Relax Box

外观

ETL 流水线

约 4350 字大约 15 分钟

2026-09-15

📌 原文地址：https://docs.spring.io/java-ai/reference/api/etl-pipeline.html

📌 原文版本：Java AI 2.0.1（Stable）

Extract（抽取）、Transform（转换）、Load（加载）框架（即 ETL 框架）是 Retrieval Augmented Generation（RAG，检索增强生成）用例中数据处理的核心骨干。

ETL 流水线编排了从原始数据源到结构化向量存储（Vector Store）的流动过程，确保数据处于最适合 AI 模型检索的格式。

RAG 用例通过从数据集合中检索相关信息来增强生成式模型的能力，从而提升生成输出的质量和相关性。

白话解读

ETL = 数据搬运工。Extract 把数据从 PDF/Word/HTML 等源头读出来，Transform 把它们切成模型能吃的"小块"（按 token 数），Load 把这些块塞进向量数据库。Java AI 把这三步抽象成三个接口（Reader/Transformer/Writer），每一步都有现成实现，可以像乐高一样拼装。

一、API 概览（API Overview）

ETL 流水线负责创建、转换和存储 Document 实例。

Document 类包含文本（text）、元数据（metadata），并且可选地包含其他媒体类型，如图像、音频和视频。

ETL 流水线有三个主要组件：

  • DocumentReader：实现 Supplier<List<Document>>
  • DocumentTransformer：实现 Function<List<Document>, List<Document>>
  • DocumentWriter：实现 Consumer<List<Document>>

Document 类的内容由 DocumentReader 从 PDF、文本文件以及其他文档类型中创建。

要构建一个简单的 ETL 流水线，可以将每种类型的一个实例串联起来。

假设我们有以下三个 ETL 类型的实例：

  • PagePdfDocumentReader：DocumentReader 的实现
  • TokenTextSplitter：DocumentTransformer 的实现
  • VectorStore：DocumentWriter 的实现

要执行将数据基本加载到向量数据库中以便与 RAG 模式配合使用，可以使用以下 Java 函数式风格的代码：

// 函数式写法：先读取 PDF，再切分，最后写入向量存储
vectorStore.accept(tokenTextSplitter.apply(pdfReader.get()));

或者，也可以使用更贴合领域语义、更具表达力的方法名：

// 领域语义写法：read -> split -> write
vectorStore.write(tokenTextSplitter.split(pdfReader.read()));

二、ETL 接口（ETL Interfaces）

ETL 流水线由以下接口和实现组成。详细的 ETL 类图见「ETL Class Diagram」章节。

DocumentReader

提供来自多种来源的文档源。

// 文档读取器接口，继承 Supplier<List<Document>>
public interface DocumentReader extends Supplier<List<Document>> {

    // 默认方法：调用 get() 获得文档列表
    default List<Document> read() {
        return get();
    }
}

DocumentTransformer

作为处理工作流的一部分，对一批文档进行转换。

// 文档转换器接口，继承 Function<List<Document>, List<Document>>
public interface DocumentTransformer extends Function<List<Document>, List<Document>> {

    // 默认方法：调用 apply() 执行转换
    default List<Document> transform(List<Document> transform) {
        return apply(transform);
    }
}

DocumentWriter

管理 ETL 流程的最后阶段，准备将文档进行存储。

// 文档写入器接口，继承 Consumer<List<Document>>
public interface DocumentWriter extends Consumer<List<Document>> {

    // 默认方法：调用 accept() 执行写入
    default void write(List<Document> documents) {
        accept(documents);
    }
}

三、文档读取器（Document Readers）

⚠️ 安全性提示：下面描述的大多数 DocumentReader 和 DocumentWriter 实现都是通过 Resource 或资源模式（resource pattern）构造的，内部使用 DefaultResourceLoader 或其变体来访问存储。在构造这类实例时应避免直接使用用户提供的 URL，因为这存在安全隐患。

3.1 JSON

JsonReader 处理 JSON 文档，将其转换为 Document 对象列表。

示例：

@Component
class MyJsonReader {

    private final Resource resource;

    MyJsonReader(@Value("classpath:bikes.json") Resource resource) {
        this.resource = resource;
    }

