{"id":29227,"date":"2025-09-09T16:30:25","date_gmt":"2025-09-09T13:30:25","guid":{"rendered":"https:\/\/fatihsoysal.com\/blog\/spring-ai-ile-generative-ai-ve-rag-uygulamalari\/"},"modified":"2025-09-09T16:30:25","modified_gmt":"2025-09-09T13:30:25","slug":"spring-ai-ile-generative-ai-ve-rag-uygulamalari","status":"publish","type":"post","link":"https:\/\/fatihsoysal.com\/blog\/spring-ai-ile-generative-ai-ve-rag-uygulamalari\/","title":{"rendered":"Spring AI ile Generative AI ve RAG Uygulamalar\u0131"},"content":{"rendered":"

Spring AI ile Generative AI ve RAG Uygulamalar\u0131<\/p>\n

Yapay zeka d\u00fcnyas\u0131nda h\u0131zla geli\u015fen Generative AI ve Retrieval Augmented Generation (RAG) teknolojileri, i\u015fletmelerin veri i\u015fleme ve bilgi eri\u015fim \u015fekillerini d\u00f6n\u00fc\u015ft\u00fcr\u00fcyor. Bu makalede, Spring AI \u00e7er\u00e7evesi kullan\u0131larak Generative AI ve RAG'\u0131n nas\u0131l uygulanaca\u011f\u0131n\u0131 ad\u0131m ad\u0131m, detayl\u0131 bir \u015fekilde ele alaca\u011f\u0131z. \u00d6rnek senaryolar ve kod par\u00e7ac\u0131klar\u0131yla zenginle\u015ftirilmi\u015f bu rehber, hem yeni ba\u015flayanlar hem de deneyimli geli\u015ftiriciler i\u00e7in de\u011ferli bilgiler sunuyor.<\/p>\n

Generative AI ve RAG: Temel Kavramlar<\/h2>\n

Generative AI, yeni veriler \u00fcretme yetene\u011fine sahip yapay zeka modelleridir. Bu modeller, b\u00fcy\u00fck miktarda veriden \u00f6\u011frenerek metin, g\u00f6r\u00fcnt\u00fc, ses ve kod gibi farkl\u0131 formatlarda i\u00e7erik olu\u015fturabilirler. \u00d6rne\u011fin, bir Generative AI modeli, verilen bir metin \u00f6zetini geni\u015fletebilir, \u015fiir yazabilir veya yeni bir hikaye olu\u015fturabilir. Bu modellerin \u00e7o\u011fu b\u00fcy\u00fck dil modelleri (LLM) \u00fczerine kuruludur ve genellikle transformer mimarisini kullan\u0131r.<\/p>\n

Retrieval Augmented Generation (RAG) ise, Generative AI modellerinin performans\u0131n\u0131 ve g\u00fcvenilirli\u011fini art\u0131rmak i\u00e7in kullan\u0131lan bir tekniktir. RAG, bir bilgi taban\u0131ndan ilgili bilgileri alarak Generative AI modelinin bu bilgilere dayanarak daha do\u011fru ve tutarl\u0131 yan\u0131tlar \u00fcretmesini sa\u011flar. Bu, Generative AI modellerinin hal\u00fcsinasyon yapma olas\u0131l\u0131\u011f\u0131n\u0131 azalt\u0131r ve daha g\u00fcvenilir sonu\u00e7lar elde edilmesini sa\u011flar. \u00d6zetle, RAG, Generative AI'n\u0131n bellek ve bilgi eri\u015fimini g\u00fc\u00e7lendirir.<\/p>\n

Spring AI, bu iki g\u00fc\u00e7l\u00fc teknolojinin entegre bir \u015fekilde kullan\u0131lmas\u0131na olanak tan\u0131yan bir \u00e7er\u00e7evedir. Spring'in sa\u011flad\u0131\u011f\u0131 ara\u00e7lar ve k\u00fct\u00fcphaneler sayesinde, Generative AI modellerini kolayca entegre edebilir ve RAG uygulamalar\u0131 geli\u015ftirebilirsiniz. Bu, daha h\u0131zl\u0131 ve verimli geli\u015ftirme s\u00fcreci anlam\u0131na gelir.<\/p>\n

Spring AI ile Generative AI Modellerini Entegre Etme<\/h2>\n

Spring AI'da Generative AI modellerini entegre etmenin birka\u00e7 yolu vard\u0131r. En yayg\u0131n y\u00f6ntemlerden biri, pop\u00fcler LLM'leri (\u00f6rne\u011fin, OpenAI'nin GPT modelleri) do\u011frudan Spring uygulamalar\u0131n\u0131za entegre etmektir. Bu, genellikle HTTP istekleri arac\u0131l\u0131\u011f\u0131yla yap\u0131l\u0131r. A\u015fa\u011f\u0131da basit bir \u00f6rnek verilmi\u015ftir:<\/p>\n

<\/code>java
\n\/\/ Spring Boot uygulamas\u0131 i\u00e7erisinde OpenAI API’sini kullanarak metin \u00fcretme \u00f6rne\u011fi
\nRestTemplate restTemplate = new RestTemplate();
\nHttpHeaders headers = new HttpHeaders();
\nheaders.setContentType(MediaType.APPLICATION_JSON);
\nheaders.set(“Authorization”, “Bearer YOUR_API_KEY”);<\/p>\n

HttpEntity request = new HttpEntity<>(
\n “{\\”prompt\\”: \\”Bir hikaye yaz\\”, \\”max_tokens\\”: 150}”,
\n headers
\n);<\/p>\n

