構建AI交互，並更有效地管理及時的工程。

快速開始

英語：添加依賴項，可以通過Maven Central存儲庫找到藤蔓。

當然，您也可以克隆代碼並自己構建。

< project >
    < dependencyManagement >
        < dependencies >
            < dependency >
                < groupId >work.nvwa</ groupId >
                < artifactId >nvwa-vine-bom</ artifactId >
                < version >${vine.version}</ version >
                < scope >import</ scope >
                < type >pom</ type >
            </ dependency >
        </ dependencies >
    </ dependencyManagement >

    < dependencies >
        < dependency >
            < groupId >work.nvwa</ groupId >
            < artifactId >nvwa-vine-spring-boot-starter-spring-ai</ artifactId >
        </ dependency >
        < dependency >
            < groupId >org.springframework.ai</ groupId >
            < artifactId >spring-ai-openai-spring-boot-starter</ artifactId >
        </ dependency >
    </ dependencies >
</ project >

請參閱Spring AI的用法，以完成聊天模型的相關配置。

例如，使用OpenAI，通過application.yml ：

 spring :
  ai :
    openai :
      apiKey : <your-api-key>

創建一個接口以訪問AI，並添加@VineService註釋。方法參數是用戶輸入的變量部分，返回值是AI的結構化輸出。

如果業務場景或返回結構更為複雜，則可以使用相應的註釋添加描述。

 @ VineService
public interface SqlAnalyzeService {
    QuerySqlMetadata analyzeSql ( String sql );
}

public record QuerySqlMetadata (
        String table ,
        String [] select ,
        List < QueryCondition > where ,
        List < QueryOrderBy > orderBy
) {
}

public record QueryCondition (
        String field ,
        OperatorType operator ,
        String value
) {
}

public record QueryOrderBy (
        String field ,
        SortOrder order
) {
}

public enum SortOrder {
    Descend , Ascend
}

public enum OperatorType {
    Equal , NotEqual , GreaterThan , GreaterThanOrEqual , LessThan , LessThanOrEqual , Like , NotLike , IsNull , IsNotNull , IsTrue , IsFalse ,
}

在需要調用AI的地方，注入接口並調用相應的方法。

 @ Component
public class ChatServiceTest {
    private final SqlAnalyzeService sqlAnalyzeService ;

    public ChatServiceTest ( SqlAnalyzeService sqlAnalyzeService ) {
        this . sqlAnalyzeService = sqlAnalyzeService ;
    }

    public void businessMethod () {
        // needAnalyzeSql is the variable part of user input
        // example: "select b,c,a from test_table where a = 1 and b like 'Zhang%' and c <= 3 order by created_time desc"
        QuerySqlMetadata sqlMetadata = sqlAnalyzeService . analyzeSql ( needAnalyzeSql );
        // use sqlMetadata do something...
    }
}