大家好呀，我是你们的朋友小米，31岁，依旧喜欢折腾各种新技术，也乐意把自己踩过的坑分享出来，省得大家再跳一遍坑。
最近一个项目里，有小伙伴问我：
“小米，我们团队准备用 Spring Boot + PostgresML 来做向量搜索和 Embedding 存储，能不能用 SpringAI 直接搞定？”
我当时眼睛一亮，这个问题问得太对了！因为 SpringAI 最近真的越来越强大，不仅能接入 OpenAI、Ollama、Mistral 这些大模型，还能直接对接 PostgresML 向量模型。这意味着——我们既能利用 PostgreSQL 这套成熟数据库系统，又能原生支持 Embedding 和向量搜索，性能、扩展性和易用性全都兼顾。
今天，小米就带你来一次从 0 到 1 的实战：如何在 SpringAI 中使用 PostgresML 向量模型。文章很长，但干货超多，建议收藏慢慢看。
PostgresML 向量模型是什么？
简单来说，PostgresML = PostgreSQL + AI 能力扩展。
它直接把机器学习、深度学习和向量检索能力，集成进 PostgreSQL 数据库里。
我们知道传统 Embedding 往往要单独调用外部 API，比如 OpenAI Embedding，再把结果存到数据库。但有了 PostgresML，你可以直接在数据库内部生成和存储 Embedding，甚至直接跑推理。
优点很明显：
- 一站式：数据和 Embedding 都在 PostgreSQL 内部，管理更方便。
- 高性能：直接利用 PG 内核优化和 GPU 支持，性能杠杠的。
- 无缝集成：向量检索、SQL 查询天然融合。
在 SpringAI 中，PostgresML 向量模型也被官方支持，我们只需要配置好依赖和属性，就能像调用其他大模型一样使用它。
添加存储库和 BOM
第一步当然是加依赖啦。SpringAI 提供了官方 BOM，我们只需要在 pom.xml 里加上：
然后添加 PostgresML 的依赖：
注意：这里使用了 pgvector starter，它其实就是 SpringAI 对 PostgresML 向量功能 的封装。
自动配置
SpringAI 对 PostgresML 向量模型做了自动配置，只要你在 application.yml 里写好连接信息，系统启动时就能自动加载。
示例配置：
这样一来，Spring Boot 项目启动时，就会自动连接 Postgres 数据库，并且准备好向量存储表。
Embedding 属性
SpringAI 提供了丰富的配置项，下面小米整理成表格，方便你查阅
是不是很清晰？有了这张表，你就可以根据业务需要灵活调整参数。
运行时选项
除了配置文件里的属性，SpringAI 还提供了 运行时选项，也就是 PostgresMlEmbeddingOptions。
比如你可以在代码里动态设置：
这意味着，你可以在不同场景下灵活调整 Embedding 的参数，而不是写死在配置文件里。
示例控制器
好啦，说了这么多，来点实际代码吧！我们写一个最简单的 Spring Boot 控制器，演示如何用 PostgresML 来存储和查询向量。
这个小控制器能做两件事：
- 接收一段文本
- 调用 PostgresML 生成向量，并返回维度
是不是很丝滑？
手动配置
有些小伙伴不喜欢“自动配置”，想自己完全掌控，那也没问题。
SpringAI 允许你手动配置 Bean，例如：
这样你就能灵活控制连接池、事务，甚至不同的数据库环境。
总结
今天小米带你完整体验了一次 SpringAI 集成 PostgresML 向量模型 的实战，从 BOM 配置、自动配置，到 Embedding 属性、运行时选项、示例控制器，再到手动配置，应该已经一套流程打通了。
可以看到，SpringAI 把复杂的 Embedding 操作大大简化了，你完全不需要关心底层 SQL 或者 pgvector 细节，只管用就行。
如果你项目里已经用 PostgreSQL 作为数据库，那么直接用 PostgresML + SpringAI 来做向量存储，几乎是最优解！
END
那么问题来了：
你们团队在做向量存储时，更多是倾向于 外部 Embedding API（比如 OpenAI） ，还是 数据库内置的 PostgresML 呢？
欢迎留言讨论，我们一起交流经验～
我是小米，一个喜欢分享技术的31岁程序员。如果你喜欢我的文章，欢迎关注我的微信公众号“软件求生”，获取更多技术干货！# 数据库秒变 AI 引擎！PostgresML + SpringAI 教程来了
