大家好我是直奔標杆专注Java开发者AI转型实战分享和大家一起从零基础吃透Spring AI少走弯路、直奔技术标杆欢迎来到《Spring AI 零基础到实战》专栏第十三课也是我们RAG全链路实战的关键一环在上一节Java开发者AI转型第十二课吃透Embeddings向量化让Java代码读懂文本语义中我们一起解锁了AI时代的“文本转码术”——Embedding向量化成功将普通文本转换成了计算机能理解的高维浮点数矩阵。但实操过的朋友都懂新问题随之而来传统关系型数据库根本“扛不住”这种高维向量如果硬把这些浮点数数组塞进MySQL的VARCHAR或JSON字段后续用户提问时需要全表扫描所有向量、逐个计算余弦相似度向量夹角这种操作不仅效率极低在实际项目中完全不可落地。为了解决向量的高效相似度检索难题AI时代的专属新基建——向量数据库Vector Database应运而生而这也是我们今天的核心主题。本节课我们就来打通RAG的最后一公里——LLoad加载数据入库借助Spring AI的优雅接口抽象将前两节课提取、切分好的文档完整写入向量数据库彻底完成ETL全链路的知识准备工作为后续的语义检索打下坚实基础本节学习目标一起打卡进阶认知升级搞懂传统关系型数据库在AI检索场景的短板明确向量数据库的不可替代性避免踩选型坑架构吃透掌握Spring AI VectorStore接口的抽象设计精髓理解其如何屏蔽底层存储差异实战落地上手本地开发利器SimpleVectorStore实现内存级极速入库与JSON文件持久化快速验证功能生产适配串联ETL全链路代码演示如何零业务代码修改热切换到企业级Redis向量数据库适配生产环境。VectorStore抽象艺术Spring AI的“数据库无关”设计作为Java开发者我们早就习惯了Spring Data JPA、MyBatis的“屏蔽底层”特性——不用关心底层是MySQL、Oracle还是SQL Server一套代码适配多种数据库。Spring AI完美继承了这种设计哲学推出了VectorStore统一接口让我们彻底摆脱向量数据库的底层差异束缚今天用本地内存做Demo测试明天切换到Redis、Milvus等企业级向量库一行业务代码都不用改这里和大家分享一个核心知识点避坑重点在Spring AI中我们完全不需要在业务代码中显式调用EmbeddingModel只需将切分好的ListDocument丢给VectorStore.add()方法框架内部会自动拦截文档、调用Embedding模型生成向量再将向量与原始文本、元数据一起落库极大简化了开发流程。简单来说VectorStore就相当于AI知识库的“专属书架”负责统一管理向量数据的存储与检索而底层具体用哪种“书架”向量数据库我们完全可以灵活切换。本地实战SimpleVectorStore快速上手新手友好对于我们开发者来说本地调试时专门部署Milvus这类分布式向量数据库太繁琐Spring AI贴心提供了开箱即用的本地向量存储——SimpleVectorStore完美适配本地开发、快速验证场景。它的核心优势的是数据存于内存读写速度极快同时支持将整个向量库序列化为本地JSON文件下次服务器重启时直接反序列化加载避免重复计算Token、重复向量化大大提升调试效率。话不多说直接上实操步骤代码可直接复制注释已补全新手也能看懂1. 引入依赖dependency groupIdorg.springframework.ai/groupId artifactIdspring-ai-vector-store/artifactId /dependency2. 注册SimpleVectorStore Bean核心配置/** * 账号直奔標杆 * 专注Java AI转型实战分享可落地的技术方案 */ // 当spring.ai.vectorstore.type未配置或值为simple时启用该配置 ConditionalOnProperty( name {spring.ai.vectorstore.type}, havingValue simple, matchIfMissing true ) Configuration public class VectorStoreConfig { // 重点VectorStore必须依赖EmbeddingModel框架会自动调用它完成文本向量化 Bean public SimpleVectorStore vectorStore(EmbeddingModel embeddingModel) { SimpleVectorStore vectorStore SimpleVectorStore.builder(embeddingModel).build(); // 优化点启动时自动加载本地已保存的向量库避免重复工作 File vectorStoreFile new File(local_vector_store.json); if (vectorStoreFile.exists()) { vectorStore.load(vectorStoreFile); System.out.println( [System] 从本地JSON文件成功加载向量数据库无需重复向量化); } return vectorStore; } }全链路实战串联ETL实现文档自动入库结合前面第10课文档解析、第11课文本切分的内容我们来串联完整的ETL管道实现“读取PDF→文本切分→向量化→入库”全自动化模拟企业私有知识库的真实入库流程。