使用 Spring AI 打造企業 RAG 知識庫【30】- 是結束也是開始

16th鐵人賽

凱文大叔

2024-08-30 11:01:43

1667 瀏覽

分享至

期待Spring AI能找到自己的特色

在鐵人賽尾聲，Spring AI 還釋出了 1.0.0 M2 版本，在這個版本多了評估( Evaluator )跟節制( Moderation )，在 Structured Output 的部分也多了 Json Schema，這可是 Open AI 八月份才推出的功能

對功能性來說 Spring AI 算是跟得很快，Open AI 的 API 有的功能幾乎都很快的實現在框架上，不過對於一些應用的功能卻十分陽春，例如昨天提的幾個讓搜尋準確度更高的手法，在 LangChain 框架都已有實作方案，Spring AI 的開發人員甚至還要研究 LangChain 框架怎麼做，或許這也是 Java 在資料分析領域落後太久的緣故，微軟發布了 Graph RAG 的論文後，我一直想等 Spring AI 或是有甚麼 Java 神人可以將它移植到 Spring AI 上，很可惜到現在還是沒有，Spring AI 的 GitHub 甚至沒人提出這個 Issue

看著其他參賽者的文章，參考資料可以列出一堆，而 Spring AI 卻只有官方文檔可以參考，除了用 Java 開發 AI 應用的人較少外，Spring AI 這框架也是今年 2 月才釋出，網路上找到的資料甚至一大半都是舊版的寫法（我也算是中文界介紹新版寫法的首發了XD），或許這也是大部分企業尚未引入 AI 的原因，除了怕資料外洩外，企業許多使用 Java 開發的程式也容易跟其他語言整合

即使如此，我仍很看好 Spring AI 未來的發展，一來是 Java 開發人員可以很容易的與 Spring 框架整合，再來是透過 RAG 的方式，企業可將機密資料掌握在自己手裡，這兩點對企業導入 AI 格外重要

▋企業RAG還須注意的事項

不管是透過 ETL 擷取檔案內容還是從資料庫批次匯入，企業導入系統都會再上線前一次性的匯入資料，這部分可搭配 Spring Batch 進行批次匯入，這框架提供資料庫紀錄的功能，可以明確得知進度以及失敗的歷程，也可搭配Schedule 排程在離峰時間匯入資料，另外需紀錄檔案或是資料庫的Key，避免重複匯入相同資料
即時資訊或是動態資料應透過 Function Call 呼叫，RAG 則是放不易變動的資訊
若要更精準或是更宏觀的分析資料就需要 Graph RAG 了，目前 Java 上還沒人實作(或是還沒公開)，有興趣的可以看一下如何實作

感謝 Aico 的開發者傾囊相授，Graph RAG 最重要的就是將資料拆分成Entities 與 Relations，這部分只需讓 LLM 處理，我們只需給輸出的結構就能自己分析文章產生 Entities 與 Relations，以前要花人工處理的內容現在一瞬間就完成，下面就是 R 大提供的方法

## OpenAI Function Schema
const functionSchema = {
    name: "extract_entities_and_relations",
    description: "從給定的文本中提取實體和關係",
    parameters: {
        type: "object",
        properties: {
            entities: {
                type: "array",
                items: {
                    type: "object",
                    properties: {
                        name: { type: "string" },
                        type: { type: "string" }
                    },
                    required: ["name", "type"]
                },
                description: "文本中提到實體陣列，每個實體包含名稱和類型，名稱愈細愈好，不用硬填範例資料"
            },
            relations: {
                type: "array",
                items: {
                    type: "object",
                    properties: {
                        from: { type: "string" },
                        to: { type: "string" },
                        type: { type: "string" }
                    },
                    required: ["from", "to", "type"]
                },
                description: "實體之間的關係陣列，每個陣列包含'from'實體、'to'實體和關聯類型，不用硬填範例資料"
            }
        },
        required: ["entities", "relations"]
    }
};

