二、使用Spring AI实现简单聊天功能（实现角色预设、流式和非流式响应）
==================================================================================
==================================================================================
参考资料：
==================================================================================
GitHub - changsongyang/atguigu-springai: 尚硅谷SpringAI实战教程，springai轻松上手大模型应用开发
Spring AI 教程 - Spring AI 教程 - 核心编程 (hxstrive.com)
手把手教你如何使用Spring AI调用DeepSeek API：从SpringBoot启动到存储MySQL数据库_spring-ai-deepseek-spring-boot-starter-CSDN博客
==================================================================================
1、Spring AI的聊天模型
Spring AI的聊天模型API为开发者提供了一条便捷通道，能够将强大的AI驱动的聊天完成功能无缝集成到各类应用中。
借助预先训练的语言模型，它能够依据用户输入生成自然流畅、类人化的回复。
这一API不仅工作机制高效，而且设计理念极为先进，旨在实现简单易用与高度可移植性，
让开发者能以极少的代码改动在不同AI模型间自由切换，充分契合Spring框架一贯秉持的模块化与可互换性原则。
2、ChatClient接口
ChatClient 接口定义了一个与聊天服务交互的客户端。
这个接口主要用于创建聊天客户端对象，设置请求规范，以及发起聊天请求。
2.1、实现简单的对话
用户输入设置用户消息的内容，通过SpringBoot AI封装的方法向 AI 模型发送请求，以字符串形式返回AI 模型的响应。
@RestController
public class ChatController {//注入private final ChatClient chatClient;public ChatController(ChatClient.Builder chatClientBuilder) {this.chatClient = chatClientBuilder.build();}//实现简单对话功能@GetMapping("/chat")public String chat(@RequestParam(value = "msg", defaultValue = "你是谁")String message) {return chatClient.prompt() //提示词.user(message) //用户输入信息.call() //请求大模型.content(); //返回文本}
}
2.2、实现角色预设、流式和非流式响应
配置默认角色
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;@Configuration
public class AiConfig {@Beanpublic ChatClient chatClient(ChatClient.Builder builder) {return builder.defaultSystem("你是一个聊天助手，请根据用户问题，进行简短的回答！" +"你的名字叫老羅。").build();}
}
实现接口
@RestController
public class ChatAiController {@Autowiredprivate ChatClient chatClient;//角色预设，使用非流式响应@GetMapping("/chatai")public String chatAi(@RequestParam(value = "msg") String message) {return chatClient.prompt().user(message).call().content();}//角色预设，使用流式响应@GetMapping(value = "/chataiStream", produces = "text/html;charset=UTF-8")public Flux<String> chatAiStream(@RequestParam(value = "msg") String message) {return chatClient.prompt().user(message).stream().content();}
}
非流式输出 call：等待大模型把回答结果全部生成后输出给用户；
流式输出stream：逐个字符输出，一方面符合大模型生成方式的本质，另一方面当模型推理效率不是很高时，流式输出比起全部生成后再输出大大提高用户体验。
3、ChatModel接口
ChatModel接口作为核心，定义了与AI模型交互的基本方法。可以进行下面的操作：
3.1、使用不同大模型返回结果
调用chatModel方法并指定不同于application.yml配置中的LLM大模型返回结果
3.2、动态替换模板中的关键词
使用Prompt Template 提示词模板动态替换模板中的关键词返回结果
@RestController
public class ChatModelController {@Autowiredprivate ChatModel chatModel;//提示词操作// city：咨询城市// name：美食助手名字// voice: 饮食习惯@GetMapping("/prompt")public String prompt(@RequestParam("city") String city,@RequestParam("name") String name,@RequestParam("voice") String voice) {//设置用户输入信息String userText = """给我推荐{0}的至少三种美食""";UserMessage userMessage = new UserMessage(MessageFormat.format(userText, city));//设置系统提示信息String systemText = """你是一个美食咨询助手，可以帮助人们查询美食信息。你的名字是{name},你应该用你的名字和{voice}的饮食习惯回复用户的请求。""";//使用Prompt Template 设置信息SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemText);//替换占位符Message systemMessage =systemPromptTemplate.createMessage(Map.of("name", name, "voice", voice));//使用Prompt封装Prompt prompt = new Prompt(List.of(userMessage, systemMessage));//调用chatModel方法ChatResponse response = chatModel.call(prompt);List<Generation> results = response.getResults();returnresults.stream().map(x -> x.getOutput().getText()).collect(Collectors.joining(""));}//String call(String message)@GetMapping("/chatModel01")public String chatModel01(@RequestParam("msg") String msg) {String result = chatModel.call(msg);return result;}//ChatResponse call(Prompt prompt);@GetMapping("/chatModel02")public String chatModel02(@RequestParam("msg") String msg) {ChatResponse chatResponse = chatModel.call(new Prompt(msg,OpenAiChatOptions.builder()//可以指定不同于application.yml配置中的LLM大模型.model("deepseek-ai/DeepSeek-V3.2-Exp").temperature(1.0).build()));String content = chatResponse.getResult().getOutput().getText();return content;}
}