آموزش هوش مصنوعی

هوش مصنوعی مولد در جاوا؛ OpenAI Java SDK، Spring AI و چهار الگوی پایه

متوسط مطالعه در ۸ دقیقه بخش ۵۲ از ۵۴ در مبانی هوش مصنوعی و علم داده
mahdyar
هوش مصنوعی مولد در جاوا؛ OpenAI Java SDK، Spring AI و چهار الگوی پایه

هوش مصنوعی در جاوا سال‌ها در سایه‌ی پایتون بود. بیشتر آموزش‌ها، کتابخانه‌ها و نمونه‌کدها پایتونی بودند. اما بخش بزرگی از سیستم‌های سازمانی، از بانک‌ها تا سامانه‌های آموزشی، با جاوا نوشته شده‌اند. اگر دستیار هوشمند باید داخل همین سیستم‌ها کار کند، ساختنش در جاوا منطقی‌تر از افزودن یک سرویس پایتونی جداست.

در قسمت قبل دیدیم مدل زبانی بزرگ چیست و چه محدودیت‌هایی دارد. در این قسمت از زاویه‌ی یک برنامه‌نویس جاوا به آن نگاه می‌کنیم. ابزارهای اصلی را می‌شناسیم و چهار الگوی پایه را با کد جاوا می‌سازیم؛ چت با تاریخچه، فراخوانی تابع، RAG ساده و مدیریت پاسخ فیلترشده.

ابزارهای هوش مصنوعی در جاوا

اکوسیستم جاوا در چند سال اخیر ابزارهای جدی برای هوش مصنوعی مولد پیدا کرده است. انتخاب بین آن‌ها به اندازه‌ی پروژه و چارچوبی که از قبل دارید بستگی دارد.

OpenAI Java SDK

OpenAI Java SDK کلاینت رسمی و سبک برای فراخوانی مستقیم مدل است. با سرویس OpenAI و همچنین با نقطه‌ی پایانی سازگار Azure OpenAI کار می‌کند. هیچ وابستگی سنگینی ندارد و برای برنامه‌های مستقل یا کتابخانه‌ها مناسب است.

در مثال‌های درس اصلی، از همین SDK با احراز هویت بدون کلید استفاده می‌شود. هیچ وابستگی به Spring Boot یا چارچوب دیگری لازم نیست. برای شروع و فهم دقیق آنچه اتفاق می‌افتد، بهترین انتخاب است.

Spring AI و MCP

Spring AI برای برنامه‌هایی است که از قبل با Spring Boot ساخته شده‌اند. رابط ChatClient یکسانی روی ارائه‌دهندگان مختلف دارد. پس تغییر مدل یا ارائه‌دهنده معمولاً فقط تغییر پیکربندی است، نه کد.

Spring AI حافظه‌ی گفت‌وگو، فراخوانی ابزار، اتصال به پایگاه‌های داده‌ی برداری و پروتکل MCP را هم پشتیبانی می‌کند. MCP پروتکلی استاندارد برای وصل کردن ابزارها و منابع داده به مدل است. در سری قبلی تخته سبز، MCP و اتصال ابزار به ایجنت را با جزئیات دیدیم.

مفاهیم پایه از دید برنامه‌نویس جاوا

پیش از کد، چند مفهوم را از زاویه‌ی مهندسی مرور کنیم. این مفاهیم در هر زبانی یکسان‌اند، اما در طراحی کلاس‌ها و رابط‌ها اثر مستقیم دارند.

پیام‌ها، نقش‌ها و توکن‌ها

هر درخواست چت فهرستی از پیام‌هاست. هر پیام یک نقش دارد؛ سیستم، کاربر یا دستیار. پیام سیستم رفتار کلی را تعیین می‌کند و پیام‌های کاربر و دستیار تاریخچه‌ی گفت‌وگو را می‌سازند. مدل حافظه ندارد؛ برای ادامه‌ی گفت‌وگو، کل تاریخچه را باید دوباره بفرستید.

سقف توکن خروجی را همیشه صریح تعیین کنید. بدون آن، یک پاسخ طولانی ناخواسته هم هزینه دارد و هم زمان. در مثال‌های درس اصلی، هر درخواست maxCompletionTokens مشخصی دارد. این یک عادت خوب مهندسی است.

احراز هویت بدون کلید

کلید API ثابت در کد یا فایل پیکربندی، یکی از رایج‌ترین راه‌های نشت اطلاعات است. در احراز هویت بدون کلید، برنامه با هویت خودش توکن کوتاه‌مدت می‌گیرد. در توسعه‌ی محلی، هویت ورود توسعه‌دهنده و در سرور، هویت مدیریت‌شده‌ی سرویس.

کتابخانه‌ی azure-identity این کار را با DefaultAzureCredential انجام می‌دهد. هیچ رازی در کد یا مخزن ذخیره نمی‌شود و توکن‌ها خودکار تازه می‌شوند. اگر از سرویس دیگری استفاده می‌کنید، دست‌کم کلید را از متغیر محیطی بخوانید، نه از کد.