    List<Document> loadJsonAsDocuments() {
        // 使用 "description" 和 "content" 作为内容键
        JsonReader jsonReader = new JsonReader(this.resource, "description", "content");
        return jsonReader.get();
    }
}

构造函数选项：

  1. JsonReader(Resource resource)
  2. JsonReader(Resource resource, String… jsonKeysToUse)
  3. JsonReader(Resource resource, JsonMetadataGenerator jsonMetadataGenerator, String… jsonKeysToUse)

参数：

  • resource：指向 JSON 文件的 Spring Resource 对象。
  • jsonKeysToUse：JSON 中应当作为最终 Document 对象文本内容的键名数组。
  • jsonMetadataGenerator：可选的 JsonMetadataGenerator，用于为每个 Document 创建元数据。

行为：

  • 可以处理 JSON 数组和单个 JSON 对象。
  • 对每个 JSON 对象（数组中的对象或单个对象）：
    • 根据指定的 jsonKeysToUse 抽取内容。
    • 如果未指定键，则使用整个 JSON 对象作为内容。
    • 使用提供的 JsonMetadataGenerator（如果未提供则使用空实现）生成元数据。
    • 使用抽取出的内容和元数据创建 Document 对象。

使用 JSON Pointers

JsonReader 现已支持使用 JSON Pointer 检索 JSON 文档的特定部分——此功能允许从复杂 JSON 结构中轻松提取嵌套数据。

// 通过 JSON Pointer 获取文档列表
public List<Document> get(String pointer)

参数： pointer —— 一个 JSON Pointer 字符串（按 RFC 6901 定义），用于定位 JSON 结构中的目标元素。

返回值： 返回 List<Document>，包含从 pointer 定位到的 JSON 元素解析出的文档。

行为：

  • 若指向 JSON 对象：返回含单个 Document 的列表。
  • 若指向 JSON 数组：返回 Document 列表，数组中的每个元素对应一个文档。
  • 如果 pointer 无效或指向不存在的元素，则抛出 IllegalArgumentException。

示例：

// 使用 JSON Pointer 定位到 /store/books/0
JsonReader jsonReader = new JsonReader(resource, "description");
List<Document> documents = this.jsonReader.get("/store/books/0");

说明：

  • JsonReader 使用 Jackson 进行 JSON 解析。
  • 它通过流式处理数组来高效处理大型 JSON 文件。
  • 如果 jsonKeysToUse 指定了多个键，内容将是这些键对应值的拼接。

3.2 TEXT

TextReader 处理纯文本文档，将其转换为 Document 对象列表。

示例：

@Component
class MyTextReader {

    private final Resource resource;

    MyTextReader(@Value("classpath:text-source.txt") Resource resource) {
        this.resource = resource;
    }

    List<Document> loadText() {
        TextReader textReader = new TextReader(this.resource);
        // 添加自定义元数据
        textReader.getCustomMetadata().put("filename", "text-source.txt");

        return textReader.read();
    }
}

构造函数选项：

  1. TextReader(String resourceUrl)
  2. TextReader(Resource resource)

参数：

  • resourceUrl：表示要读取的资源 URL 的字符串。
  • resource：指向文本文件的 Spring Resource 对象。

配置：

  • setCharset(Charset charset)：设置读取文本文件所用的字符集。默认 UTF-8。
  • getCustomMetadata()：返回一个可变的 map，用于为文档添加自定义元数据。

行为：

  • 将文本文件的全部内容读入单个 Document 对象。
  • 自动添加以下元数据：
    • charset：读取文件所用的字符集（默认 "UTF-8"）。
    • source：源文本文件的文件名。
  • 通过 getCustomMetadata() 添加的任何自定义元数据都会包含在 Document 中。

说明：

  • TextReader 将整个文件内容读入内存，因此可能不适用于非常大的文件。
  • 如果需要将文本拆分成更小的块，可以在读取文档后使用 TokenTextSplitter：
List<Document> documents = textReader.get();
List<Document> splitDocuments = TokenTextSplitter.builder().build().apply(this.documents);

3.3 HTML (Jsoup)

JsoupDocumentReader 使用 JSoup 库处理 HTML 文档。

依赖：

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

示例：

@Component
class MyHtmlReader {

    private final Resource resource;

    MyHtmlReader(@Value("classpath:/my-page.html") Resource resource) {
        this.resource = resource;
    }