以下代码可直接运行我会标注关键步骤和注意事项大家可以跟着实操遇到问题欢迎在评论区交流/** * 账号直奔標杆 * ETL全链路实战文档提取→切分→向量化→入库 */ public class TestStore { // 读取classpath下的PDF文档可替换为自己的文档路径 Value(classpath:/docs/alibaba-java-guide.pdf) private Resource pdfResource; // 注入VectorStore自动适配SimpleVectorStore后续切换Redis无需修改此处 Autowired private VectorStore vectorStore; Test void simpleStoreTest() { // ---------------- 1. E (Extract) - 提取读取PDF文档 ---------------- System.out.println(--- 1. 执行ETL-E (Extract) 读取PDF文档 ---); PagePdfDocumentReader reader new PagePdfDocumentReader(pdfResource); ListDocument rawDocuments reader.get(); System.out.println(成功读取PDF总页数 rawDocuments.size()); // ---------------- 2. T (Transform) - 转换文本切分 ---------------- System.out.println(--- 2. 执行ETL-T (Transform) 文本Token切分 ---); // 切分参数优化chunkSize800overlap350避免语义割裂新手建议参考这个参数 TokenTextSplitter splitter new TokenTextSplitter(800, 350, 5, 10000, true); ListDocument chunkedDocuments splitter.apply(rawDocuments); System.out.println(文本切分完成共得到 chunkedDocuments.size() 个文本块); // ---------------- 3. L (Load) - 加载向量化并入库 ---------------- System.out.println(--- 3. 执行ETL-L (Load) 向量化并入库 ---); // 核心代码Spring AI自动拦截文档调用EmbeddingModel生成向量再写入数据库 vectorStore.add(chunkedDocuments); // 关键SimpleVectorStore手动持久化防止断电丢失数据 if (vectorStore instanceof SimpleVectorStore simpleStore) { File vectorStoreFile new File(local_vector_store.json); simpleStore.save(vectorStoreFile); System.out.println(向量数据已持久化到本地JSON文件路径 vectorStoreFile.getAbsolutePath()); } } }运行结果与说明运行测试方法后控制台会输出如下日志大家可对照自己的运行结果排查问题--- 1. 执行ETL-E (Extract) 读取PDF文档 --- 成功读取PDF总页数3 --- 2. 执行ETL-T (Transform) 文本Token切分 --- 文本切分完成共得到 6 个文本块 --- 3. 执行ETL-L (Load) 向量化并入库 --- .....Calling EmbeddingModel for document id 5231761f-b1c4-4812-8aff-3a9b74021690 向量数据已持久化到本地JSON文件路径xxx/local_vector_store.json运行结束后会在项目根目录生成local_vector_store.json文件里面包含了每个文本块的原始文本、向量数据、元数据文件名、页码、切分索引等示例如下简化版{ 59acb5f7-f8d2-4bcf-b10d-68b22859fec7 : { text : 是尽可能少踩坑杜绝踩重复的坑切实提升质量意识。....., embedding : [ 0.03476889, 0.013548773, 0.02090146, ....], id : 59acb5f7-f8d2-4bcf-b10d-68b22859fec7, metadata : { file_name : alibaba-java-guide.pdf, chunk_index : 1, page_number : 1, parent_document_id : 5b2369b6-81b0-4d0f-a5fd-5f5c8e9853a3, total_chunks : 2 } } }源码解析关键理解点很多朋友会好奇Spring AI是如何自动完成向量化并入库的这里给大家拆解核心调用链路不用深入源码理解这个逻辑即可// 核心调用链路: VectorStore#add → AbstractObservationVectorStore.doAdd // Spring一贯风格doXxx方法定义抽象逻辑子类如SimpleVectorStore实现具体业务 public void doAdd(ListDocument documents) { //... 省略无关逻辑 // 1. 调用EmbeddingModel将单个文档转为向量 float[] embedding this.embeddingModel.embed(document); // 2. 