大模型之Spring AI实战系列（十一）：Spring Boot + OpenAI 集成本地向量数据库Chroma

目录

• 系列篇章💥
• 前言
• 一、开发环境准备
• • （一）Java 版本要求
  • （二）Maven 构建工具
  • （三）OpenAI API 密钥
  • （三）本地部署 Chroma 数据库
• 二、POM依赖引入
• • （一）Spring AI与OpenAI集成依赖包
  • （二）集成向量数据库chroma依赖包
  • （三）SpringAI相关依赖包版本管理
• 三、配置文件详解
• 四、核心代码详解
• • （一）Application启动类
  • （二）向量数据库配置类
  • • 1.`RestClient.Builder`：构建 HTTP 请求客户端
    • 2.`ChromaApi`：封装对 Chroma 服务的访问接口
    • 3.`ChromaVectorStore`：集成到 Spring AI 的向量数据库适配器
  • （三）向量检索控制器
  • • 1.`add()` 方法：添加文档至向量数据库
    • 2.`similaritySearch()` 方法：执行相似性搜索
    • 3.`Document` 类介绍
• 五、Chroma 向量数据库详解
• • （一）什么是向量数据库？
  • （二）Chroma 简介
  • （三）Chroma 核心概念
• 六、Spring AI 中的 VectorStore 抽象层
• 七、Chroma 本地部署全流程详解
• • （一）安装 Chroma
  • （二）启动 Chroma 服务
  • （三）创建 Collection（集合）
  • （四）Spring AI 配置与接入
• 八、Chroma 与 Spring AI 的整合实践
• • （一）向量数据库的基本应用场景
  • • 1.文档向量化存储
    • 2.语义相似性检索
    • 3.多模态检索（未来拓展方向）
  • （二）示例：文档入库 + 相似性查询流程演示
  • • 步骤 1：添加文档
    • 步骤 2：执行语义搜索
• 九、部署与测试
• • （一）部署准备
  • （二）启动 Chroma 服务（本地）
  • （三）启动 Spring Boot 应用
  • （四）测试接口功能
  • • 1.请求方式
    • 2.请求参数说明
    • 3.预期返回结果
• 总结