    List<Document> loadHtml() {
        JsoupDocumentReaderConfig config = JsoupDocumentReaderConfig.builder()
            .selector("article p") // 提取 <article> 标签内的段落
            .charset("ISO-8859-1")  // 使用 ISO-8859-1 编码
            .includeLinkUrls(true) // 在元数据中包含链接 URL
            .metadataTags(List.of("author", "date")) // 提取 author 和 date 元标签
            .additionalMetadata("source", "my-page.html") // 添加自定义元数据
            .build();

        JsoupDocumentReader reader = new JsoupDocumentReader(this.resource, config);
        return reader.get();
    }
}

JsoupDocumentReaderConfig 字段：

  • charset：HTML 文档的字符编码（默认 "UTF-8"）。
  • selector：JSoup CSS 选择器，指定从哪些元素抽取文本（默认 "body"）。
  • separator：多个被选中元素文本拼接所用的字符串（默认 "\n"）。
  • allElements：若为 true，忽略 selector，抽取 <body> 中的全部文本（默认 false）。
  • groupByElement：若为 true，为 selector 匹配到的每个元素创建单独的 Document（默认 false）。
  • includeLinkUrls：若为 true，抽取绝对链接 URL 并加入元数据（默认 false）。
  • metadataTags：要抽取内容的 <meta> 标签名列表（默认 ["description", "keywords"]）。
  • additionalMetadata：允许为创建的所有 Document 对象添加自定义元数据。

行为：

  • selector 决定哪些元素用于文本抽取。
  • 如果 allElements 为 true，<body> 中的所有文本会被抽取为单个 Document。
  • 如果 groupByElement 为 true，每个匹配 selector 的元素会创建一个单独的 Document。
  • 文档标题、指定 <meta> 标签的内容以及（可选的）链接 URL 会加入 Document 元数据。

读取器会保留选中元素的文本内容，但会移除其中的 HTML 标签。

3.4 MARKDOWN

MarkdownDocumentReader 处理 Markdown 文档。

依赖：

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

示例：

@Component
class MyMarkdownReader {

    private final Resource resource;

    MyMarkdownReader(@Value("classpath:code.md") Resource resource) {
        this.resource = resource;
    }

    List<Document> loadMarkdown() {
        MarkdownDocumentReaderConfig config = MarkdownDocumentReaderConfig.builder()
            .withHorizontalRuleCreateDocument(true) // 分隔线会创建新文档
            .withIncludeCodeBlock(false)            // 代码块单独成文档
            .withIncludeBlockquote(false)           // 引用块单独成文档
            .withAdditionalMetadata("filename", "code.md") // 添加自定义元数据
            .build();

        MarkdownDocumentReader reader = new MarkdownDocumentReader(this.resource, config);
        return reader.get();
    }
}

MarkdownDocumentReaderConfig 字段：

  • horizontalRuleCreateDocument：为 true 时，水平分隔线会创建新的 Document 对象。
  • includeCodeBlock：为 true 时，代码块与周围文本合并；为 false 时，代码块创建单独的 Document。
  • includeBlockquote：为 true 时，引用块与周围文本合并；为 false 时，引用块创建单独的 Document。
  • additionalMetadata：为创建的所有 Document 对象添加自定义元数据。

行为：

  • 标题（Headers）会成为 Document 对象中的元数据。
  • 段落（Paragraphs）会成为 Document 对象的内容。
  • 代码块可以拆分为独立的 Document 对象，或与周围文本包含在一起。
  • 引用块可以拆分为独立的 Document 对象，或与周围文本包含在一起。
  • 水平分隔线可用于将内容拆分为独立的 Document 对象。

读取器会在 Document 对象的内容中保留行内代码、列表以及文本样式等格式。

3.5 PDF PAGE

PagePdfDocumentReader 使用 Apache PdfBox 库解析 PDF 文档。

依赖：

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

示例：

@Component
public class MyPagePdfDocumentReader {

    List<Document> getDocsFromPdf() {

        PagePdfDocumentReader pdfReader = new PagePdfDocumentReader("classpath:/sample1.pdf",
                PdfDocumentReaderConfig.builder()
                    .withPageTopMargin(0) // 页面上边距设为 0
                    .withPageExtractedTextFormatter(ExtractedTextFormatter.builder()
                        .withNumberOfTopTextLinesToDelete(0) // 不删除任何顶部文本行
                        .build())
                    .withPagesPerDocument(1) // 每个文档包含 1 页
                    .build());

        return pdfReader.read();
    }
}

3.6 PDF PARAGRAPH

ParagraphPdfDocumentReader 使用 PDF catalog（例如 TOC 目录）信息将输入 PDF 拆分为文本段落，每个段落输出一个 Document。

