配置redis向量数据库：
配置依赖：
<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-vector-store-redis</artifactId></dependency>
配置redis数据库属性：
RAG实践：
使用spring ai提供的环绕增强（advisor）功能实现RAG。
配置依赖：
<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-advisors-vector-store</artifactId> </dependency>
增加QuestionAnswerAdvisor（当前1.1.2版本应该是不能直接new了，QuestionAnswerAdvisor属于包级私有，用builder链式编程可以实现创建）
只要配置依赖和属性，spring ai starter会在程序运行初自动生成VectorStore的Bean，直接注入即可使用vectorStore。
（我在运行时出现报错：EmbedingModel不可用，于是我手动设置了一个，如下图）
读取文件并写入向量数据库（spring ai提供了ETL接口，通过对应的Reader就能将文件转换为Document）：
进行一次对话（数据文本及结果如下）：
redis中数据：