ResponseEntity response = restTemplate.exchange(
\n “https:\/\/api.openai.com\/v1\/completions”,
\n HttpMethod.POST,
\n request,
\n String.class
\n);<\/p>\n

String generatedText = response.getBody();
\nSystem.out.println(generatedText);<\/p>\n

Bu \u00f6rnekte, OpenAI API'sine bir HTTP POST iste\u011fi g\u00f6nderilerek metin \u00fcretilir.  YOUR_API_KEY<\/code> yerine kendi OpenAI API anahtar\u0131n\u0131z\u0131 girmeniz gerekmektedir. Daha geli\u015fmi\u015f kullan\u0131m senaryolar\u0131 i\u00e7in, Spring Data REST gibi ara\u00e7lar\u0131 kullanarak daha yap\u0131land\u0131r\u0131lm\u0131\u015f veri y\u00f6netimi sa\u011flayabilirsiniz.  Ayr\u0131ca,  Spring Cloud Function gibi ara\u00e7lar ile  fonksiyonel programlama yakla\u015f\u0131m\u0131yla  LLM entegrasyonunuzu daha mod\u00fcler ve \u00f6l\u00e7eklenebilir hale getirebilirsiniz.<\/p>\n\n
RAG Uygulamas\u0131: Ad\u0131m Ad\u0131m \u00d6rnek<\/h2>\n\n
\u015eimdi, Spring AI ile bir RAG uygulamas\u0131 geli\u015ftirmenin ad\u0131mlar\u0131n\u0131 ele alal\u0131m.  Bu \u00f6rnekte, bir belge koleksiyonundan bilgi \u00e7ekip, bu bilgiyi kullanarak sorular\u0131 cevaplayan bir sistem kuraca\u011f\u0131z.<\/p>\n\n
1. Ad\u0131m: Bilgi Taban\u0131n\u0131n Olu\u015fturulmas\u0131<\/h3>\n\n
\u0130lk ad\u0131m, bilgi taban\u0131n\u0131 olu\u015fturmakt\u0131r.  Bu, veritaban\u0131 (\u00f6rne\u011fin, PostgreSQL, MySQL), dosya sistemi veya ba\u015fka bir bilgi deposu olabilir.  \u00d6rnek olarak, bir dizi metin dosyas\u0131 kullanabiliriz. Her dosya, bir belgeyi temsil eder.<\/p>\n\n
2. Ad\u0131m: Benzerlik Arama Algoritmas\u0131n\u0131n Se\u00e7imi<\/h3>\n\n
\u0130kinci ad\u0131m, belge koleksiyonunda ilgili belgeleri bulmak i\u00e7in bir benzerlik arama algoritmas\u0131 se\u00e7mektir.  Yayg\u0131n olarak kullan\u0131lan y\u00f6ntemlerden baz\u0131lar\u0131 \u015funlard\u0131r:  Cosine benzerli\u011fi, TF-IDF ve BM25.  Bu algoritmalar, sorunun ve belgelerin vekt\u00f6r g\u00f6sterimlerini kullanarak benzerli\u011fi hesaplar.  Spring Data Elasticsearch gibi ara\u00e7lar, bu algoritmalar\u0131 kolayca entegre etmenizi sa\u011flar.<\/p>\n\n
3. Ad\u0131m: Spring Uygulamas\u0131n\u0131n Geli\u015ftirilmesi<\/h3>\n\n
\u00dc\u00e7\u00fcnc\u00fc ad\u0131mda, Spring uygulamas\u0131n\u0131 geli\u015ftirece\u011fiz.  Bu uygulama, kullan\u0131c\u0131n\u0131n sorusunu al\u0131r, ilgili belgeleri bulur ve Generative AI modelini kullanarak soruyu cevaplar.  A\u015fa\u011f\u0131daki kod par\u00e7as\u0131, basit bir \u00f6rne\u011fi g\u00f6stermektedir:<\/p><\/pre>\n
<\/code>java
\n\/\/ Basitle\u015ftirilmi\u015f RAG \u00f6rne\u011fi (ger\u00e7ek uygulamada daha geli\u015fmi\u015f k\u00fct\u00fcphaneler kullan\u0131lmal\u0131d\u0131r)
\nString question = \"Spring Framework nedir?\";
\nList relevantDocuments = searchRelevantDocuments(question); \/\/ Benzerlik arama fonksiyonu
\nString context = String.join(\" \", relevantDocuments);
\nString answer = generateAnswer(question, context); \/\/ Generative AI modelini kullanarak cevap \u00fcretme fonksiyonu
\nSystem.out.println(\"Cevap: \" + answer);<\/p>\n
4. Ad\u0131m:  Sonu\u00e7lar\u0131n De\u011ferlendirilmesi<\/h3>\n\n
Son ad\u0131mda, sistemin performans\u0131n\u0131 de\u011ferlendirip iyile\u015ftirmeler yapabiliriz.  Bu, do\u011fru cevap oran\u0131n\u0131, yan\u0131tlama s\u00fcresini ve di\u011fer metrikleri izleyerek yap\u0131labilir.  A\/B testleri ve farkl\u0131 algoritma\/model kar\u015f\u0131la\u015ft\u0131rmalar\u0131 ile optimizasyon sa\u011flanabilir. Daha kapsaml\u0131 bir de\u011ferlendirme i\u00e7in, ilgili metrikleri kaydeden bir log sistemi kurulabilir.<\/p>\n\n\n
\u0130leri D\u00fczey Teknikler<\/h2>\n\n
Daha geli\u015fmi\u015f RAG uygulamalar\u0131 i\u00e7in, a\u015fa\u011f\u0131daki teknikleri kullanabilirsiniz:<\/p>\n\n