MiniMax Chat

Spring AI 支持 MiniMax 提供的各种 AI 语言模型。您可以与 MiniMax 语言模型交互，并基于 MiniMax 模型构建多语言对话助手。

前提条件

您需要在 MiniMax 创建 API 才能访问 MiniMax 语言模型。

在 MiniMax 注册页面 创建账户，并在 API Keys page 生成 token。Spring AI 项目定义了一个名为 spring.ai.minimax.api-key 的配置属性，您应将其设置为从 API Keys page 获取的 API Key 的值。导出环境变量是设置该配置属性的一种方式。

export SPRING_AI_MINIMAX_API_KEY=<INSERT KEY HERE>

添加仓库和 BOM

Spring AI 的构件（artifact）发布在 Maven Central 和 Spring Snapshot 仓库中。请参考仓库部分，将这些仓库添加到您的构建系统。

为了帮助进行依赖管理，Spring AI 提供了一个 BOM (bill of materials)，以确保在整个项目中使用一致版本的 Spring AI。请参考依赖管理部分，将 Spring AI BOM 添加到您的构建系统。

自动配置

Spring AI 自动配置、starter 模块的构件名称发生了重大变化。请参考升级注意事项获取更多信息。

Spring AI 为 MiniMax Chat Client 提供了 Spring Boot 自动配置。要启用它，请将以下依赖添加到项目的 Maven pom.xml 文件中

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-minimax</artifactId>
</dependency>

或添加到您的 Gradle build.gradle 构建文件中。

dependencies {
    implementation 'org.springframework.ai:spring-ai-starter-model-minimax'
}
请参考依赖管理部分，将 Spring AI BOM 添加到您的构建文件中。

对话属性

重试属性

前缀 spring.ai.retry 用作属性前缀，允许您配置 MiniMax 对话模型的重试机制。

属性 描述 默认值

spring.ai.retry.max-attempts

最大重试次数。

10

spring.ai.retry.backoff.initial-interval

指数回退策略的初始睡眠时长。

2 秒。

spring.ai.retry.backoff.multiplier

回退间隔乘数。

5

spring.ai.retry.backoff.max-interval

最大回退时长。

3 分钟。

spring.ai.retry.on-client-errors

如果为 false，则抛出 NonTransientAiException，且不尝试重试 4xx 客户端错误码。

false

spring.ai.retry.exclude-on-http-codes

不应触发重试的 HTTP 状态码列表（例如，抛出 NonTransientAiException）。

空

spring.ai.retry.on-http-codes

应触发重试的 HTTP 状态码列表（例如，抛出 TransientAiException）。

空

连接属性

前缀 spring.ai.minimax 用作属性前缀，允许您连接到 MiniMax。

属性 描述 默认值

spring.ai.minimax.base-url

要连接的 URL

api.minimax.chat

spring.ai.minimax.api-key

API 密钥

-

配置属性

对话自动配置的启用和禁用现在通过前缀为 spring.ai.model.chat 的顶级属性进行配置。

要启用，spring.ai.model.chat=minimax (默认启用)

要禁用，spring.ai.model.chat=none (或任何与 minimax 不匹配的值)

进行此更改是为了允许配置多个模型。

前缀 spring.ai.minimax.chat 是属性前缀，允许您配置 MiniMax 的对话模型实现。

属性 描述 默认值

spring.ai.minimax.chat.enabled (已移除且不再有效)

启用 MiniMax 对话模型。

true

spring.ai.model.chat

启用 MiniMax 对话模型。

minimax

spring.ai.minimax.chat.base-url

可选地覆盖 spring.ai.minimax.base-url 以提供对话特定的 URL

api.minimax.chat

spring.ai.minimax.chat.api-key

可选地覆盖 spring.ai.minimax.api-key 以提供对话特定的 api-key

-

spring.ai.minimax.chat.options.model

这是要使用的 MiniMax 对话模型

abab6.5g-chat (其中的 abab5.5-chat, abab5.5s-chat, abab6.5-chat, abab6.5g-chat, abab6.5t-chat 和 abab6.5s-chat 指向最新的模型版本)

spring.ai.minimax.chat.options.maxTokens

在对话补全中生成的最大 token 数量。输入 token 和生成 token 的总长度受模型的上下文长度限制。

-

spring.ai.minimax.chat.options.temperature

用于控制生成补全的表观创造力的采样温度。值越高，输出越随机；值越低，结果越集中和确定。不建议在同一补全请求中同时修改 temperature 和 top_p，因为这两个设置的交互作用难以预测。

