一款基于 SpringAI 和 AIGC 的智能问答系统

简介

MindMark（心印）是一款基于 SpringAI 和 AIGC 的问答系统，采用 RAG 架构，可以和基于 Spring 体系的业务系统进行无缝集成。

注意：SpringAI 项目整体上处于预览阶段，并没有正式发布版本，请勿把本项目的代码用于实际业务系统。

主要依赖

准备工作

选择一个大模型

MindMark 已经测试了 Gitee 和 Zhipu 的大模型。

模型	说明
Gitee 大模型	前往 `https://ai.gitee.com/` 注册并获得一个 api-key
智谱大模型	在智谱大模型注册并完成实名认证，然后获得一个 api-key ，`https://open.bigmodel.cn/`

把获得的 api-key 配置到 mindmark-llm-connector/src/main/resources/application.yml 中，SpringAI 支持同时配置多个模型。

ElasticSearch 安装配置

拉取 Docker 镜像：

docker pull docker.elastic.co/elasticsearch/elasticsearch:8.17.0

启动容器：

  docker run -d --name elasticsearch 
  -e "discovery.type=single-node" 
  -e "xpack.security.enabled=false" 
  -e "xpack.security.transport.ssl.enabled=false" 
  -e "xpack.security.http.ssl.enabled=false" 
  -e "ES_JAVA_OPTS=-Xms8g -Xmx8g" 
  -p 9200:9200 
  -p 9300:9300 
  docker.elastic.co/elasticsearch/elasticsearch:8.17.0

请注意：以上启动方式禁用了 SSL ，这是为了本地开发方便，对于生产系统，请启用 SSL 。

观察启动日志

docker logs -f elasticsearch

打开浏览器，测试 ElasticSearch 是否正常运行：

http://192.168.0.105:9200/

安装 Kibana 图形界面并连接 ElasticSearch

docker run -d --name kibana -p 5601:5601 --link elasticsearch:elasticsearch docker.elastic.co/kibana/kibana:8.17.0

观察启动日志

docker logs -f kibana

打开浏览器，测试 Kibana 是否正常运行：http://192.168.0.105:5601/

MariaDB 安装配置

省略 MariaDB 安装配置过程， MySQL 也可以。

在你的 MariaDB 中创建一个数据库，名称为 mind-mark ，然后把此项目下的 /docs/mind_mark.sql 导入进去，这些是 MindMark 自己使用的表。

检查一下初始数据，mind_mark_rbac_user 和 mind_mark_user_index 这两张表中应该分别有一行初始数据。

PDM 模型如下：

启动项目

拉取本项目
修改配置文件（application.yml 和 application-druid.yml 中有一些配置项需要改成你自己的配置）
启动 MindMarkApplication.java

备注：在启动和运行时，如果看到异常信息可以无视，因为日志级别配置成了 TRACE ，只要能够正常访问即可。

测试效果

准备数据

MindMark 能够监控两种类型的数据：

监控其它数据库中的表，把表中的数据全部向量化。
监控文件，解析文件中的内容并向量化。

让 MindMark 监控指定的数据库表

你可以指定 MindMark 监控其它数据库中的表， MindMark 会把你指定的表中的所有数据全部向量化，并存储到 ElasticSearch 中，处理过程会分页处理。

注意：在 MindMark 当前的实现中，被监控的表必须带有自增主键，否则 MindMark 无法把表中的数据进行向量化，因为不能记录已经处理了哪些数据行，在后续的版本中再考虑改进。你需要按照自己的情况，指定 MindMark 去监控哪个库中的哪张表，如果不提供这些配置， MindMark 不会监控任何数据库。

让 MindMark 监控文件

你可以通过 MindMark 的文件上传接口上传一些文件， MindMark 会把这些文件全部向量化，并存储到 ElasticSearch 中。目前支持的文件格式有：pdf/txt/markdown/doc/docx/ppt/pptx/xls/xlsx/json 。