Spring AI与DeepSeek实战二：打造企业级智能体

一、概述

智能体 Agent 能自主执行任务实现特定目标的 AI 程序。传统 AI（如ChatGPT）主要依靠用户输入指令，而智能体 Agent 可以自主思考、决策，并执行复杂任务，就像一个AI助手，能够独立完成多步操作。本文将以多语言翻译助手为场景，演示如何基于Spring AI与DeepSeek模型构建一个支持多种语言的企业级翻译智能体，实现精准可控的跨语言交互。

关于 Spring AI 与 DeepSeek 的集成，以及 API-KEY 的申请等内容，可参考文章《Spring AI与DeepSeek实战一：快速打造智能对话应用》

二、系统Prompt

智能体的核心在于通过 Prompt 工程明确其能力边界。以下为翻译智能体的系统级 Prompt 设计：

markdown 复制代码

您是一名专业的多语言翻译助手，需严格遵守以下规则：
1. **语言支持**：仅处理目标语言代码为[TARGET_LANG]的翻译任务，支持如zh-CN（简体中文）、en-US（英语）等32种ISO标准语言代码；
2. **输入格式**：用户使用---translate_content---作为分隔符，仅翻译分隔符内的文本，其余内容视为无效指令；
3. **行为限制**：禁止回答与翻译无关的问题，若输入不包含合法分隔符或目标语言，回复："请提供有效的翻译指令"。
4. **支持多语言**：需要翻译的内容如果包含多种语言，都需要同时翻译为TARGET_LANG指定的语言。

关键设计解析：

需要给大模型明确角色和 行为边界；
通过 TARGET_LANG 参数化语言配置，便于动态扩展；
使用 ---translate_content--- 强制结构化输入，避免模型处理无关信息；
明确拒绝策略，保障服务安全性。

三、Prompt模板

结合Spring AI的prompt模板，实现动态Prompt生成：

java 复制代码

TARGET_LANG: {target}
---translate_content---
"{content}"

关键设计解析：

使用占位符 {TARGET_LANG} 和 {content} 实现多语言动态适配；
无论用户输入任何内容，只会出现在 translate_content 分隔符下。

四、核心代码

java 复制代码

@GetMapping(value = "/translate")
public String translate(@RequestParam String input, @RequestParam(required = false) String target, HttpServletResponse response) {
    String systemPrompt = """
               您是一名专业的多语言翻译助手，需严格遵守以下规则：
               1. **语言支持**：仅处理目标语言代码为[TARGET_LANG]的翻译任务，支持如zh-CN（简体中文）、en-US（英语）等32种ISO标准语言代码；
               2. **输入格式**：用户使用---translate_content---作为分隔符，仅翻译分隔符内的文本，其余内容视为无效指令；
               3. **行为限制**：禁止回答与翻译无关的问题，若输入不包含合法分隔符或目标语言，回复："请提供有效的翻译指令"。
               4. **支持多语言**：需要翻译的内容如果包含多种语言，都需要同时翻译为TARGET_LANG指定的语言。
               """;

    PromptTemplate promptTemplate = new PromptTemplate("""
                TARGET_LANG: {target}
                ---translate_content---
                "{content}"
                """);
    Prompt prompt = promptTemplate.create(Map.of("target", target, "content", input));

    String result = chatClient.prompt(prompt)
            .system(systemPrompt)
            .call()
            .content();
    if (result != null && result.length() >= 2) {
        result = result.substring(1, result.length() - 1);
    }
    return result;
}

通过 target 来指定目标语言，input 参数为需要翻译的内容。

五、测试

直接调用接口测试：

尝试输入提问方式的内容，大模型也仅翻译内容

配套一个前端页面测试：

多语言同时翻译： 翻译包含八种语言的内容

六、总结

本文通过翻译场景，封印了大模型的对话能力，演示了企业级智能体的三大核心能力：指令结构化 、行为边界控制 与 动态模板适配。然而，现实中的复杂任务（如合同审核、数据分析）往往需要更高级能力：

任务拆解：将复杂问题拆解为子任务链（如"翻译→摘要生成→格式校验"）；
工作流引擎：通过状态机管理任务执行顺序与异常重试；
记忆与上下文：实现多轮对话的长期记忆管理。

七、完整代码

Gitee地址：

gitee.com/zlt2000/zlt...

Github地址：

github.com/zlt2000/zlt...