一、Google VertexAI 多模态嵌入模型
实验性功能。仅用于实验目的。目前尚不兼容 VectorStores。
Vertex AI 支持两种类型的嵌入模型：文本嵌入和多模态嵌入。本文档介绍如何使用 Vertex AI 多模态嵌入 API 创建多模态嵌入。
多模态嵌入模型根据您提供的输入生成 1408 维向量，输入可以包括图像、文本和视频数据的组合。生成的嵌入向量随后可用于后续任务，如图像分类或视频内容审核。
图像嵌入向量和文本嵌入向量位于同一语义空间，且维度相同。因此，这些向量可以互换使用，适用于诸如按文本搜索图像或按图像搜索视频等用例。
VertexAI 多模态 API 施加了 以下限制。
对于纯文本嵌入的用例，我们建议改用 Vertex AI 文本嵌入模型。
二、先决条件
安装适用于您操作系统的 gcloud CLI。
通过运行以下命令进行身份验证。请将 <PROJECT_ID> 替换为您的 Google Cloud 项目 ID，将 替换为您的 Google Cloud 用户名。
gcloud configsetproject<PROJECT_ID>&&gcloud auth application-default login<ACCOUNT>添加仓库和 BOM
Spring AI 的构件发布在 Maven Central 和 Spring Snapshot 仓库中。请参阅 构件仓库 部分，将这些仓库添加到您的构建系统中。
为便于依赖管理，Spring AI 提供了 BOM（物料清单），以确保在整个项目中使用统一版本的 Spring AI。请参阅 依赖管理 部分，将 Spring AI BOM 添加到您的构建系统中。
三、自动配置
Spring AI 的自动配置和启动器模块的构件名称发生了重大变化。更多信息请参阅升级说明。
Spring AI 为 VertexAI 嵌入模型提供了 Spring Boot 自动配置。要启用它，请在项目的 Maven pom.xml 文件中添加以下依赖：
<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-vertex-ai-embedding</artifactId></dependency>或在您的 Gradle build.gradle 构建文件中添加：
dependencies{implementation'org.springframework.ai:spring-ai-starter-model-vertex-ai-embedding'}请参阅 依赖管理 部分，将 Spring AI BOM 添加到您的构建文件中。
嵌入属性
前缀 spring.ai.vertex.ai.embedding 用作属性前缀，用于连接到 VertexAI 嵌入 API。
现在通过前缀为 spring.ai.model.embedding 的顶级属性来配置嵌入自动配置的启用和禁用。
启用：spring.ai.model.embedding.multimodal=vertexai（默认已启用）
禁用：spring.ai.model.embedding.multimodal=none（或任何与 vertexai 不匹配的值）
此项更改是为了支持配置多个模型。
前缀 spring.ai.vertex.ai.embedding.multimodal 是用于配置 VertexAI 多模态嵌入的嵌入模型实现的属性前缀。
四、手动配置
VertexAiMultimodalEmbeddingModel 实现了 DocumentEmbeddingModel 接口。
在项目的 Maven pom.xml 文件中添加 spring-ai-vertex-ai-embedding 依赖：
<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-vertex-ai-embedding</artifactId></dependency>或在您的 Gradle build.gradle 构建文件中添加：
dependencies{implementation'org.springframework.ai:spring-ai-vertex-ai-embedding'}请参阅 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 VertexAiMultimodalEmbeddingModel 并使用它生成嵌入：
VertexAiEmbeddingConnectionDetailsconnectionDetails=VertexAiEmbeddingConnectionDetails.builder().projectId(System.getenv(<VERTEX_AI_GEMINI_PROJECT_ID>)).location(System.getenv(<VERTEX_AI_GEMINI_LOCATION>)).build();VertexAiMultimodalEmbeddingOptionsoptions=VertexAiMultimodalEmbeddingOptions.builder().model(VertexAiMultimodalEmbeddingOptions.DEFAULT_MODEL_NAME).build();varembeddingModel=newVertexAiMultimodalEmbeddingModel(this.connectionDetails,this.options);MediaimageMedial=newMedia(MimeTypeUtils.IMAGE_PNG,newClassPathResource("/test.image.png"));MediavideoMedial=newMedia(newMimeType("video","mp4"),newClassPathResource("/test.video.mp4"));vardocument=newDocument("Explain what do you see on this video?",List.of(this.imageMedial,this.videoMedial),Map.of());EmbeddingResponseembeddingResponse=this.embeddingModel.embedForResponse(List.of("Hello World","World is big and salvation is near"));DocumentEmbeddingRequestembeddingRequest=newDocumentEmbeddingRequest(List.of(this.document),EmbeddingOptions.EMPTY);EmbeddingResponseembeddingResponse=multiModelEmbeddingModel.call(this.embeddingRequest);assertThat(embeddingResponse.getResults()).hasSize(3);
