当Spring遇上Google大脑：一文玩转Vertex AI文本向量模型

大家好，我是小米，31岁，爱码字、爱分享、也爱在夜里撸一杯手冲咖啡，然后和代码谈一场精神恋爱。

前段时间我写了几篇关于 SpringAI 的文章，不少小伙伴私信问：“小米，SpringAI 里能不能用 Google 的 Vertex AI 啊？我想直接调用它的文本向量模型！”

我当时心想：当然能！SpringAI 已经为 Vertex AI 做好了集成，你只需要几步配置，就能让 Google 的大模型在你的 Spring Boot 项目里活蹦乱跳。

今天，我们就来一起探索：如何在 SpringAI 中集成 VertexAI 的文本向量模型（Text Embedding Models）。

准备好了吗？走起～

认识 Vertex AI：Google 的 AI 大脑工厂

在进入 Spring 的世界前，我们得先知道 Vertex AI 是个什么玩意。

简单来说，Vertex AI 是 Google Cloud 提供的 统一机器学习平台，里面包含了各种强大的 AI 模型，比如文本生成、图像识别、语音识别、embedding、甚至自定义模型训练。

而我们今天的主角 —— VertexAI Text Embedding Models，就是专门用来生成文本向量（Text Embeddings）的。这些向量可用于：

搜索匹配（semantic search）推荐系统文本相似度分析RAG（检索增强生成）聊天机器人上下文记忆

你只要丢给它一句话，它就会帮你把这句话变成一个数字向量。这些向量是机器理解语义的关键。换句话说，它就是让机器“懂你在说什么”的那双眼睛。

先决条件（Prerequisites）

要在 Spring Boot 中跑起 Vertex AI，有几个准备工作要先搞定：

比如在 Mac/Linux 下可以这样设置：

export GOOGLE_APPLICATION_CREDENTIALS=/Users/xiaomi/keys/my-vertex-ai.json

这一步非常关键，没有它，Spring 可不知道你是谁。

添加存储库和 BOM（Dependencies）

接下来就是熟悉的 Java 工程配置环节啦。

在你的 pom.xml 里，先加入 SpringAI 官方的仓库和 BOM 管理：

然后添加 Vertex AI 的依赖包：

这样，Spring Boot 已经能识别 Vertex AI 的模型类型啦！

自动配置（Auto Configuration）

SpringAI 的一大魔力就是 “自动配置”。

只要你在 application.yml 或 application.properties 里配置好 Vertex AI 的相关属性，Spring 就会自动帮你实例化好模型对象。我们只要做一件事：配置属性。

Embedding 属性配置

来，我们先看看在 application.yml 里怎么配置。

是不是很优雅？几行配置就能把 Vertex AI 嵌入到 Spring 世界。

1. vertex.ai.embedding 属性

2. vertex.ai.embedding.text 属性

示例控制器（Example Controller）

好啦，配置有了，我们写个最简单的 REST 控制器来试试生成文本向量。

现在，启动你的 Spring Boot 应用，打开浏览器访问：

http://localhost:8080/embed?text=SpringAI makes AI easy!

Boom！

你就会得到一串长长的浮点数向量。这些数字就是 Vertex AI 理解你这句话的“语义DNA”。

手动配置 VertexAiTextEmbeddingModel

当然，有时候我们需要更灵活的控制，想自己手动创建模型。

没问题，我们可以直接在配置类中自己定义 Bean：

这样，我们就完全绕过自动配置，手动管理模型实例。这在多项目或多模型场景下特别有用。

从 Google 服务帐户加载凭据

最后一步，安全问题千万别忽略。

SpringAI 支持自动从 Google 服务账户中加载凭据。有两种方式：

方式1：通过环境变量

export GOOGLE_APPLICATION_CREDENTIALS=/path/to/your/service-account.json

Spring 会自动检测并加载。

方式2：通过配置文件指定

在 application.yml 中：

把凭据文件放到 src/main/resources 下即可。

安全提醒：

千万别把服务账号 JSON 文件上传到 GitHub！记得加 .gitignore。

总结：Spring + Vertex = AI生产力爆表！

到这里，我们就完整地打通了 Spring Boot 与 Google Vertex AI 的文本向量模型。回顾一下，我们做了哪些事：

了解了 Vertex AI 是什么；准备了 Google Cloud 环境与服务账号；添加依赖和 BOM；配置了自动装配属性；用表格掌握了 Embedding 参数；写了一个简单的 REST 控制器；学会了手动创建 VertexAiTextEmbeddingModel；搞定了凭据加载。

从此之后，你就能轻松在 Java 世界里使用 Google 的超强文本向量服务，让 AI 赋能你的搜索、推荐、聊天、知识库等功能。

END

我常说，AI 时代的开发者，最重要的不是写多少行代码，而是懂得“借力”。

SpringAI 就像是一个超级适配器，它让我们这些 Java 工程师也能优雅地拥抱大模型。而 Vertex AI 则是 Google 的智慧结晶，可靠、稳定、语义理解力爆棚。

当这两个世界融合在一起，那种感觉就像——

一杯完美萃取的咖啡：浓、香、顺滑、回味悠长。

我是小米，一个喜欢分享技术的31岁程序员。如果你喜欢我的文章，欢迎关注我的微信公众号“软件求生”，获取更多技术干货！