0.7

spring.ai.minimax.chat.options.topP

采样温度的替代方法，称为核采样（nucleus sampling），模型会考虑具有 top_p 概率质量的 token 的结果。例如，0.1 表示仅考虑概率质量排名前 10% 的 token。我们通常建议修改其中一个或 temperature，但不要同时修改两者。

1.0

spring.ai.minimax.chat.options.n

为每个输入消息生成多少个对话补全选项。请注意，您将根据所有选项生成的 token 总数付费。默认值为 1，不能大于 5。特别是当 temperature 非常小接近 0 时，我们只能返回 1 个结果。如果此时 n 已经设置且>1，服务将返回非法输入参数错误（invalid_request_error）

1

spring.ai.minimax.chat.options.presencePenalty

介于 -2.0 和 2.0 之间的数字。正值会根据新 token 是否已在文本中出现而对其进行惩罚，从而增加模型谈论新主题的可能性。

0.0f

spring.ai.minimax.chat.options.frequencyPenalty

介于 -2.0 和 2.0 之间的数字。正值会根据新 token 到目前为止在文本中的现有频率对其进行惩罚，从而降低模型重复相同行的可能性。

0.0f

spring.ai.minimax.chat.options.stop

模型将停止生成由 stop 指定的字符，目前仅支持 ["stop_word1"] 格式的单个停止词。

-
您可以为 ChatModel 实现覆盖通用的 spring.ai.minimax.base-url 和 spring.ai.minimax.api-key。如果设置了 spring.ai.minimax.chat.base-url 和 spring.ai.minimax.chat.api-key 属性，则它们优先于通用属性。如果您希望为不同的模型和不同的模型端点使用不同的 MiniMax 账户，这将非常有用。
所有以 spring.ai.minimax.chat.options 为前缀的属性都可以在运行时通过向 Prompt 调用添加请求特定的 运行时选项 进行覆盖。

运行时选项

MiniMaxChatOptions.java 提供了模型配置，例如要使用的模型、温度、频率惩罚等。

在启动时，可以通过 MiniMaxChatModel(api, options) 构造函数或 spring.ai.minimax.chat.options.* 属性配置默认选项。

在运行时，您可以通过向 Prompt 调用添加新的、特定于请求的选项来覆盖默认选项。例如，为特定请求覆盖默认模型和温度

ChatResponse response = chatModel.call(
    new Prompt(
        "Generate the names of 5 famous pirates.",
        MiniMaxChatOptions.builder()
            .model(MiniMaxApi.ChatModel.ABAB_6_5_S_Chat.getValue())
            .temperature(0.5)
        .build()
    ));
除了模型特定的 MiniMaxChatOptions，您还可以使用通过 ChatOptionsBuilder#builder() 创建的可移植 ChatOptions 实例。

示例 Controller

创建 一个新的 Spring Boot 项目，并将 spring-ai-starter-model-minimax 添加到您的 pom（或 gradle）依赖项中。

在 src/main/resources 目录下添加一个 application.properties 文件，以启用和配置 MiniMax 对话模型

spring.ai.minimax.api-key=YOUR_API_KEY
spring.ai.minimax.chat.options.model=abab6.5g-chat
spring.ai.minimax.chat.options.temperature=0.7
将 api-key 替换为您的 MiniMax 凭据。

这将创建一个 MiniMaxChatModel 实现，您可以将其注入到您的类中。这是一个简单的 @Controller 类使用对话模型生成文本的示例。

@RestController
public class ChatController {

    private final MiniMaxChatModel chatModel;

    @Autowired
    public ChatController(MiniMaxChatModel chatModel) {
        this.chatModel = chatModel;
    }