## System Prompt
const instruction = [
    "你是一位 Neo4j 圖據庫專家。你的任是分析給定的文本，提取適合 Neo4j 圖結構的實體（作為節）和關係。請循以下指南：",
    "1. 識別主要實體作為節點，包括人、地點、物品、概念等。",
    "2. 確定體之間的關係，這些將成 Neo4j 中的邊。",
    "3. 為節點分配適當的標籤（例如 :Person, :Place, :Organization）。",
    "4. 為關係指定具體的類型（例如 :WORKS_AT, :LOCATED_IN）。",
    "例如，對於文本「小明在北京的清華大學學習計算機科學」，應提取",
    "節點：",
    "(:Person {name: '小明'})", 
    "(:City {name: '北京'})",
    "(:University {name: '清華大學'})",
    "(:Subject {name: '計算機科學'})",
    "關係：",
    "(:Person {name: '小明'})-[:STUDIES_AT]->(:University {name: '清華大學'})",
    "(:Person {name: '小明'})-[:STUDIES]->(:Subject {name: '計算機科學'})",
    "(:University {name: '清華大學'})-[:LOCATED_IN]->(:City {name: '京'})",
    "請確保你輸出可以直接用於創建 Neo4j 圖數據庫的 Cypher 查詢。",
].join("\n");
—來自Aico發佈於Aico - 專為夢境解讀設計的 AI https://vocus.cc/article/66c68d1efd89780001106a58

在 Spring AI 上可使用 BeanOutputConverter 搭配上面的 Json Schema 將 Json 轉為物件，之後再透過 Spring Data Neo4j 就能輕易的維護知識圖譜

ETL 的流程則會調整如下

最後查詢的過程則是下圖

以上內容皆取自 Aico - 專為夢境解讀設計的 AI https://vocus.cc/article/66c68d1efd89780001106a58

Graph RAG 查詢可分 Local Search 與 Global Search
Local Search 跟目前的 RAG 差不多，僅透過近似查詢，而 Global Search 則是使用近似查詢加上 Graph 查詢找出有關聯的資料，讓查詢的結果更有整體性，須注意的是 Graph RAG 不管在 ETL 階段還是查詢花費的 Token 數量都很高，可以嘗試不同的 LLM，降低費用

▋對Spring AI的期許

除了引入 LangChain 上好用的查詢手法外，希望能融入更多 Spring 框架的特色，增強器就是不錯的例子，程式寫起來格外優雅，但 ETL 的 Transformer 用起來就很糟糕，除了函式一個包一個不易閱讀外，資料流方向也是由內而外，非常不直覺

在 Github 上看到有人在討論 Embedding 是否從 List<double> 改為 float[]，Spring AI 的開發人員只會從程式的角度覺得 List 比較有彈性，卻不知道 Embedding 根本就不需要彈性，因為一次計算就是要寫這麼維度的數據進入向量資料庫，也不會中途修改一兩個內容
希望他們能有個真正理解 AI 生態的人來規劃整個框架

▋對自己的期許

研究了 Spring AI 框架原始碼後，寫程式的思維開始不一樣，很多以前覺得困難的問題透過 AI 反而變得簡單，所以期許自己在鐵人賽後能完成 Java 版的 Graph RAG，其實這也是當初選 Neo4j 作為向量資料庫的原因

所以還請大家持續關注，鐵人賽結束了，凱文大叔的 AI 之旅才要開始

▋回顧

原本只想寫感想，最後還是把 Graph RAG 的概念加入，算是給 RAG 技術做一個結尾吧

了解如何透過 LLM 將文章轉為 Graph 需要的 Entities 以及 Relations
Graph RAG 的 ETL 流程以及檢索生成流程

▋認識凱文大叔

凱文大叔使用 Java 開發程式超過 20 年，對於 Java 生態非常熟悉，曾使用反射機制開發 ETL 框架，對 Spring 背後的原理非常清楚，目前以 Spring Boot 作為後端開發框架，前端使用 React 搭配 Ant Design
下班之餘在 Amazing Talker 擔任程式語言講師，並獲得學員的一致好評

最近剛成立一個粉絲專頁-凱文大叔教你寫程式歡迎大家多追蹤，我會不定期分享實用的知識以及程式開發技巧

想討論 Spring 的 Java 開發人員可以加入 FB 討論區 Spring Boot Developer Taiwan

我是凱文大叔，歡迎一起加入學習程式的行列