注意

并非所有 PDF 文档都包含 PDF catalog。如果 PDF 没有目录信息，这种 reader 就退化成"按页切"。

依赖：

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

示例：

@Component
public class MyPagePdfDocumentReader {

    List<Document> getDocsFromPdfWithCatalog() {

        ParagraphPdfDocumentReader pdfReader = new ParagraphPdfDocumentReader("classpath:/sample1.pdf",
                PdfDocumentReaderConfig.builder()
                    .withPageTopMargin(0)
                    .withPageExtractedTextFormatter(ExtractedTextFormatter.builder()
                        .withNumberOfTopTextLinesToDelete(0)
                        .build())
                    .withPagesPerDocument(1)
                    .build());

        return pdfReader.read();
    }
}

3.7 TIKA（DOCX、PPTX、HTML…）

TikaDocumentReader 使用 Apache Tika 从多种文档格式中提取文本，如 PDF、DOC/DOCX、PPT/PPTX 和 HTML。完整支持格式列表请参考 Tika 文档。

依赖：

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

示例：

@Component
class MyTikaDocumentReader {

    private final Resource resource;

    MyTikaDocumentReader(@Value("classpath:/word-sample.docx")
                            Resource resource) {
        this.resource = resource;
    }

    List<Document> loadText() {
        TikaDocumentReader tikaDocumentReader = new TikaDocumentReader(this.resource);
        return tikaDocumentReader.read();
    }
}

四、文档转换器（Transformers）

4.1 TextSplitter

TextSplitter 是一个抽象基类，用于帮助将文档拆分以适配 AI 模型的上下文窗口。

4.2 TokenTextSplitter

TokenTextSplitter 是 TextSplitter 的一个实现，根据 token 数量将文本拆分为块。它支持可配置的编码类型（如 CL100K_BASE、P50K_BASE、O200K_BASE），默认使用 CL100K_BASE。

使用：

@Component
class MyTokenTextSplitter {

    public List<Document> splitDocuments(List<Document> documents) {
        // 使用默认配置
        TokenTextSplitter splitter = TokenTextSplitter.builder().build();
        return splitter.apply(documents);
    }

    public List<Document> splitCustomized(List<Document> documents) {
        // 自定义配置
        TokenTextSplitter splitter = TokenTextSplitter.builder()
            .withChunkSize(1000)            // 每块 1000 token
            .withMinChunkSizeChars(400)     // 最小字符数 400
            .withMinChunkLengthToEmbed(10)  // 最小可嵌入长度 10
            .withMaxNumChunks(5000)         // 最多 5000 块
            .withKeepSeparator(true)        // 保留分隔符
            .build();
        return splitter.apply(documents);
    }
}

自定义编码类型：

// 使用 O200K_BASE 编码
TokenTextSplitter splitter = TokenTextSplitter.builder()
    .withEncodingType(EncodingType.O200K_BASE)
    .withChunkSize(1000)
    .build();

自定义标点符号：

@Component
class MyInternationalTextSplitter {

    public List<Document> splitChineseText(List<Document> documents) {
        // 使用中文标点
        TokenTextSplitter splitter = TokenTextSplitter.builder()
            .withChunkSize(800)
            .withMinChunkSizeChars(350)
            .withPunctuationMarks(List.of('。', '？', '！', '；'))  // 中文标点
            .build();

        return splitter.apply(documents);
    }

    public List<Document> splitWithCustomMarks(List<Document> documents) {
        // 混合中英文标点
        TokenTextSplitter splitter = TokenTextSplitter.builder()
            .withChunkSize(800)
            .withPunctuationMarks(List.of('.', '?', '!', '\n', ';', ':', '。'))
            .build();

        return splitter.apply(documents);
    }
}

配置参数：

  • encodingType：使用的 tokenizer 编码类型（默认 CL100K_BASE）。
  • chunkSize：每个文本块的目标大小（token 数，默认 800）。
  • minChunkSizeChars：每个文本块的最小字符数（默认 350）。
  • minChunkLengthToEmbed：块被包含进输出的最小长度（默认 5）。
  • maxNumChunks：从一段文本生成的最大块数（默认 10000）。
  • keepSeparator：是否在块中保留分隔符（默认 true）。
  • punctuationMarks：用作句子边界进行拆分的一系列字符（默认 ., ?, !, \n）。

