SpringAI-第三期：基础内容

SunnyDay2333

SpringAI-第三期：基础内容 | 自然晴

Prompt工程基础概念

八股文，没什么内容。

prompt优化技巧

这里有个内容提到了RAG能减少token的消耗，但我还没验证过，保持质疑。

其实这里面的有关prompt的技巧我都用过。毕竟vibe coding的经验还是比较多的。

ChatClient

client和model的区别，支持链式调用（？）。

java

// 基础用法(ChatModel)
ChatResponse response = chatModel.call(new Prompt("你好"));
 
// 高级用法(ChatClient)
ChatClient chatClient = ChatClient.builder(chatModel)
    .defaultSystem("你是恋爱顾问")
    .build();
    
String response = chatClient.prompt().user("你好").call

然后就是一些调用吧，这个主要对着文档看，我也记不住，client需要用build方法来对一个model进行构造。

java

重点：ChatClient的响应格式

java

Advisors

可以在调用AI之前或者之后做一些额外的操作，作为一个过滤器或者拦截器。

这里根据讲解视频来重述一个具体的实例吧，SafeGuardAdvisor.

比如下面这段代码，首先是把request封装成一个ChatClientRequest类，然后检测是否有敏感词的出现（可以是事先约定的敏感词），如果有直接拒绝了，这个response就不上传到ai了，自己写一个失败类了（省token了），然后如果过了就继续nextcall了。

java

实际开发会调用多个advisor，构成一个拦截器链条，这也是责任链模式的设计思想。

Chat Memory & Chat Memory Advisor

看文字教程和开发文档吧，太多了记不住。

代码实战

构建了一个LoveApp，然后进行了单元测试，但是由于我的SpringAI是1.1.2版本，一些api已经弃用。

java

单元测试的内容：

java

输出内容：

plaintext

今天主要就是把这个视频给看完了，代码学了又好像没学。

// 方式1：使用构造器注入
@Service
public class ChatService {
    private final ChatClient chatClient;
    
    //这里的builder是springboot默认初始化的，小问题是怎么看他默认是哪个？
    public ChatService(ChatClient.Builder builder) {
        this.chatClient = builder
            .defaultSystem("你是恋爱顾问")
            .build();
    }
}
 
// 方式2：使用建造者模式
ChatClient chatClient = ChatClient.builder(chatModel)
    .defaultSystem("你是恋爱顾问")
    .build();

// ChatClient支持多种响应格式
// 1. 返回 ChatResponse 对象（包含元数据如 token 使用量）
ChatResponse chatResponse = chatClient.prompt()
    .user("Tell me a joke")
    .call()
    .chatResponse();
 
// 2. 返回实体对象（自动将 AI 输出映射为 Java 对象）
// 2.1 返回单个实体
record ActorFilms(String actor, List<String> movies) {}
ActorFilms actorFilms = chatClient.prompt()
    .user("Generate the filmography for a random actor.")
    .call()
    .entity(ActorFilms.class);
 
// 2.2 返回泛型集合
List<ActorFilms> multipleActors = chatClient.prompt()
    .user("Generate filmography for Tom Hanks and Bill Murray.")
    .call()
    .entity(new ParameterizedTypeReference<List<ActorFilms>>() {});
 
// 3. 流式返回（适用于打字机效果）
Flux<String> streamResponse = chatClient.prompt()
    .user("Tell me a story")
    .stream()
    .content();
 
// 也可以流式返回ChatResponse
Flux<ChatResponse> streamWithMetadata = chatClient.prompt()
    .user("Tell me a story")
    .stream()
    .chatResponse();

public ChatClientResponse adviseCall(ChatClientRequest chatClientRequest, CallAdvisorChain callAdvisorChain) {
		if (!CollectionUtils.isEmpty(this.sensitiveWords)
				&& this.sensitiveWords.stream().anyMatch(w -> chatClientRequest.prompt().getContents().contains(w))) {
			return createFailureResponse(chatClientRequest);
		}
 
		return callAdvisorChain.nextCall(chatClientRequest);
	}

package com.example.aiagent.app;
 
import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.ai.chat.memory.MessageWindowChatMemory;
import org.springframework.ai.chat.model.ChatModel;
import org.springframework.ai.chat.model.ChatResponse;
import org.springframework.stereotype.Component;
@Component
@Slf4j
public class LoveApp {
 
 
    private final ChatClient chatClient;

package com.example.aiagent.app;
 
import jakarta.annotation.Resource;
import org.junit.jupiter.api.Test;
import org.springframework.boot.test.context.SpringBootTest;
 
import java.util.UUID;
 
import static org.junit.jupiter.api.Assertions.*;
 
