I. Nguyên lý Công nghệ và Thiết kế Kiến trúc

1. Nguyên lý Công nghệ

Dự án này dựa trên framework Spring AI Alibaba, kết hợp với dịch vụ DashScope mô hình lớn để thực hiện tóm tắt tự động và đầu ra có cấu trúc cho nội dung văn bản. Nguyên lý cốt lõi như sau:

• Phân tích tài liệu: Sử dụng TikaDocumentReader để phân tích các tệp được tải lên (như PDF, Word, v.v.), trích xuất nội dung văn bản thuần túy.
• Xử lý ngôn ngữ tự nhiên: Dựa trên giao diện LLM do DashScope cung cấp, truyền văn bản được trích xuất vào Prompt được định nghĩa trước, cho phép mô hình lớn tạo ra kết quả tóm tắt có cấu trúc.
• Đầu ra có cấu trúc: Sử dụng BeanOutputConverter để chuyển đổi chuỗi JSON được trả về bởi mô hình lớn thành Java Bean, thuận tiện cho việc xử lý logic nghiệp vụ sau này.

2. Thiết kế Kiến trúc

Hệ thống sử dụng thiết kế kiến trúc phân tầng, chủ yếu bao gồm các mô-đun sau:

II. Triển khai Mã nguồn Hoàn chỉnh

1. Quản lý Phụ thuộc Maven (pom.xml)

<dependencies>
    <dependency>
        <groupId>com.alibaba.cloud.ai</groupId>
        <artifactId>spring-ai-alibaba-starter</artifactId>
        <version>${spring-ai-alibaba.version}</version>
    </dependency>

    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>

    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-tika-document-reader</artifactId>
    </dependency>
</dependencies>

2. Cấu hình Ứng dụng (application.yml)

server:
  port: 10092

spring:
  application:
    name: spring-ai-text-summarizer-example

  ai:
    dashscope:
      api-key: ${DASHSCOPE_API_KEY:sk-abc123def456ghi789jkl}

3. Bộ điều khiển Tóm tắt Văn bản (TextSummaryController.java)

@RestController
@Slf4j
public class TextSummaryController {

    @Value("classpath:/summary-template.st")
    private Resource summaryTemplate;

    private final ChatClient chatClient;

    public TextSummaryController(ChatClient.Builder chatClientBuilder) {
        this.chatClient = chatClientBuilder.build();
    }

    @PostMapping(path = "/api/summarize", produces = "text/plain")
    public String generateSummary(@RequestParam("document") MultipartFile documentFile) {
        List<Document> parsedDocuments = new DocumentParser(documentFile.getResource()).parse();

        String fullText = parsedDocuments.stream()
                .map(Document::getContent)
                .collect(Collectors.joining("\n"));
        log.info("Nội dung tài liệu: {}", fullText);

        return chatClient.prompt()
                .user("Tóm tắt nội dung sau:")
                .system(systemSpec ->
                        systemSpec.text(summaryTemplate).param("content", fullText)
                )
                .call()
                .content();
    }
}

4. Lớp thực thể Đầu ra có cấu trúc (SummaryResult.java)

public class SummaryResult {
    private String documentTitle;
    private String summary;
    private List<String> keyPoints;
    private LocalDateTime createdTime;

    // Getters and Setters
}

5. Bộ điều khiển Đầu ra JSON có cấu trúc (StructuredOutputController.java)

@RestController
@RequestMapping("/structured-output")
public class StructuredOutputController {

    private static final String SYSTEM_PROMPT =
            """
            Yêu cầu: Xin chào, vui lòng cung cấp thông tin cá nhân dưới dạng JSON;
            Định dạng: Chỉ đầu ra JSON, không bao gồm bất kỳ văn bản thừa nào—bao gồm cả định dạng markdown;
            Ví dụ đầu ra: {
                 "fullName": {name},
                 "age": {age},
                 "profession": {profession},
                 "skills": {skills},
                 "location": {location},
                 "interests": {interests}
            };
            """;

    private final ChatClient aiClient;

    public StructuredOutputController(ChatModel chatModel) {
        DashScopeResponseFormat format = new DashScopeResponseFormat();
        format.setType(DashScopeResponseFormat.Type.JSON_OBJECT);

        this.aiClient = ChatClient.builder(chatModel)
                .defaultOptions(
                        DashScopeChatOptions.builder()
                                .withTemperature(0.8)
                                .withResponseFormat(format)
                                .build()
                )
                .build();
    }