بیشتر بخوانید: محدودیت‌های مدل زبانی بزرگ که هر برنامه‌ی جاوا باید برایشان طراحی شود، در مدل زبانی بزرگ چیست؟ آمده است.

چهار الگوی پایه با کد جاوا

درس اصلی چهار برنامه‌ی مستقل جاوا دارد که هرکدام یک الگوی پایه را نشان می‌دهد. نمودار زیر این چهار الگو را کنار هم نشان می‌دهد. هر برنامه‌ی واقعی ترکیبی از همین‌هاست.

چهار الگوی پایه هوش مصنوعی مولد در جاوا از چت تا فراخوانی تابع و RAG

الگوی اول؛ چت با تاریخچه

ساده‌ترین الگو، یک درخواست چت با پیام سیستم و پیام کاربر است. با OpenAI Java SDK این کار چند خط است:

java
OpenAIClient client = OpenAIOkHttpClient.fromEnv();

ChatCompletionCreateParams params = ChatCompletionCreateParams.builder()
        .model(System.getenv("OPENAI_MODEL"))
        .addSystemMessage("You are a concise tutor for a Persian learning platform.")
        .addUserMessage("پیش‌نیاز دوره پایتون پیشرفته چیست؟")
        .maxCompletionTokens(400)
        .build();

ChatCompletion completion = client.chat().completions().create(params);
completion.choices().get(0).message().content().ifPresent(System.out::println);

برای گفت‌وگوی چندمرحله‌ای، پاسخ دستیار را به فهرست پیام‌ها اضافه کنید و پرسش بعدی کاربر را بعد از آن بفرستید. تاریخچه را محدود نگه دارید. اگر گفت‌وگو طولانی شد، پیام‌های قدیمی را خلاصه یا حذف کنید تا از پنجره‌ی زمینه بیرون نزند.

الگوی دوم؛ فراخوانی تابع امن

مدل‌های زبانی در محاسبه‌ی دقیق ضعیف‌اند. در فراخوانی تابع، مدل به جای حساب کردن، درخواست اجرای یک تابع را با آرگومان مشخص برمی‌گرداند. برنامه تابع را اجرا می‌کند و نتیجه را به مدل برمی‌گرداند.

نکته‌ی امنیتی مهم در درس اصلی این است که عبارت ریاضی با کتابخانه‌ی exp4j تجزیه می‌شود، نه با اجرای کد. هرگز خروجی مدل را مستقیم به eval یا اجرای دستور ندهید. آرگومان‌های تابع را مثل ورودی کاربر ناامن فرض کنید و اعتبارسنجی کنید.

الگوی سوم و چهارم؛ RAG و پاسخ فیلترشده

در RAG ساده‌ی درس اصلی، کل یک سند کوتاه به پرامپت اضافه می‌شود و از مدل خواسته می‌شود فقط از همان سند پاسخ دهد. این ساده‌ترین شکل اتکا به منبع است. برای اسناد بزرگ‌تر، به قطعه‌بندی و بازیابی برداری نیاز دارید که در قسمت‌های بعد می‌بینیم.

الگوی چهارم مدیریت پاسخ فیلترشده است. سرویس‌های ابری فیلتر محتوا دارند و ممکن است درخواست یا پاسخ را مسدود کنند. برنامه باید این حالت را تشخیص دهد و پیام روشنی به کاربر بدهد، نه اینکه با یک استثنای نامفهوم متوقف شود.

Spring AI و تست آفلاین

اگر برنامه‌ی شما با Spring Boot ساخته شده، Spring AI کار را بسیار ساده‌تر می‌کند. همان الگوی چت در یک کنترلر Spring چند خط است.

یک کنترلر با ChatClient

در کنترلر زیر، ChatClient با یک پیام سیستم پیش‌فرض ساخته می‌شود. هر درخواست HTTP یک پرسش کاربر را می‌فرستد و متن پاسخ را برمی‌گرداند:

java
@RestController
class TutorController {
    private final ChatClient chat;

    TutorController(ChatClient.Builder builder) {
        this.chat = builder.defaultSystem("Answer only from the course catalog. Say you don't know otherwise.").build();
    }

    @GetMapping("/ask")
    String ask(@RequestParam String q) {
        return chat.prompt().user(q).call().content();
    }
}

مدل و ارائه‌دهنده در فایل پیکربندی تعیین می‌شوند. اگر فردا ارائه‌دهنده را عوض کنید، این کلاس تغییری نمی‌کند. این جداسازی همان اصل طراحی خوب نرم‌افزار است که برنامه‌نویسان جاوا با آن آشنا هستند.

تست بدون تماس با مدل

یکی از نکته‌های خوب درس اصلی، تست‌های واحد آفلاین است. تست‌ها منطق برنامه را بدون تماس با سرویس مدل می‌سنجند. مثلاً تجزیه‌ی عبارت ریاضی، ساختن پیام‌ها و مدیریت پاسخ فیلترشده.

