家居大模型联调,分析sop执行分析

src/main/java/com/rj/embedding/EnbedingModelConfig.java

@@ -1,10 +1,8 @@
 package com.rj.embedding;
 
-import dev.langchain4j.community.store.embedding.redis.RedisEmbeddingStore;
 import dev.langchain4j.data.document.Document;
 import dev.langchain4j.data.document.DocumentSplitter;
 import dev.langchain4j.data.document.loader.ClassPathDocumentLoader;
-import dev.langchain4j.data.document.loader.FileSystemDocumentLoader;
 import dev.langchain4j.data.document.parser.apache.pdfbox.ApachePdfBoxDocumentParser;
 import dev.langchain4j.data.document.splitter.DocumentSplitters;
 import dev.langchain4j.data.segment.TextSegment;
@@ -19,16 +17,7 @@ import org.springframework.beans.factory.annotation.Qualifier;
 import org.springframework.context.annotation.Bean;
 import org.springframework.context.annotation.Configuration;
 import org.springframework.context.annotation.Lazy;
-import org.springframework.context.annotation.Primary;
-
-import java.io.BufferedReader;
 import java.io.IOException;
-import java.io.InputStream;
-import java.io.InputStreamReader;
-import java.nio.charset.StandardCharsets;
-import java.util.ArrayList;
-import java.util.List;
-
 import java.util.List;
 
 /**
@@ -43,16 +32,18 @@ public class EnbedingModelConfig {
     @Lazy
     private EmbeddingModel embeddingModel;
 
-    @Autowired
-    @Lazy
-    RedisEmbeddingStore redisEmbeddingStore;
+    // 注释掉 RedisEmbeddingStore 的自动注入，避免启动时连接外部网络
+    // 如果需要使用 Redis 向量数据库，请在需要时手动创建 Bean，而不是通过 @Autowired 注入
+    // @Autowired
+    // @Lazy
+    // RedisEmbeddingStore redisEmbeddingStore;
     /**
      * 创建向量数据库操作对象
      * @return
      */
     @Bean("myEmbeddingStoreInMemory")
 //    @Primary
-    public EmbeddingStore embeddingStoreInMemory() {
+    public EmbeddingStore<TextSegment> embeddingStoreInMemory() {
         //1 , 加载知识库文档进 内存
         List<Document> documents =ClassPathDocumentLoader.loadDocuments("knowledge"); //暂时去掉 2025-09-20
         //2 ， 构建向量数据库操作对象
@@ -67,7 +58,7 @@ public class EnbedingModelConfig {
 
  //   @Bean("myEmbeddingStoreInMemory2")
 //    @Primary
-    public EmbeddingStore embeddingStoreInMemory2() throws IOException {
+    public EmbeddingStore<TextSegment> embeddingStoreInMemory2() throws IOException {
         //1 , 加载知识库文档进 内存
          List<Document> documents1 = ClassPathDocumentLoader.loadDocuments("knowledge\\pdf",new ApachePdfBoxDocumentParser());
 //        List<Document> documents2 = ClassPathDocumentLoader.loadDocuments("knowledge");
@@ -91,7 +82,7 @@ public class EnbedingModelConfig {
 
 //    @Bean("myEmbeddingStoreInRedis")   不要打开，否则每次都会调用 阿里云的向量化模型 ，消耗token
 //    @Primary
-    public EmbeddingStore embeddingStoreInRedis(EmbeddingStore redisEmbeddingStore) throws IOException {
+    public EmbeddingStore<TextSegment> embeddingStoreInRedis(EmbeddingStore<TextSegment> redisEmbeddingStore) throws IOException {
         //1 , 加载知识库文档进 内存
         List<Document> documents1 = ClassPathDocumentLoader.loadDocuments("knowledge\\pdf",new ApachePdfBoxDocumentParser());
 //        List<Document> documents2 = ClassPathDocumentLoader.loadDocuments("knowledge");
@@ -111,7 +102,7 @@ public class EnbedingModelConfig {
 
     @Bean
     @Lazy
-    public ContentRetriever contentRetriever(@Qualifier("myEmbeddingStoreInMemory")EmbeddingStore store){
+    public ContentRetriever contentRetriever(@Qualifier("myEmbeddingStoreInMemory") EmbeddingStore<TextSegment> store){
         // 使用 @Lazy 注解延迟初始化，避免启动时连接阿里云
         // embeddingModel 也是 @Lazy 的，只有在实际使用 RAG 功能时才会初始化并连接
         EmbeddingStoreContentRetriever contentRetriever = EmbeddingStoreContentRetriever.builder()