配置redis向量數據庫：

配置依賴：

<dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-vector-store-redis</artifactId>
 </dependency>

配置redis數據庫屬性：

 RAG實踐：

使用spring ai提供的環繞增強（advisor）功能實現RAG。

配置依賴：

<dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-advisors-vector-store</artifactId>
</dependency>

增加QuestionAnswerAdvisor（當前1.1.2版本應該是不能直接new了，QuestionAnswerAdvisor屬於包級私有，用builder鏈式編程可以實現創建）

 只要配置依賴和屬性，spring ai starter會在程序運行初自動生成VectorStore的Bean，直接注入即可使用vectorStore。

（我在運行時出現報錯：EmbedingModel不可用，於是我手動設置了一個，如下圖）

 讀取文件並寫入向量數據庫（spring ai提供了ETL接口，通過對應的Reader就能將文件轉換為Document）：

 進行一次對話（數據文本及結果如下）：

redis中數據：