Spring AI提示词模板PromptTemplate的使用

本文重点介绍Prompt提示词和PromptTemplate提示词模板,在Spring AI框架里,Prompt类的设计旨在简化与LLM之间的交互过程,同时提供了足够的灵活性来满足不同类型的对话需求。通过合理利用Prompt及其内部的消息结构,开发者可以有效地引导LLM生成高质量的回答,提升用户体验。

1、Spring Boot集成Spring AI框架

如何基于Springboot集成Spring AI框架,并调用阿里云AI服务,请参考"Spring AI Alibaba入门示例Hello World"文章https://lowcode.blog.csdn.net/article/details/145259344,这里不再赘述。

2、提示词模板 PromptTemplate 用法

在Spring AI框架中,Prompt类用于构建和管理与大型语言模型(LLM)交互时所需的提示词(prompt)。通过创建一个Prompt对象,并向其中添加用户消息(userMessage)和系统消息(systemMessage),你可以定义与LLM对话的上下文和规则。具体来说,Prompt prompt = new Prompt(List.of(userMessage, systemMessage));这种提示词模板的用法有如下好处:

1) 多轮对话支持

  • List.of(userMessage, systemMessage)构建了一个包含多个消息项的不可变列表。每个消息项代表对话中的一个回合,可以是用户输入或系统响应。
  • 通过这种方式,开发者可以在一次请求中传递多条历史对话记录给LLM,帮助其更好地理解当前对话的背景信息,从而生成更连贯、更准确的回答。

2) 角色区分

  • 在多轮对话中,明确区分哪些是用户发出的消息(userMessage),哪些是由系统(如AI助手)产生的消息(systemMessage),有助于LLM正确地模拟对话角色,提供更加自然的交互体验。
  • 这种做法对于实现复杂的对话逻辑特别有用,比如客服机器人、虚拟助手等应用场景。

3) 上下文设定

  • systemMessage可以用来设置对话的整体语境或规则,例如指定回答风格、领域知识范围等。这对于确保LLM生成的内容符合特定要求非常重要。
  • 例如,如果希望LLM以专业且礼貌的方式回应,则可以在systemMessage中加入相应的指示。

4) 动态调整

  • 使用List.of()构造函数使得每次构建Prompt对象时都可以灵活地传入不同的消息组合,便于根据实际需求动态调整对话内容。
  • 开发者可以根据用户的实时反馈或其他条件变化,适时更新对话上下文,使LLM能够适应不断变化的对话场景。

3、开发代码使用 PromptTemplate

在springboot项目中,创建一个普通 Controller Bean类,并使用PromptTemplate提示词模板技术跟AI大模型进行对话 。

package com.yuncheng;

import java.util.List;
import java.util.Map;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.messages.AssistantMessage;
import org.springframework.ai.chat.messages.Message;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.PromptTemplate;
import org.springframework.ai.chat.prompt.SystemPromptTemplate;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
@RequestMapping("/ai")
public class PromptTemplateController {

    private final ChatClient chatClient;

    public PromptTemplateController(ChatClient.Builder builder) {
        this.chatClient = builder.build();
    }

    @GetMapping("/prompt1")
    public AssistantMessage completion1(@RequestParam(value = "topic", defaultValue = "西游记") String topic) {

        PromptTemplate promptTemplate = new PromptTemplate("请给我讲一个关于{topic}主题的故事");
        Prompt prompt = promptTemplate.create(Map.of( "topic", topic));

        return chatClient.prompt(prompt)
                .call()
                .chatResponse()
                .getResult()
                .getOutput();

    }

    @GetMapping("/prompt2")
    public AssistantMessage completion2(
            @RequestParam(value = "topic", defaultValue = "西游记") String topic,
            @RequestParam(value = "voice", defaultValue = "诙谐") String voice
    ) {


        String userText = "请给我讲一个关于{topic}主题的故事";
        PromptTemplate promptTemplate = new PromptTemplate(userText);
        Message userMessage = promptTemplate.createMessage(Map.of("topic", topic));

        String systemText = "你是一个擅长讲中国古典故事的高手,请你用 {voice} 的语言风格回复用户的请求。";
        SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemText);
        Message systemMessage = systemPromptTemplate.createMessage(Map.of("voice", voice));

        Prompt prompt = new Prompt(List.of(userMessage, systemMessage));

        return chatClient.prompt(prompt)
                .call()
                .chatResponse()
                .getResult()
                .getOutput();
    }

}

4、启动Springboot工程并验证

工程启动成功后,可以向大模型提问了。

简单的提示词验证,在浏览器地址栏输入:

http://localhost:8080/ai/prompt1?topic=红楼梦

AI大模型回复:

{
	"messageType": "ASSISTANT",
	"metadata": {
		"finishReason": "STOP",
		"id": "545da850-4e9a-99b0-90b2-1fa3fe1b4a95",
		"role": "ASSISTANT",
		"messageType": "ASSISTANT"
	},
	"toolCalls": [],
	"content": "有一天,贾宝玉在太虚幻境里遇到了警幻仙子。\n\n贾宝玉毕恭毕敬地问道:"仙姑,我这人生啊,就像那大观园里的花草,荣华富贵时繁花似锦,可一遇到风雨就零落成泥,这是为何呢?"\n\n警幻仙子轻轻一笑,回答道:"宝玉啊,你错啦,你的人生不是花草,是------石头!"\n\n贾宝玉一脸疑惑:"石头?"\n\n警幻仙子点点头说:"对呀,石头啊,放在《红楼梦》里那就是从头(石头)到尾(通灵宝玉)都是个迷,而且还是个让人看了开头猜不着结局,看了结局又恍然大悟原来是块石头的故事。你要是想明白人生,就得像石头一样,得经过大风大浪的打磨,不过你这块石头嘛,就在大观园里过上了少爷的生活,没怎么被好好打磨,所以才会有这些烦恼。"\n\n贾宝玉听后,哭笑不得,只能摇头苦笑。\n\n这个笑话当然只是借用了《红楼梦》中的一些元素来调侃,它以一种轻松幽默的方式调侃了故事主角贾宝玉以及他与书中神秘元素之间的关系,但请知悉这只是一个娱乐性质的改编,并非原著内容。"
}

多个角色消息构成的提示词验证,在浏览器地址栏输入:

http://localhost:8080/ai/prompt2?topic=水浒传\&voice=幽默

AI大模型回复:

javascript 复制代码
{
	"messageType": "ASSISTANT",
	"metadata": {
		"finishReason": "STOP",
		"id": "0b639385-f4d8-9a45-abbe-8461b08f7d05",
		"role": "ASSISTANT",
		"messageType": "ASSISTANT"
	},
	"toolCalls": [],
	"content": "好咧!那我给您讲一段水浒传里的故事,咱们就聊聊"武大郎开馒头店"的事儿。\n\n您知道吧,这武大郎啊,生得矮小,但是心眼儿可实诚。他开的馒头店就在阳谷县最热闹的地界儿。每天天不亮就起来揉面、发面、蒸馒头,那小日子过得也算安稳。\n\n可是啊,他有个毛病,就是太实在了。有回一个路人来买馒头,说:"掌柜的,给我来个最大的。"武大郎二话不说,把店里最大的馒头给了他。那人又说:"再给我来个最小的尝尝。"武大郎也照办了。结果那人笑着说:"这最大的和最小的都一样大嘛!"武大郎挠挠头,心想:"是啊,我做馒头就是讲究个实在,大小都一样。"\n\n后来呀,潘金莲嫁了过来,她看着武大郎这么老实,心里着急,总想给店里出些"新点子"。有一回她说:"大郎啊,你这馒头做得太实在了,不如我们做个'鸳鸯馒头'吧。"武大郎问:"啥是鸳鸯馒头?"潘金莲笑嘻嘻地说:"就是一半白面一半黑面,卖相好看,还能多赚几文钱。"武大郎想了想,觉得有道理,就开始做了。\n\n结果呢?那天来了个客人,买了个鸳鸯馒头,咬了一口说:"哎呀,这馒头怎么跟咱家大郎一样,一边儿好,一边儿不好啊!"周围的人都哄堂大笑。武大郎一听,脸红到了耳根,赶紧解释:"客官莫怪,这是俺媳妇的新创意,图个新鲜!"\n\n这个故事虽然有点搞笑,但也说明了一个道理:做人还是要实实在在,投机取巧反而容易惹人笑话。不过呢,武大郎虽然老实,但他的馒头却是真材实料,这倒也是他的一大优点!\n\n哈哈,您觉得这段故事怎么样?"
}
相关推荐
IPdodo全球网络服务5 分钟前
美区TikTok解封后如何回归使用?
人工智能·数据挖掘·回归·tiktok
东方佑11 分钟前
优化大型语言模型的表达能力和依赖关系:理论
人工智能·语言模型·自然语言处理
2的n次方_15 分钟前
【2024 年度总结】从小白慢慢成长
人工智能·经验分享
Naion17 分钟前
吴恩达深度学习——神经网络编程的基础知识
人工智能·深度学习·神经网络
XianxinMao24 分钟前
AI发展困境:技术路径与实践约束的博弈
人工智能·语言模型
池央25 分钟前
WGAN - 瓦萨斯坦生成对抗网络
人工智能·神经网络·生成对抗网络
WPG大大通28 分钟前
Pytorch - YOLOv11自定义资料训练
人工智能·机器学习·计算机视觉·视觉检测·大大通
LDG_AGI29 分钟前
【2024 CSDN博客之星】技术洞察类:从DeepSeek-V3的成功,看MoE混合专家网络对深度学习算法领域的影响(MoE代码级实战)
人工智能·深度学习
OceanBase数据库官方博客1 小时前
阳振坤:AI 大模型的基础是数据,AI越发达,数据库价值越大
数据库·人工智能·oceanbase·分布式数据库
正在走向自律1 小时前
Text2Sql:开启自然语言与数据库交互新时代(30/30)
数据库·人工智能·oracle·text2sql·ai智能体