行为：

  1. 使用 CL100K_BASE 编码将输入文本编码为 token。
  2. 根据 chunkSize 将编码后的文本拆分为块。
  3. 对每个块：
    • a. 将块解码回文本。
    • b. 仅当总 token 数超过 chunk size 时，才尝试在 minChunkSizeChars 之后使用配置的 punctuationMarks 找到合适的断点。
    • c. 如果找到断点，则在该点截断块。
    • d. 对块进行 trim，并根据 keepSeparator 设置可选地移除换行符。
    • e. 如果得到的块长度大于 minChunkLengthToEmbed，则加入输出。
  4. 该过程持续进行，直到所有 token 处理完毕或达到 maxNumChunks。
  5. 剩余文本如果长于 minChunkLengthToEmbed，则作为最后一块加入。

注意：基于标点的拆分仅在 token 数超过 chunk size 时适用。token 数恰好等于或小于 chunk size 的文本将作为单个块返回，不会进行基于标点的截断。

说明：

  • TokenTextSplitter 使用 jtokkit 库的 CL100K_BASE 编码，与较新的 OpenAI 模型兼容。
  • 该拆分器尽可能在句子边界处断开，以创建语义上有意义的块。
  • 原始文档的元数据会被保留并复制到由该文档派生的所有块中。
  • 自定义标点符号：默认标点（., ?, !, \n）适用于英文文本。对于其他语言或特殊内容，可通过 builder 的 withPunctuationMarks() 方法自定义标点。
  • 性能考量：建议将标点列表保持相对较小（少于 20 个字符）以获得最佳性能。
  • 小文本处理：从 2.0 版本起，小文本（token 数等于或小于 chunk size）不再按标点拆分。

4.3 ContentFormatTransformer

确保所有文档的内容格式统一。

4.4 KeywordMetadataEnricher

KeywordMetadataEnricher 是一个 DocumentTransformer，它使用生成式 AI 模型从文档内容中提取关键词并将其添加为元数据。

使用：

@Component
class MyKeywordEnricher {

    private final ChatModel chatModel;

    MyKeywordEnricher(ChatModel chatModel) {
        this.chatModel = chatModel;
    }

    List<Document> enrichDocuments(List<Document> documents) {
        // 使用默认模板，提取 5 个关键词
        KeywordMetadataEnricher enricher = KeywordMetadataEnricher.builder(chatModel)
                .keywordCount(5)
                .build();

        // 或使用自定义模板
        KeywordMetadataEnricher enricher = KeywordMetadataEnricher.builder(chatModel)
               .keywordsTemplate(YOUR_CUSTOM_TEMPLATE)
               .build();

        return enricher.apply(documents);
    }
}

构造函数选项：

  1. KeywordMetadataEnricher(ChatModel chatModel, int keywordCount)：使用默认模板并提取指定数量的关键词。
  2. KeywordMetadataEnricher(ChatModel chatModel, PromptTemplate keywordsTemplate)：使用自定义模板进行关键词提取。

行为：

  1. 对每个输入文档，使用文档内容创建 prompt。
  2. 将该 prompt 发送给提供的 ChatModel 以生成关键词。
  3. 生成的关键词会添加到文档元数据中，键为 "excerpt_keywords"。
  4. 返回增强后的文档。

默认模板：

{context_str}. Give %s unique keywords for this document. Format as comma separated. Keywords:

说明：

  • KeywordMetadataEnricher 需要一个可用的 ChatModel 来生成关键词。
  • 关键词数量必须大于等于 1。
  • 该增强器会为每个处理的文档添加 "excerpt_keywords" 元数据字段。
  • 在 Builder 模式中，如果设置了 keywordsTemplate 参数，keywordCount 参数将被忽略。