    @GetMapping("/ai/generate")
    public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        return Map.of("generation", this.chatModel.call(message));
    }

    @GetMapping("/ai/generateStream")
	public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        var prompt = new Prompt(new UserMessage(message));
        return this.chatModel.stream(prompt);
    }
}

手动配置

MiniMaxChatModel 实现了 ChatModel 和 StreamingChatModel 接口，并使用低层 MiniMaxApi 客户端连接到 MiniMax 服务。

将 spring-ai-minimax 依赖添加到项目的 Maven pom.xml 文件中

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-minimax</artifactId>
</dependency>

或添加到您的 Gradle build.gradle 构建文件中。

dependencies {
    implementation 'org.springframework.ai:spring-ai-minimax'
}
请参考依赖管理部分，将 Spring AI BOM 添加到您的构建文件中。

接下来，创建一个 MiniMaxChatModel 并使用它生成文本

var miniMaxApi = new MiniMaxApi(System.getenv("MINIMAX_API_KEY"));

var chatModel = new MiniMaxChatModel(this.miniMaxApi, MiniMaxChatOptions.builder()
                .model(MiniMaxApi.ChatModel.ABAB_6_5_S_Chat.getValue())
                .temperature(0.4)
                .maxTokens(200)
                .build());

ChatResponse response = this.chatModel.call(
    new Prompt("Generate the names of 5 famous pirates."));

// Or with streaming responses
Flux<ChatResponse> streamResponse = this.chatModel.stream(
    new Prompt("Generate the names of 5 famous pirates."));

MiniMaxChatOptions 提供了对话请求的配置信息。MiniMaxChatOptions.Builder 是一个流式选项构建器。

低层 MiniMaxApi 客户端

MiniMaxApi 提供了一个轻量级的 MiniMax API Java 客户端。

以下是如何以编程方式使用该 API 的简单代码片段

MiniMaxApi miniMaxApi =
    new MiniMaxApi(System.getenv("MINIMAX_API_KEY"));

ChatCompletionMessage chatCompletionMessage =
    new ChatCompletionMessage("Hello world", Role.USER);

// Sync request
ResponseEntity<ChatCompletion> response = this.miniMaxApi.chatCompletionEntity(
    new ChatCompletionRequest(List.of(this.chatCompletionMessage), MiniMaxApi.ChatModel.ABAB_6_5_S_Chat.getValue(), 0.7f, false));

// Streaming request
Flux<ChatCompletionChunk> streamResponse = this.miniMaxApi.chatCompletionStream(
        new ChatCompletionRequest(List.of(this.chatCompletionMessage), MiniMaxApi.ChatModel.ABAB_6_5_S_Chat.getValue(), 0.7f, true));

有关更多信息，请参阅 MiniMaxApi.java 的 JavaDoc。

MiniMax 模型支持 Web 搜索功能。Web 搜索功能允许您搜索 Web 信息并在对话响应中返回结果。

有关 Web 搜索的更多信息，请参阅 MiniMax ChatCompletion。

以下是如何使用 Web 搜索的简单代码片段

UserMessage userMessage = new UserMessage(
        "How many gold medals has the United States won in total at the 2024 Olympics?");

List<Message> messages = new ArrayList<>(List.of(this.userMessage));

List<MiniMaxApi.FunctionTool> functionTool = List.of(MiniMaxApi.FunctionTool.webSearchFunctionTool());

MiniMaxChatOptions options = MiniMaxChatOptions.builder()
    .model(MiniMaxApi.ChatModel.ABAB_6_5_S_Chat.value)
    .tools(this.functionTool)
    .build();


// Sync request
ChatResponse response = chatModel.call(new Prompt(this.messages, this.options));

// Streaming request
Flux<ChatResponse> streamResponse = chatModel.stream(new Prompt(this.messages, this.options));

MiniMaxApi 示例

  • MiniMaxApiIT.java 测试提供了一些关于如何使用该轻量级库的通用示例。

  • MiniMaxApiToolFunctionCallIT.java 测试展示了如何使用低层 API 调用工具函数。>

© . This site is unofficial and not affiliated with VMware.