Spring AI 1.0-RC1版本中观测性配置的调整与解决方案
在Spring AI 1.0-RC1版本中,开发团队对观测性(Observability)相关配置进行了重要调整。这些变更主要涉及Chat和VectorStore模块的观测属性命名规范,但同时也带来了一些需要开发者注意的兼容性问题。
配置属性变更说明
新版本中将原有的观测属性名称进行了优化:
- 原
spring.ai.chat.observations.include-prompt
变更为spring.ai.chat.observations.log-prompt
- 原
spring.ai.chat.observations.include-completion
变更为spring.ai.chat.observations.log-completion
- VectorStore模块也进行了类似的调整
这一变更旨在使属性命名更加清晰直观,明确表达其日志记录功能。然而,在实现过程中,ChatObservationProperties类中遗漏了对应的logCompletion字段及其setter方法,导致配置时可能出现未知属性警告。
观测机制的架构调整
更值得开发者注意的是,RC1版本对观测机制进行了架构层面的重构:
-
从追踪(Tracing)转向日志(Logging):早期版本会将提示词(prompt)等内容附加到追踪span中,而新版本改为通过标准日志输出。这种设计变更主要是考虑到:
- 大文本内容更适合通过日志系统处理
- 日志系统本身可以包含traceId和spanId,仍能与追踪系统关联
- 避免了追踪系统中传输大文本的性能问题
-
日志与追踪的协同:虽然内容不再直接附加到span,但日志中会包含追踪ID,开发者仍可通过日志后端查询特定追踪相关的详细内容。
解决方案与替代方案
对于需要恢复旧版行为的开发者,可以考虑以下方案:
-
自定义观测过滤器:通过实现类似ChatClientPromptContentObservationFilter的自定义组件,可以将内容重新附加到追踪span中。这种方式需要开发者自行权衡性能影响。
-
使用日志收集方案:结合如zipkin-otel等工具,可以将日志内容作为span的注解重新注入追踪系统,实现两全其美的效果。
-
社区扩展项目:已有社区成员将移除的处理器和过滤器重构为独立项目,未来可能纳入Spring AI社区扩展中。
最佳实践建议
-
对于新项目,建议适应新的日志观测模式,充分利用现代日志系统的强大功能。
-
对于需要与旧系统兼容的场景,可考虑上述替代方案,但需注意性能影响。
-
密切关注Spring AI官方更新,预计后续版本会进一步完善观测性相关的文档和示例代码。
Spring AI团队表示,虽然存在这些实现细节上的调整,但核心观测功能在RC1版本中仍能正常工作。开发者可以继续按照文档使用新的属性名称,同时等待官方对实现细节的进一步完善。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0298- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