4.5 SummaryMetadataEnricher

SummaryMetadataEnricher 是一个 DocumentTransformer，它使用生成式 AI 模型为文档创建摘要并将其添加为元数据。它可以为当前文档以及相邻文档（前一篇和后一篇）生成摘要。

使用：

@Configuration
class EnricherConfig {

    @Bean
    public SummaryMetadataEnricher summaryMetadata(OpenAiChatModel aiClient) {
        // 为前一个、当前、后一个文档生成摘要
        return new SummaryMetadataEnricher(aiClient,
            List.of(SummaryType.PREVIOUS, SummaryType.CURRENT, SummaryType.NEXT));
    }
}

@Component
class MySummaryEnricher {

    private final SummaryMetadataEnricher enricher;

    MySummaryEnricher(SummaryMetadataEnricher enricher) {
        this.enricher = enricher;
    }

    List<Document> enrichDocuments(List<Document> documents) {
        return this.enricher.apply(documents);
    }
}

构造函数：

  1. SummaryMetadataEnricher(ChatModel chatModel, List<SummaryType> summaryTypes)
  2. SummaryMetadataEnricher(ChatModel chatModel, List<SummaryType> summaryTypes, String summaryTemplate, MetadataMode metadataMode)

参数：

  • chatModel：用于生成摘要的 AI 模型。
  • summaryTypes：SummaryType 枚举值列表（PREVIOUS、CURRENT、NEXT）。
  • summaryTemplate：用于摘要生成的自定义模板（可选）。
  • metadataMode：指定生成摘要时如何处理文档元数据（可选）。

行为：

  1. 对每个输入文档，使用文档内容和指定的摘要模板创建 prompt。
  2. 将该 prompt 发送给提供的 ChatModel 以生成摘要。
  3. 根据指定的 summaryTypes，为每个文档添加以下元数据：
    • section_summary：当前文档的摘要。
    • prev_section_summary：前一个文档的摘要（若存在且被请求）。
    • next_section_summary：后一个文档的摘要（若存在且被请求）。
  4. 返回增强后的文档。

默认摘要模板：

"""
Here is the content of the section:
{context_str}

Summarize the key topics and entities of the section.

Summary:
"""

说明：

  • 该增强器可以处理任意大小的文档列表，并能正确应对第一个和最后一个文档的边界情况。
  • 第一个文档获得 next_section_summary，但没有 prev_section_summary；第二个文档反之。
  • 第一个文档的 section_summary 与第二个文档的 prev_section_summary 相同；第一个文档的 next_section_summary 与第二个文档的 section_summary 相同。

五、文档写入器（Writers）

5.1 File

FileDocumentWriter 是一个 DocumentWriter 实现，它将 Document 对象列表的内容写入文件。

使用：

@Component
class MyDocumentWriter {

    public void writeDocuments(List<Document> documents) {
        // 文件名，启用文档标记，使用全部元数据，追加模式关闭
        FileDocumentWriter writer = new FileDocumentWriter("output.txt", true, MetadataMode.ALL, false);
        writer.accept(documents);
    }
}

构造函数：

  1. FileDocumentWriter(String fileName)
  2. FileDocumentWriter(String fileName, boolean withDocumentMarkers)
  3. FileDocumentWriter(String fileName, boolean withDocumentMarkers, MetadataMode metadataMode, boolean append)

参数：

  • fileName：要写入文档的文件名。
  • withDocumentMarkers：是否在输出中包含文档标记（默认 false）。
  • metadataMode：指定写入文件的文档内容（默认 MetadataMode.NONE）。
  • append：若为 true，数据将写入文件末尾而非开头（默认 false）。

文档标记格式：

### Doc: [index], pages:[start_page_number,end_page_number]

说明：

  • 该写入器使用 FileWriter，因此以操作系统默认字符编码写入文本文件。
  • 如果写入过程中发生错误，会抛出一个 RuntimeException，并将原始异常作为 cause。

5.2 VectorStore

提供与各种向量存储（Vector Store）的集成。完整列表请参阅 Vector DB 文档。

版权归属：今朝· Liushigong · Relax Box

许可证：署名-非商业性 4.0 国际 (CC-BY-NC-4.0)

贡献者: Jinzhao
「放轻松，慢慢来」盒子 — 记录日常思考、学习笔记与技术总结
Copyright © 2023 - 2026 今朝（Liushigong） | 京ICP备20031061号