封装存储对象包含文档ID、文本、元数据、向量 SimpleVectorStoreContent storeContent new SimpleVectorStoreContent(document.getId(), document.getText(), document.getMetadata(), embedding); // 3. 写入内存存储SimpleVectorStore的核心逻辑 this.store.put(document.getId(), storeContent); //... }生产演进零代码切换到Redis向量数据库SimpleVectorStore适合本地调试但生产环境中面对超大文件、高并发语义检索带Metadata条件过滤就必须切换到企业级向量数据库。这里给大家推荐Redis向量库最易落地很多项目已在用Redis无需额外新增基础设施——Redis Stack带RediSearch模块它不仅是K-V缓存更是具备内存级极速检索能力的向量数据库适配生产场景需求。重点来了借助Spring AI的VectorStore抽象我们只需2步配置就能零业务代码修改实现从SimpleVectorStore到Redis的切换第一步替换依赖pom.xml移除或保留spring-ai-vector-store依赖Redis依赖会自动关联新增Spring官方Redis Vector Store Starter!-- Redis向量库依赖spring-ai-vector-store无需重复引入 -- dependency groupIdorg.springframework.ai/groupId artifactIdspring-ai-redis-store-spring-boot-starter/artifactId /dependency第二步部署Redis Stack并配置application.yml首先部署带向量搜索插件的RedisRedis Stack推荐用Docker快速部署命令可直接复制# 拉取Redis Stack镜像带RediSearch模块支持向量存储 docker pull redis/redis-stack:latest # 启动容器映射端口设置密码和持久化 docker run -itd \ --restart always \ --name redis-stack \ -p 6379:6379 \ -p 8001:8001 \ -e REDIS_ARGS--requirepass 123456 --appendonly yes \ -v 本地目录/docker-data/redis/conf:/usr/local/etc/redis \ -v 本地目录/docker-data/redis/data:/data \ redis/redis-stack:latest部署完成后在application.yml中配置Redis连接和向量索引参数spring: data: redis: host: localhost # 替换为你的Redis地址生产环境填云端地址 port: 6379 password: 123456 # 对应上面启动命令中的密码 ai: vectorstore: type: redis # 指定使用Redis向量库替代默认的simple redis: index-name: spring-ai-document-index # 自动创建的索引名称 prefix: document: # Redis Key前缀便于区分向量数据 initialize-schema: true # 开启自动建表和索引初始化无需手动操作配置完成后再次调用vectorStore.add()方法数据会自动写入Redis向量库业务代码完全不用修改这就是Spring AI抽象设计的魅力极大降低了生产环境的适配成本。总结ETL全链路打通知识库地基筑牢到这里我们用四节课的时间彻底打通了RAG架构中最底层、最繁琐的ETL全链路从物理文件PDF等提取文本到切分成分割合理、语义完整的文本块再到通过Embedding向量化最终存入向量数据库每一步都落地实操没有多余的理论堆砌。回顾一下核心收获我们不仅掌握了VectorStore的抽象设计和SimpleVectorStore的本地实战还实现了零代码切换到Redis向量库完成了从本地调试到生产适配的全流程。现在我们的AI已经拥有了一个私有化的“超级知识库”为后续的语义检索、智能问答做好了充分准备。最后和大家说一句AI转型不用慌跟着直奔標杆一步一步实操每节课吃透一个核心知识点慢慢就能从零基础成长为能落地AI项目的Java开发者下节预告重点关注知识存进向量库了下一步就是“取”——如何从海量向量中精准检索出与用户问题最相关的内容比如用户提问“公司最新的离职赔偿 N1 是怎么算的”我们如何将这个问题向量化在向量数据库中“大海捞针”快速召回最相关的3个法律条文段落下一节课第十四课《Java开发者AI转型第十四课大海捞针实战向量数据库召回与相似度检索全解析》我们将解锁VectorStore的核心方法similaritySearch()完成RAG架构的最后一块核心拼图不见不散往期回顾串联学习效果更佳Java开发者AI转型第十课化繁为简Spring AI 全能文档解析器 (Document Readers) 与元数据提取实操Java开发者AI转型第十一课文本切分避坑指南Spring AI 智能分块与Overlap语义防割裂实战Java开发者AI转型第十二课吃透Embeddings向量化让Java代码读懂文本语义欢迎大家在评论区留言交流实操中遇到的问题也可以点赞收藏后续反复回顾一起加油直奔技术标杆