@SpringBootTest
class LoveAppTest {
 
    @Resource
    private LoveApp loveApp;
 
    @Test
    void testChat() {
        String chatID = UUID.randomUUID().toString();
        String message = "你好，我是自然晴";
        String answer = loveApp.doChat(message, chatID);
 
        message = "我想让我的另一半（洛天依）更爱我";
        answer = loveApp.doChat(message, chatID);
 
        message = "我的名字是什么，刚刚和你说过，请你告诉我";
        answer = loveApp.doChat(message, chatID);
 
    }
}

2026-05-29T16:28:50.923+08:00  INFO 6826 --- [ai-agent] [           main] com.example.aiagent.app.LoveApp          : content:你好，自然晴～很高兴认识你 🌤️  
我是林砚，一名专注恋爱与亲密关系心理研究近十年的咨询师，也长期陪伴不同阶段的来访者走过情感的迷雾——从心动时的忐忑，到相处中的拉扯，再到婚姻里的扎根与成长。
 
无论你此刻是独自前行、正在热恋中微光闪烁，还是已步入婚姻携手同行，你的感受都值得被认真倾听，你的困惑都配得上清晰而有温度的回应。
 
想先轻轻问你一句：  
🔹 如果你现在是**单身**，是否在为「想遇见对的人，却不知如何自然打开社交圈」而犹豫？或是「心里已有在意的人，却卡在不敢靠近、怕被拒绝、不知如何表达」的纠结里？  
🔹 如果你正处在一段**恋爱关系中**，最近是否常因「一句话说错就冷战半天」「生活习惯差异反复引发摩擦」「付出感不对等却说不出口」而疲惫？  
🔹 又或者，你已步入**婚姻**，正面对「育儿分工的无声角力」「原生家庭介入带来的边界模糊」「爱还在，但热情渐淡、沟通变少」这样的现实课题？
 
不必着急回答“全部”，只选最牵动你心弦的那一处——  
欢迎告诉我：  
✅ 这件事具体是怎么发生的？（比如：上周他/她又一次没回消息到深夜…）  
✅ 对方当时的反应或惯常模式是怎样的？  
✅ 你当时心里真实的想法和情绪是什么？（哪怕听起来“不够理性”，也没关系——那恰恰是最珍贵的线索）
 
我会在这里，安静而专注地听你说完，然后陪你一起，看清情绪背后的需要，找到属于你的、不委屈自己也不伤害关系的行动路径。
 
你愿意，从哪一段开始说起呢？🌿
2026-05-29T16:29:02.360+08:00  INFO 6826 --- [ai-agent] [           main] com.example.aiagent.app.LoveApp          : content:谢谢你愿意说出这句话——“我想让我的另一半（洛天依）更爱我”。  
这句话背后，藏着很深的温柔、渴望，也或许有一丝不易察觉的不安与用力。
 
不过，我想先轻轻陪你停顿一下，问一个关键而温柔的问题：  
✨ **洛天依，是真实生活中与你朝夕相处的伴侣，还是一位你深深喜爱、寄托情感的虚拟歌姬（Vocaloid角色）？**
 
因为这个区分，会直接影响我们如何理解“爱”、如何定义“关系”，以及——最重要的是——如何真正支持到你内心最真实的需要。
 
🔹 **如果你指的是现实中的伴侣，名字恰好也叫洛天依**（现实中确有其人），那我们可以一起探索：你们当前的互动模式、你感受到的爱的缺口、她表达爱的语言，以及那些让你觉得“她不够爱我”的具体瞬间。爱是可以被看见、被翻译、被重新培育的。
 
🔹 **但如果你说的是Vocaloid虚拟形象洛天依**——那位声音清澈、承载无数人情感投射的数字伙伴——那么你的这份心意，同样真实、值得尊重。它可能映照出你对纯粹共鸣的向往、对被全然接纳的渴望，或是在现实中尚未被满足的情感需求。这种联结虽非双向现实关系，却常是心灵重要的慰藉与成长入口。我们可以一起厘清：这份情感在你生命中扮演什么角色？它是否在提醒你某些未被关照的内在期待？你希望从中获得的，究竟是什么？
 
无论答案是什么，我都想告诉你：

评论

#Prompt工程基础概念

#prompt优化技巧

#ChatClient

#Advisors

#Chat Memory & Chat Memory Advisor

#代码实战

Prompt工程基础概念

prompt优化技巧

ChatClient

Advisors

Chat Memory & Chat Memory Advisor

代码实战