Spring AI项目中如何正确禁用Gemini和Vertex AI服务
在Spring AI项目的实际开发过程中,测试环境的配置往往需要与生产环境有所区别。特别是在使用云服务如Google Vertex AI时,测试环境可能无法访问真实的云服务资源。本文将详细介绍如何在Spring AI项目中正确禁用Gemini和Vertex AI相关功能。
问题背景
当开发者在Spring AI项目中集成了Vertex AI的Gemini和Embedding服务后,在测试环境中运行时会遇到一个常见问题:即使已经在配置文件中设置了禁用相关服务,系统仍然会尝试连接Vertex AI服务,导致测试失败并抛出"Vertex AI project-id must be set!"的错误提示。
解决方案
经过实践验证,正确的配置方式应该是使用以下属性:
spring.ai.model.chat=none
spring.ai.model.embedding.text=none
spring.ai.model.embedding.multimodal=none
这三个配置项分别控制着:
- 聊天模型服务的启用/禁用
- 文本嵌入服务的启用/禁用
- 多模态嵌入服务的启用/禁用
配置详解
1. 聊天模型禁用
spring.ai.model.chat=none配置项会完全禁用Spring AI中的聊天模型功能。当设置为"none"时,系统不会尝试初始化任何聊天模型服务,包括Vertex AI的Gemini服务。
2. 文本嵌入服务禁用
spring.ai.model.embedding.text=none配置项专门用于禁用文本嵌入服务。这对于测试环境中不需要文本向量化功能的场景特别有用。
3. 多模态嵌入服务禁用
spring.ai.model.embedding.multimodal=none配置项则负责禁用多模态嵌入服务,确保系统不会尝试连接任何多模态模型服务。
最佳实践建议
-
环境隔离:建议在
application-test.properties或application-test.yml中专门配置这些属性,确保测试环境与开发/生产环境隔离。 -
配置优先级:了解Spring Boot的配置优先级,确保测试配置能够覆盖主配置。测试配置通常具有更高的优先级。
-
完整测试配置示例:
spring:
ai:
model:
chat: 'none'
embedding:
text: 'none'
multimodal: 'none'
- 版本兼容性:虽然本文基于Spring AI 1.0.0版本,但这些配置在后续版本中应该保持兼容性。不过建议查阅对应版本的官方文档确认。
常见误区
-
错误地使用vertex.ai前缀:如问题描述中所示,使用
spring.ai.vertex.ai.embedding.text=none这样的配置是无效的,正确的配置路径应该是spring.ai.model开头。 -
部分禁用:有些开发者可能只禁用聊天模型而忘记禁用嵌入服务,或者反之,这都会导致测试失败。需要确保所有相关服务都被正确禁用。
-
配置位置错误:确保配置放在正确的配置文件中,并且该配置文件确实被测试环境加载。
总结
在Spring AI项目中正确禁用云AI服务是保证测试环境稳定运行的关键。通过本文介绍的配置方法,开发者可以轻松地在测试环境中禁用Vertex AI的Gemini和Embedding服务,避免不必要的云服务连接尝试,提高测试效率和稳定性。记住使用spring.ai.model作为配置前缀,而不是特定实现的vertex.ai前缀,这是解决问题的关键所在。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0100
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00