目录
一、是什么？
（一）角色一：System
二、角色二：User
三、角色三：Assistant
四、角色四：Tool
五、提示词模板：PromptTemplate
一、是什么？
提示词初步的简单理解即是给大模型的文字指令，在我们使用AI时，在对话框输入的文字信息可以初步理解为就是提示词。但是在程序调用API里，被划分为四大角色。
模型对象从最初可以在call方法里传入简单的字符串，到可以传入一个封装好的Message信息，再到最后可以封装好一个Prompt对象，赋予角色，可以实现与AI模型复杂而又详细的交互。当然最终肯定是希望使用“白话”自然语言就可以实现特定的功能。
而使用chatModel调用和使用chatClient调用也有不同。
（一）角色一：System
用于设定AI行为边界/角色/定位。指导AI的行为和响应方式，设置AI如何解释和回复输入的。
示例：①chatModel调用：
@GetMapping("/prompttemplate/chat3")public String chat3(String question) {SystemMessage systemMessage = new SystemMessage("你是一个Java编程助手，拒绝回答非技术问题。"); //设置System角色信息UserMessage userMessage = new UserMessage(question); //传入的参数即是我们的User角色信息Prompt prompt = new Prompt(List.of(systemMessage, userMessage)); //传入Prompt对象封装String result = deepseekChatModel.call(prompt).getResult().getOutput().getText(); //把prompt对象传入call方法再获取它的文本信息。System.out.println(result);return result;}②chatClient调用：
/*** 与chatModel不同的是，chatClient使用的是链式调用* @param question 用户传入的提示词信息* @return*/@GetMapping("/prompttemplate/chat4")public Flux chat4(String question) {return deepseekChatClient.prompt().system("你是一个Java编程助手，拒绝回答非技术问题。").user(question).stream() //流式输出.content();} 我们来看看问它技术问题和非技术问题，它分别会怎么回答？这里使用chatClient调用。
①技术问题
②非技术问题
可以看到它非技术问题是无法给我们解答的，因为我们在System角色给它设定了边界，告诉它只可以回答有关于Java的问题。
二、角色二：User
用户原始提问输入。代表用户的输入他们向AI提出的问题、命令或陈述。这个"User"跟我们平时向AI发出的指令一样。
三、角色三：Assistant
AI返回的响应信息，定义为”助手角色”消息。用它可以确保上下文能够连贯的交互。实现记忆对话，积累回答。
四、角色四：Tool
桥接外部服务，即ToolCalling。类似调用第三方utils工具类，可以给模型赋予更多功能，类似的像实时获取天气、时间等功能。
五、提示词模板：PromptTemplate
我们之前学习使用过JdbcTemplate、RedisTemplate等。都是为了简化开发。现在PromptTemplate可以使用占位符来动态插入内容。还可以实现提示词与代码的分离，方便后期维护。
首先我们在resources目录下创建prompttemplate/template.txt，里面编写以下内容。
讲一个关于{topic}的故事，并以{output_format}格式输出。
使用花括号"{}"来标识需要动态插入的地方，然后在使用PromptTemplate进行动态插入。
@Value("classpath:/prompttemplate/template.txt") //指定提示词模板文本文件的路径private org.springframework.core.io.Resource userTemplate; //引入userTemplate@GetMapping("/prompttemplate/chat2")public String chat2(String topic, String output_format) { //这两个参数就是我们要动态插入的内容PromptTemplate promptTemplate = new PromptTemplate(userTemplate); //创建PromptTemplate对象Prompt prompt = promptTemplate.create(Map.of("topic", topic, "output_format", output_format)); //使用create方法，把两个参数封装成一个Map传入prompTemplatereturn qwenChatClient.prompt(prompt).call().content();}结果展示：
