【Spring AI】09. ETL 管道

ETL Pipeline

提取、转换和加载（ETL）框架是检索增强生成（RAG）中数据处理的支柱。
ETL 管道编排了从原始数据源到结构化向量存储的流程，确保数据以最佳格式存储，以便 AI 模型检索。
RAG 用例是通过从数据体中检索相关信息来增强生成模型的能力，以提高生成输出的质量和相关性。

API 概述

---

ETL 管道的三个主要组件是

• DocumentReader ：实现Supplier
• DocumentTransformer ：实现Function
• Consumer ：实现DocumentWriter
  Document类包含文本和元数据，使用DocumentReader可以基于 PDF、文本文件和其他文档类型创建 Document类。
  要构建一个简单的 ETL 管道，您可以将每种类型的实例链接在一起。
  

假如我们有这三种 ETL 类型的实例对象

• PagePdfDocumentReade: DocumentReader的一个实现
• TokenTextSplitter:DocumentTransformer的一个实现
• VectorStore: DocumentWriter的一个实现
  使用以下代码，可以结合检索增强生成模式，把基本的数据加载到矢量数据库中。

vectorStore.accept(tokenTextSplitter.apply(pdfReader.get()));

---

入门指南

---

要开始创建一个 Spring AI RAG 应用程序，请按照以下步骤进行：

1. 下载最新的 Spring CLI Release，并按照 installation instructions 进行安装。
2. 要创建一个简单的基于 OpenAI 的应用程序，请使用以下命令：

   spring boot new --from ai-rag --name myrag
   

3. 查看生成的README.md文件，了解如何获取 OpenAI API 密钥并运行您的第一个 AI RAG 应用程序。

ETL 接口和实现

ETL 管道由以下接口和实现组成。详细的 ETL 类图在下面的 ETL 类图部分 中显示。

DocumentReader

提供来自不同来源的文档资源。

public interface DocumentReader extends Supplier<List<Document>> {
   

}

JsonReader

JsonReader解析 JSON 格式的文档。
例子：

@Component
public class MyAiApp {
   

	@Value("classpath:bikes.json") // This is the json document to load
	private Resource resource;