大家好呀，我是小米，一個愛折騰也愛分享的大哥哥。
最近有個小夥伴跟我説：“小米，我現在的AI項目需要用到向量檢索，但我的數據全在PostgreSQL裏，難道我還得搭個外部Embedding服務嗎？”
我笑了笑，抿了口咖啡，輕輕地説：“不一定哦～你聽過 PostgresML 向量模型 嗎？它能讓你的數據庫直接變成一個AI模型倉庫！”
於是，我給他講了一個故事——
關於SpringAI 與 PostgresML 的浪漫合作，一場數據庫和AI的完美融合。
當數據庫學會“思考”：什麼是 PostgresML 向量模型？
在我們平常的開發世界裏，PostgreSQL 只是個“老實人”：存數據、查數據、加個索引、跑點SQL。
可 PostgresML 卻讓它搖身一變——成為一個內嵌機器學習模型的數據庫！
你可以直接在PostgreSQL裏執行機器學習操作，比如訓練模型、生成Embedding向量、甚至推理！
SpringAI 則是這場魔法的“橋樑”，它讓你像使用普通Spring Bean一樣，輕鬆地調用AI模型。
而“PostgresML 向量模型”就是 SpringAI 提供的一種嵌入（Embedding）模型實現，它直接利用 PostgresML 的強大算力，將文本數據轉換成向量並存儲在數據庫中。
這意味着——你不需要額外部署OpenAI、Ollama、或者HuggingFace服務，就能在Spring中調用AI向量功能！
一句話總結就是：
PostgresML 向量模型 = 數據庫存儲 + 向量生成 + AI原生化 + 零外部依賴
是不是很香？
添加存儲庫和 BOM：讓SpringAI接入PostgresML
故事的第二幕，就是“相遇”。
為了讓SpringAI與PostgresML成功牽手，我們需要引入依賴。在你的 pom.xml 中，添加以下配置：
BOM負責統一版本管理，Starter則讓我們開箱即用，無需繁瑣配置。
這也是Spring Boot的浪漫——少寫代碼，多點魔法。
自動配置：讓AI自己動起來
添加依賴後，Spring Boot 會根據 application.yml 自動配置好向量模型。示例配置如下：
Spring Boot 會自動幫我們生成一個 PostgresMlEmbeddingModel Bean。
只要應用啓動成功，你的數據庫就已經變身為一個能生成Embedding的AI模型倉庫啦！
這時候，你幾乎什麼都不用幹，SpringAI會自動幫你注入 EmbeddingModel 對象，你只需要調用 embed() 方法即可。
Embedding 屬性：讓配置更一目瞭然
有時候開發同事問我：“小米，這些屬性都能配哪些值呀？”
我就喜歡這種問題！因為做筆記的我，早就幫你們整理好了：
看，這樣一目瞭然。
SpringAI就是這麼貼心，所有配置都可以通過YAML靈活調整。
運行時選項
有時候我們不想寫死配置，比如想在運行時動態選擇模型或修改參數。
這時我們可以使用 PostgresMlEmbeddingOptions。它允許在代碼層面靈活設置每次Embedding任務的執行參數。比如：
然後調用：
這段代碼的語氣就像在跟AI説悄悄話：“嘿，用e5-base模型來理解這句話吧～”
SpringAI幫我們封裝好了底層調用，開發者只需要關注邏輯，而不是通信細節。
這就是“Spring魔法”的魅力。
示例控制器：讓向量生成像寫REST接口一樣簡單
想讓AI在線生成向量？簡單！
我們寫一個控制器，幾行代碼搞定：
運行後你就能直接POST文本數據：
返回結果大概是：
這串數字看似平平無奇，但它其實是AI對文本語義的“理解座標”。
有了它，你就能做相似度搜索、語義檢索、推薦系統等各種AI應用！
手動配置（高級玩法）
有時候我們希望完全掌控配置，比如需要動態切換數據庫或自定義連接池。
這時可以手動註冊 Bean：
註冊完成後，你可以像普通Spring Bean一樣注入使用。
這種方式適合對性能、安全性或動態配置要求較高的場景，比如多租户系統或私有化部署。
寫在最後：AI與數據庫的融合未來
以前我們總覺得：
AI是AI，數據庫是數據庫。一個做推理，一個存數據，涇渭分明。
但SpringAI和PostgresML告訴我們——
未來，AI不再是“外部服務”，而是數據系統的原生能力。我們不需要再去搭一個複雜的LLM推理服務；我們只需要在熟悉的Spring和PostgreSQL裏，就能實現語義檢索、智能推薦、甚至知識問答。
這不只是技術的整合，更是“思維模式的進化”。
總結一下今天的重點：
PostgresML 向量模型：讓PostgreSQL直接支持Embedding生成。
添加存儲庫和BOM：輕鬆集成SpringAI。
自動配置：YAML配置後開箱即用。
Embedding屬性表格：清晰明瞭。
PostgresMlEmbeddingOptions：靈活的運行時參數設置。
示例控制器：簡單幾行實現AI接口。
手動配置：進階玩法，完全掌控。
END
所以，如果你也想讓你的數據庫“聰明”起來，不妨試試PostgresML和SpringAI吧～下一次，你的SQL也許就能和AI一起思考啦！
最後，小米有個小問題想問大家：
如果你能讓數據庫擁有一種“AI能力”，你希望它最先學會什麼？
歡迎在評論區聊聊～
我是小米，一個喜歡分享技術的31歲程序員。如果你喜歡我的文章，歡迎關注我的微信公眾號“軟件求生”，獲取更多技術乾貨！
