人工智能革命已經(jīng)到來，隨之而來的是不斷增長的強大模型列表，這些模型可以生成文本、創(chuàng)建視覺效果并解決復雜問題。但讓我們面對現(xiàn)實吧：有如此多的選擇，找出最適合您的項目的模型可能會讓人不知所措。如果有一種方法可以快速測試這些模型，查看它們的實際結(jié)果，并決定將哪個模型集成到您的生產(chǎn)系統(tǒng)中，會怎么樣？

進入Hugging Face 的推理 API——探索和利用最先進的人工智能模型的捷徑。它通過提供即插即用的解決方案，消除了設置、托管或訓練模型的麻煩。無論您是在集思廣益新功能還是評估模型的功能，Hugging Face 都能讓 AI 集成變得比以往更簡單。

在本博客中，我將引導您使用 Spring Boot 構(gòu)建一個輕量級后端應用程序，讓您可以輕松測試和評估 AI 模型。以下是您可以期待的：

---

？你將學到什么

• 訪問 AI 模型：了解如何使用 Hugging Face 的推理 API 來探索和測試模型。
• 構(gòu)建后端：創(chuàng)建一個 Spring Boot 應用程序來與這些模型交互。
• 測試模型：使用示例提示設置和測試文本和圖像生成的端點。

最后，您將擁有一個方便的工具來測試不同的人工智能模型，并就它們是否適合您的項目需求做出明智的決定。如果您準備好彌合好奇心和實施之間的差距，那就開始吧！

---

?? 為什么要擁抱人臉推理 API？

這就是為什么 Hugging Face 能夠改變 AI 集成的游戲規(guī)則：

• 易于使用：無需訓練或部署模型 - 只需調(diào)用 API。
• 多樣性：訪問超過 150,000 個模型來執(zhí)行文本生成、圖像創(chuàng)建等任務。
• 可擴展性：非常適合原型設計和生產(chǎn)使用。

---

？你將構(gòu)建什么

我們將構(gòu)建 QuickAI，一個 Spring Boot 應用程序：

1. 生成文本：根據(jù)提示創(chuàng)建創(chuàng)意內(nèi)容。
2. 生成圖像：將文本描述轉(zhuǎn)化為視覺效果。
3. 提供API文檔：使用Swagger測試API并與API交互。

---

？入門

第 1 步：注冊擁抱臉

前往huggingface.co 并創(chuàng)建一個帳戶（如果您還沒有帳戶）。

第 2 步：獲取您的 API 密鑰

導航至您的帳戶設置并生成 API 密鑰。此密鑰將允許您的 Spring Boot 應用程序與 Hugging Face 的 Inference API 進行交互。

第 3 步：探索模型

查看擁抱臉部模型中心，找到適合您需求的模型。在本教程中，我們將使用：

• 文本生成模型（例如 HuggingFaceH4/zephyr-7b-beta）。
• 圖像生成模型（例如，stabilityai/stable-diffusion-xl-base-1.0）。

---

?? 設置 Spring Boot 項目

第1步：創(chuàng)建一個新的Spring Boot項目

使用 Spring Initializr 設置具有以下依賴項的項目：

• Spring WebFlux：用于反應式、非阻塞 API 調(diào)用。
• Lombok：減少樣板代碼。
• Swagger：API 文檔。

第2步：添加擁抱臉配置

將您的 Hugging Face API 密鑰和模型 URL 添加到 application.properties 文件：

huggingface.text.api.url=https://api-inference.huggingface.co/models/your-text-model
huggingface.api.key=your-api-key-here
huggingface.image.api.url=https://api-inference.huggingface.co/models/your-image-model

？接下來是什么？

讓我們深入研究代碼并構(gòu)建文本和圖像生成服務。請繼續(xù)關注！

1. 文本生成服務：

@Service
public class LLMService {
    private final WebClient webClient;
    private static final Logger logger = LoggerFactory.getLogger(LLMService.class);

    // Constructor to initialize WebClient with Hugging Face API URL and API key
    public LLMService(@Value("${huggingface.text.api.url}") String apiUrl,
                      @Value("${huggingface.api.key}") String apiKey) {
        this.webClient = WebClient.builder()
                .baseUrl(apiUrl) // Set the base URL for the API
                .defaultHeader("Authorization", "Bearer " + apiKey) // Add API key to the header
                .build();
    }

