# SCAI

**Repository Path**: baidu.co/SCAI

## Basic Information

- **Project Name**: SCAI
- **Description**: SpringAI学习
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2025-09-02
- **Last Updated**: 2025-09-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

该项目是一个基于Java的Spring Boot应用程序，主要用于构建智能聊天系统。以下是该项目的主要功能和组件概述：

### 项目概述
该项目旨在开发一个智能聊天系统，支持多种聊天类型和记忆功能，能够根据用户需求进行对话交互。系统集成了AI模型，支持向量存储和文档检索功能，适用于构建智能客服、聊天机器人等应用。

### 主要功能
- **多类型聊天支持**：系统支持多种聊天类型，能够根据聊天类型保存和管理聊天记录。
- **聊天记忆**：通过`ChatMemory`组件，系统可以保存和读取聊天历史，实现上下文连续的对话体验。
- **AI对话处理**：集成AI模型（如DeepSeekChatModel），实现智能对话处理。
- **文档检索**：支持文档加载和检索功能，可用于构建基于文档内容的问答系统。
- **向量存储**：使用向量存储技术（如PgVector），支持高效存储和检索向量数据。

### 主要组件
- **App.java**：Spring Boot应用程序的入口点，配置了组件扫描和自动配置排除。
- **ChatTypeHistoryAdvisor.java**：聊天类型历史顾问，用于在聊天前后处理聊天历史记录。
- **ChatTypeTitleAdvisor.java**：聊天类型标题顾问，用于处理聊天标题的生成和更新。
- **LoveAI.java**：AI服务类，实现了具体的聊天逻辑。
- **AiAutoConfiguration.java**：AI相关的自动配置类，配置了聊天记忆、聊天客户端等Bean。
- **DataSourceConfiguration.java**：数据源配置类，配置了MySQL和PostgreSQL的数据源。
- **MyVectorStoreConfiguration.java**：向量存储配置类，配置了向量存储组件。
- **SimpleChatController.java**：简单的聊天控制器，提供了REST API接口用于聊天交互。
- **ChatTypeHistory.java**：聊天类型历史实体类，映射了数据库中的聊天历史记录表。
- **ChatHistoryMapper.java**：聊天历史记录的MyBatis Mapper接口。
- **ChatTypeHistoryService.java**：聊天类型历史服务接口及其实现类，用于管理聊天历史记录。
- **MyDocumentLoader.java**：文档加载器，用于加载Markdown文档，支持文档检索功能。
- **DateUtils.java**：日期工具类，提供了丰富的日期处理方法。
- **StringUtil.java**：字符串工具类，提供了字符串处理方法。

### 使用示例
1. **启动应用**：运行`App.java`中的`main`方法启动Spring Boot应用。
2. **发送聊天请求**：通过访问`/simple/chat`接口发送聊天请求，例如：
   ```http
   GET /simple/chat?prompt=你好 HTTP/1.1
   ```
3. **测试聊天功能**：使用`ChatTest.java`中的测试用例测试聊天功能。

### 依赖项
- Spring Boot
- MyBatis Plus
- PostgreSQL JDBC Driver
- DeepSeekChatModel (或其他AI模型)
- PgVector (向量存储)

### 构建与部署
1. **构建项目**：使用Maven构建项目，确保`pom.xml`中包含了所有必要的依赖。
2. **配置数据库**：配置MySQL和PostgreSQL的数据源信息。
3. **运行应用**：启动应用后，可以通过REST API进行聊天交互。

### 测试
- **单元测试**：使用`ChatTest.java`和`LoadTest.java`进行单元测试，验证聊天和文档加载功能。

该项目提供了一个完整的智能聊天系统的基础框架，可以根据具体需求进行扩展和优化。