    @GetMapping("/personal-info")
    public String getPersonalInfo() {
        String result = aiClient.prompt(SYSTEM_PROMPT)
                .call()
                .content();
        log.info("Dữ liệu JSON từ mô hình lớn: {}", result);
        return result;
    }
}

III. Giải thích Chi tiết Tham số và Quy tắc Cấu hình

1. DashScopeChatOptions

• temperature: Điều chỉnh mức độ sáng tạo của đầu ra, giá trị mặc định là 0.8, ảnh hưởng đến sự đa dạng của kết quả.
• responseFormat: Chỉ định định dạng đầu ra, hỗ trợ TEXT_ONLY và JSON_OBJECT, kiểm soát liệu đầu ra có cấu trúc hay không.

2. ChatClient

• prompt: Mẫu gợi ý đầu vào, được chỉ định qua phương thức .text(), hỗ trợ thay thế biến.
• system: Hướng dẫn vai trò hệ thống, dùng để định hướng hành vi của mô hình.
• param(): Dùng để thay thế động các biến trong mẫu.

3. DocumentParser

• Hỗ trợ trích xuất nội dung từ nhiều định dạng tài liệu (PDF, DOCX, XLSX, v.v.).
• Tự động loại bỏ thẻ định dạng, chỉ giữ lại nội dung văn bản thuần túy.

IV. Kiểm thử và So sánh Kết quả

1. Kiểm thử Tải tệp

• Tệp đầu vào: Tài liệu PDF chứa một bài báo kỹ thuật dài.
• Đầu ra mong đợi: Tự động tạo tóm tắt, bao gồm tóm tắt từng đoạn và tóm tắt toàn văn.
• Đầu ra thực tế:

【Đoạn 1】Giới thiệu về học sâu và ứng dụng trong nhận dạng hình ảnh...
【Đoạn 2】Thảo luận về lợi thế của mô hình Transformer và hiệu suất trong các tác vụ NLP...
【Tóm tắt toàn văn】Bài viết tổng quan về các mô hình học sâu phổ biến và ứng dụng hiện tại trong nhiều lĩnh vực...

2. Kiểm thử Đầu ra có cấu trúc

• Đường dẫn yêu cầu: /structured-output/personal-info
• Ví dụ đầu ra:

{
  "fullName": "Nguyễn Văn A",
  "age": 28,
  "profession": "Kỹ sư phần mềm",
  "skills": ["Java", "Spring Boot", "AI/ML"],
  "location": "Hà Nội",
  "interests": ["Công nghệ", "Đọc sách", "Du lịch"]
}

3. So sánh Hiệu suất

V. Tổng kết và Triển vọng

Bài viết đã giới thiệu cách sử dụng Spring AI Alibaba tích hợp với mô hình lớn DashScope để thực hiện tóm tắt tự động và đầu ra có cấu trúc cho nội dung văn bản. Thông qua triển khai mã nguồn hoàn chỉnh và phân tích tham số, đã thể hiện khả năng mở rộng và linh hoạt của hệ thống. Trong tương lai có thể khám phá các hướng đi sau:

• Hỗ trợ tóm tắt văn bản đa ngôn ngữ;
• Đưa vào cơ chế bộ đệm để cải thiện hiệu suất;
• Thêm khả năng xử lý bất đồng bộ, hỗ trợ xử lý hàng loạt tài liệu;
• Kết hợp giao diện UI phía trước để hoạt động trực quan.

Dự án có giá trị thực tiễn tốt, phù hợp với nhiều ứng dụng như xây dựng cơ sở tri thức, chăm sóc khách hàng thông minh, đề xuất nội dung, v.v.