این کار دو فایده دارد. تست‌ها سریع و رایگان‌اند و در هر ساخت اجرا می‌شوند. و خطای منطق برنامه از خطای مدل جدا می‌شود. برای کیفیت پاسخ مدل، یک مجموعه‌ی آزمون جداگانه با تماس واقعی و اجرای کمتر نگه دارید.

تمرین عملی؛ دستیار جاوای کوچک

یک برنامه‌ی جاوای کوچک با این قابلیت‌ها بسازید:

  • چت با تاریخچه: سه پرسش پشت سر هم بپرسید و تاریخچه را حفظ کنید.
  • سقف تاریخچه: وقتی تعداد پیام‌ها از ده گذشت، قدیمی‌ترین‌ها را حذف کنید.
  • فراخوانی تابع: یک تابع «محاسبه‌ی شهریه‌ی قسطی» تعریف کنید و آرگومان‌ها را اعتبارسنجی کنید.
  • پاسخ فیلترشده: حالت مسدود شدن پاسخ را شبیه‌سازی کنید و پیام مناسب نشان دهید.
  • تست آفلاین: برای تابع محاسبه و مدیریت خطا، تست واحد بنویسید.

در پایان، کلید یا هویت را بررسی کنید. هیچ رازی نباید در کد یا مخزن باشد.

سخن پایانی

هوش مصنوعی در جاوا امروز ابزارهای بالغی دارد. OpenAI Java SDK برای فراخوانی مستقیم و سبک و Spring AI برای برنامه‌های Spring Boot با انتزاع یکپارچه. پیام‌ها و نقش‌ها، سقف توکن و احراز هویت بدون کلید پایه‌ی هر برنامه‌ی جدی‌اند.

چهار الگوی پایه، یعنی چت با تاریخچه، فراخوانی تابع امن، RAG ساده و مدیریت پاسخ فیلترشده، ستون‌های هر دستیار واقعی‌اند. با تست آفلاین منطق برنامه را از رفتار مدل جدا کنید تا سیستم قابل نگه‌داری بماند.

این آموزش بر پایه‌ی فصل‌های Introduction to Generative AI و Core Generative AI Techniques از مجموعه‌ی آزاد Generative AI for Beginners Java مایکروسافت (مجوز MIT) به فارسی بازنویسی و تکمیل شده است.

پرسش‌های پرتکرار

برای هوش مصنوعی در جاوا از چه کتابخانه‌ای استفاده کنیم؟

سه گزینه‌ی اصلی وجود دارد. OpenAI Java SDK کلاینت رسمی و سبک برای فراخوانی مستقیم مدل است. Spring AI برای برنامه‌های Spring Boot انتزاعی یکپارچه روی چند ارائه‌دهنده، RAG و ابزارها می‌دهد. LangChain4j هم کتابخانه‌ی مستقل دیگری با امکانات مشابه است.

Spring AI چیست؟

Spring AI پروژه‌ای از خانواده‌ی Spring است که کار با مدل‌های زبانی را در برنامه‌های جاوا ساده می‌کند. رابط ChatClient یکسانی برای ارائه‌دهندگان مختلف دارد و قابلیت‌هایی مثل حافظه‌ی گفت‌وگو، فراخوانی ابزار، پایگاه داده‌ی برداری و MCP را پشتیبانی می‌کند.

فراخوانی تابع در مدل زبانی چیست؟

قابلیتی است که مدل به جای پاسخ متنی، درخواست اجرای یک تابع تعریف‌شده را با آرگومان‌های مشخص برمی‌گرداند. برنامه‌ی شما تابع را اجرا می‌کند و نتیجه را به مدل برمی‌گرداند. این کار برای محاسبه‌ی دقیق، خواندن داده و انجام عملیات کاربرد دارد.

چرا احراز هویت بدون کلید بهتر است؟

چون کلید API ثابت ممکن است در کد، لاگ یا مخزن نشت کند. در احراز هویت بدون کلید، برنامه با هویت خودش، مثلاً هویت مدیریت‌شده در ابر یا ورود توسعه‌دهنده، توکن کوتاه‌مدت می‌گیرد و هیچ رازی در کد ذخیره نمی‌شود.

دیدگاه‌ها

هنوز دیدگاهی ثبت نشده است. شروع‌کننده باشید — پرسش و اصلاح را با آغوش باز می‌پذیریم.

دیدگاه بگذارید

برای **پررنگ**، *مورب*، `کد` و لینک از Markdown استفاده کنید. لینک‌ها nofollow هستند.

پنج رقم داخل تصویر را وارد کنید. اعداد فارسی و انگلیسی پذیرفته می‌شوند.

تصویر کد امنیتی پنج‌رقمی

در حال دریافت کد امنیتی…

مهلت کد تمام شد. روی «کد جدید» بزنید.