SpringAI实现RAG，添加redis向量数据库报错

Question

1、通过springAI集成deepsek实现RAG时，集成redis向量数据库，依赖如下：

2、配置如下：

3、注入VectorStore后，调用VectorStore.add()方法时，一直报错如下：

4、跟踪源码发现：

调用this.embeddingModel.dimensions()报的这个错误，哪位兄弟能帮忙解决一下

Answer 1

阿里嘎多学长整理AIGC生成，因移动端显示问题导致当前答案未能完全显示，请使用PC端查看更加详细的解答过程

问题解答

你使用 SpringAI 实现 RAG（Recommender as a Graph）并添加 Redis 向量数据库，但是在注入 VectorStore 后，调用 VectorStore.add() 方法时一直报错。

可能的解决方案：

1. 检查 Redis 连接配置是否正确，确保 Redis 服务器已经启动并且可以连接。
2. 检查 VectorStore 的配置是否正确，确保 VectorStore 的类型正确（例如，RedisVectorStore）并且配置了正确的 Redis 连接信息。
3. 检查 VectorStore.add() 方法的参数是否正确，确保传入的向量数据格式正确。
4. 如果以上步骤都无法解决问题，可以尝试使用 debug 模式来检查错误信息，了解错误的原因。

以下是一个简单的示例代码，演示如何使用 SpringAI 和 RedisVectorStore：

@Configuration
public class RedisVectorStoreConfig {
    @Bean
    public RedisVectorStore redisVectorStore() {
        RedisVectorStore vectorStore = new RedisVectorStore();
        vectorStore.setRedisTemplate(redisTemplate());
        return vectorStore;
    }
}

@Service
public class MyService {
    @Autowired
    private RedisVectorStore redisVectorStore;
    
    public void addVector(Vector vector) {
        redisVectorStore.add(vector);
    }
}

在上面的代码中，我们首先创建了一个 RedisVectorStore 对象，并将其注入到 MyService 服务中。然后，在 MyService 服务中，我们使用 add() 方法将向量数据添加到 Redis 向量数据库中。