SAP HANA Cloud 向量数据库与 Spring AI RAG 实践技术博客

通过 SAP HANA Cloud 向量数据库和 Spring AI 框架，我们可以高效构建企业级的 RAG 问答系统，实现智能、准确的知识服务。无论是文档检索、智能问答还是行业知识管理，RAG 技术都将成为未来 AI 应用的核心组成部分。如果你想动手体验，只需用本文代码，上传 Wikipedia 的 Cricket World Cup PDF，即可实现智能问答！

北漂老男孩

428人浏览 · 2025-11-29 00:00:00

北漂老男孩 · 2025-11-29 00:00:00 发布

SAP HANA Cloud 向量数据库与 Spring AI RAG 实践技术博客

一、概述

随着人工智能和大语言模型（LLM）的普及，企业越来越关注如何将自身的业务数据与先进的 AI 能力结合，推动知识管理和智能问答。RAG（Retrieval-Augmented Generation，检索增强生成）技术是当前热门的解决方案之一。本文将结合 SAP HANA Cloud 向量数据库及 Spring AI 框架，详细讲解如何构建一个基于 RAG 模式的数据智能系统，并通过实际代码示例、流程图、状态图和时序图，全方位剖析其原理和实现。

二、名词解释

SAP HANA Cloud：SAP 提供的云原生数据库服务，支持高性能事务和分析处理，最近支持了向量检索和 AI 集成。
向量数据库（Vector DB）：一种专门用于存储、检索高维向量的数据库，支持语义搜索、相似度检索等 AI 应用场景。
Spring AI：Spring 生态下的新兴 AI 集成框架，支持多种 LLM、嵌入模型和向量数据库。
RAG（检索增强生成）：将检索到的相关文档与生成式 AI 结合，提高问答的准确性和专业性。
Embedding（嵌入向量）：将文本、图片等信息通过模型转化为高维向量，便于数据库相似度检索。
Cosine Similarity：余弦相似度，衡量两个向量之间的夹角，用于评估文本语义相似度。

三、项目背景与发展历史

1. 背景

传统的 FAQ 或知识库问答系统，往往基于关键词检索，难以理解用户意图。随着 GPT-3、GPT-4 等 LLM 的出现，生成式问答能力大幅提升，但仅靠模型生成，容易“胡编乱造”。RAG 技术应运而生，通过先检索相关知识，再让模型生成答案，有效平衡了准确性与智能性。

2. SAP HANA Cloud 向量引擎发展

SAP HANA 作为企业级数据库，早期以内存计算和实时分析著称。2023 年后，SAP HANA Cloud 增加了原生向量存储和检索能力，支持企业将文本、图片等内容转为向量，结合 LLM 实现智能问答、推荐等场景。

3. Spring AI 框架发展

Spring AI 由 Spring 官方孵化，2024 年进入 1.0 正式版，支持 OpenAI、HuggingFace、向量数据库等主流 AI 能力，极大简化了 Java 后端与 AI 的集成方式。

4. RAG 技术演进

RAG 技术最早由 Facebook AI Research 提出，已成为企业知识管理、智能客服、文档搜索等领域的标配方案。其核心是检索+生成，既用数据库保证知识的可控性，又用 LLM 保证智能表达。

四、项目实战：用 Spring AI + SAP HANA Cloud 实现 RAG

1. 技术架构总览

说明：用户通过 REST API 提交问题，系统先用 Embedding 模型将问题转为向量，去 SAP HANA Cloud 检索相关知识，再交给 LLM 生成答案。

2. 主要流程说明

2.1 项目初始化

创建 SAP HANA Cloud 向量引擎试用账号
在 HANA DB 创建向量表 CRICKET_WORLD_CUP
配置 Spring Boot 项目，集成 Spring AI、HANA 驱动、OpenAI 模型

2.2 PDF 文档上传与向量化

用户上传 Wikipedia 下载的“Cricket World Cup” PDF
系统用 PagePdfDocumentReader 读取 PDF，分割为多个文档片段
用 OpenAI Embedding API 生成每个片段的向量，并存入 HANA 向量表

2.3 问答流程（RAG）

用户输入问题
系统将问题文本转为向量
用余弦相似度在 HANA DB 搜索最相关的知识片段
将相关片段与用户问题一起构造 Prompt，交由 ChatModel 生成最终答案

3. 代码架构优化

3.1 核心 Entity & Repository

@Entity
@Table(name = "CRICKET_WORLD_CUP")
@Data
public class CricketWorldCup extends HanaVectorEntity {
    @Column(name = "content")
    private String content;
}

@Repository
public class CricketWorldCupRepository implements HanaVectorRepository<CricketWorldCup> {
    // ...见上文完整实现
}