    // Method to generate text using Hugging Face's Inference API
    public Mono<String> generateText(String prompt) {
        // Validate the input prompt
        if (prompt == null || prompt.trim().isEmpty()) {
            return Mono.error(new IllegalArgumentException("Prompt must not be null or empty"));
        }

        // Create the request body with the prompt
        Map<String, String> body = Collections.singletonMap("inputs", prompt);

        // Make a POST request to the Hugging Face API
        return webClient.post()
                .bodyValue(body) 
                .retrieve() 
                .bodyToMono(String.class) 
                .doOnSuccess(response -> logger.info("Response received: {}", response)) // Log successful responses
                .doOnError(error -> logger.error("Error during API call", error)) // Log errors
                .retryWhen(Retry.backoff(3, Duration.ofMillis(500))) // Retry on failure with exponential backoff
                .timeout(Duration.ofSeconds(5)) // Set a timeout for the API call
                .onErrorResume(error -> Mono.just("Fallback response due to error: " + error.getMessage())); // Provide a fallback response on error
    }
}

2.圖像生成服務：

@Service
public class ImageGenerationService {

    private static final Logger logger = LoggerFactory.getLogger(ImageGenerationService.class);
    private final WebClient webClient;

    public ImageGenerationService(@Value("${huggingface.image.api.url}") String apiUrl,
                                  @Value("${huggingface.api.key}") String apiKey) {
        this.webClient = WebClient.builder()
                .baseUrl(apiUrl)
                .defaultHeader("Authorization", "Bearer " + apiKey)
                .build();
    }

    public Mono<byte[]> generateImage(String prompt) {
        if (prompt == null || prompt.trim().isEmpty()) {
            return Mono.error(new IllegalArgumentException("Prompt must not be null or empty"));
        }

        Map<String, String> body = Collections.singletonMap("inputs", prompt);

        return webClient.post()
                .bodyValue(body)
                .retrieve()
                .bodyToMono(byte[].class) / Convert the response to a Mono<byte[]> (image bytes)
                .timeout(Duration.ofSeconds(10)) // Timeout after 10 seconds
                .retryWhen(Retry.backoff(3, Duration.ofMillis(500))) // Retry logic
                .doOnSuccess(response -> logger.info("Image generated successfully for prompt: {}", prompt))
                .doOnError(error -> logger.error("Error generating image for prompt: {}", prompt, error))
                .onErrorResume(WebClientResponseException.class, ex -> {
                    logger.error("HTTP error during image generation: {}", ex.getMessage(), ex);
                    return Mono.error(new RuntimeException("Error generating image: " + ex.getMessage()));
                })
                .onErrorResume(TimeoutException.class, ex -> {
                    logger.error("Timeout while generating image for prompt: {}", prompt);
                    return Mono.error(new RuntimeException("Request timed out"));
                });
    }
}

示例提示及其結(jié)果： ?

1. 基于文本的端點：

2. 基于圖像的端點：

？探索該項目

準備好潛水了嗎？查看 QuickAI GitHub 存儲庫以查看完整代碼并繼續(xù)操作。如果您覺得有用，請給它?。

獎金 ？

想要進一步推進這個項目嗎？

• 我已經(jīng)為 API 文檔配置了 Swagger UI，這將幫助您構(gòu)建前端應用程序。
• 使用您最喜歡的前端框架（例如 React、Angular 或只是簡單的 HTML/CSS/Vanilla JS）構(gòu)建一個簡單的前端應用程序。

？恭喜你已經(jīng)走到這一步了。

現(xiàn)在你知道如何使用擁抱臉了嗎？：

1. 在您的應用程序中快速使用 AI 模型。
2. 生成文本：根據(jù)提示創(chuàng)建創(chuàng)意內(nèi)容。
3. 生成圖像：將文本描述轉(zhuǎn)化為視覺效果。

？讓我們聯(lián)系吧！

想要合作或有任何建議可以在 LinkedIn 上找到我，Portfolio 也可以在 GitHub 上查看我的其他項目。

有問題或建議，請在下面發(fā)表評論，我很樂意解決。

快樂編碼！ ？

以上是輕松集成 AI 模型：構(gòu)建和評估 AI 模型（Spring Boot 和 Hugging Face）的詳細內(nèi)容。更多信息請關注PHP中文網(wǎng)其他相關文章！