Spring AI应用系列——基于DashScope平台的Chat应用

1. 项目背景与架构

dashscope-chat-client 是一个基于 Spring AI 框架的聊天客户端示例项目,主要依赖于阿里巴巴云的 DashScope 聊天服务。项目的核心功能是通过 DashScopeChatClientController 提供 RESTful API 接口,支持简单的对话、流式响应以及自定义 Advisor 功能。

文件结构

  • pom.xml: Maven 构建文件,定义了项目的依赖和插件配置。
  • DashScopeChatClientApplication.java: Spring Boot 启动类,负责启动应用程序。
  • DashScopeChatClientController.java: 核心控制器类,实现聊天功能的接口。
  • application.yml: 配置文件,包含服务端口和 API 密钥。

2. 核心类分析:DashScopeChatClientController

2.1 类初始化与参数解析

DashScopeChatClientController 的构造函数中,通过 ChatClient.builder 初始化了一个 ChatClient 实例,并设置了多个参数:

java 复制代码
this.dashScopeChatClient = ChatClient.builder(chatModel)
    .defaultAdvisors(new MessageChatMemoryAdvisor(new InMemoryChatMemory()))
    .defaultAdvisors(new SimpleLoggerAdvisor())
    .defaultOptions(DashScopeChatOptions.builder().withTopP(0.7).build())
    .build();
参数详解:
  1. MessageChatMemoryAdvisor:

    • 作用: 实现聊天记忆功能,用于存储和检索对话历史。
    • 关键参数 :
      • CHAT_MEMORY_CONVERSATION_ID_KEY: 对话 ID,用于区分不同的会话。
      • CHAT_MEMORY_RETRIEVE_SIZE_KEY: 检索大小,控制每次检索的历史消息数量。
    • 应用场景: 在多轮对话中,通过记忆功能确保上下文连贯性。例如,用户可以问"我叫什么名字",系统能够根据历史记录回答。
  2. SimpleLoggerAdvisor:

    • 作用: 日志记录功能,用于调试和监控聊天过程。
    • 应用场景: 开发阶段或生产环境中,记录每次请求的输入输出,便于排查问题。
  3. DashScopeChatOptions:

    • 作用 : 设置聊天模型的选项,如 topP 参数。
    • 关键参数 :
      • topP: 控制生成文本的多样性,值越小生成结果越集中。
    • 应用场景: 调整生成文本的质量和多样性,适用于不同场景的需求。

2.2 接口功能分析

2.2.1 简单调用接口 /simple/chat
java 复制代码
@GetMapping("/simple/chat")
public String simpleChat() {
    return dashScopeChatClient.prompt(DEFAULT_PROMPT).call().content();
}
  • 功能: 返回默认提示语的响应内容。
  • 应用场景: 快速验证服务是否正常运行。
2.2.2 流式调用接口 /stream/chat
java 复制代码
@GetMapping("/stream/chat")
public Flux<String> streamChat(HttpServletResponse response) {
    response.setCharacterEncoding("UTF-8");
    return dashScopeChatClient.prompt(DEFAULT_PROMPT).stream().content();
}
  • 功能: 返回流式响应,支持实时输出。
  • 应用场景: 实时聊天场景,如语音助手或直播互动。
2.2.3 自定义 Advisor 接口 /advisor/chat/{id}/{prompt}
java 复制代码
@GetMapping("/advisor/chat/{id}/{prompt}")
public Flux<String> advisorChat(HttpServletResponse response, @PathVariable String id, @PathVariable String prompt) {
    response.setCharacterEncoding("UTF-8");
    return this.dashScopeChatClient.prompt(prompt)
            .advisors(a -> a.param(CHAT_MEMORY_CONVERSATION_ID_KEY, id).param(CHAT_MEMORY_RETRIEVE_SIZE_KEY, 100))
            .stream().content();
}
  • 功能: 支持自定义 Advisor,增强聊天功能。
  • 应用场景: 多轮对话、个性化推荐等复杂场景。

3. 单元测试分析

为了验证 DashScopeChatClientController 的功能,我们编写了以下单元测试:

java 复制代码
@SpringBootTest
public class DashScopeChatClientControllerTest {

    @Autowired
    private DashScopeChatClientController controller;

    @Test
    public void testSimpleChat() {
        String response = controller.simpleChat();
        assertNotNull(response);
        assertTrue(response.contains("你好"));
    }

    @Test
    public void testStreamChat() {
        Flux<String> response = controller.streamChat(null);
        StepVerifier.create(response)
                .expectNextMatches(s -> s.contains("你好"))
                .verifyComplete();
    }

    @Test
    public void testAdvisorChat() {
        Flux<String> response = controller.advisorChat("123", "你好,我叫牧生");
        StepVerifier.create(response)
                .expectNextMatches(s -> s.contains("牧生"))
                .verifyComplete();
    }
}
测试结果分析:
  1. testSimpleChat:

    • 验证了默认提示语的响应是否正确。
    • 结果表明服务能够正常返回内容。
  2. testStreamChat:

    • 验证了流式响应的功能。
    • 结果表明服务能够实时输出内容。
  3. testAdvisorChat:

    • 验证了自定义 Advisor 的功能。
    • 结果表明服务能够根据对话 ID 和提示语生成正确的响应。

4. 总结与展望

通过对ChatClient的深入分析,我们可以通过合理配置参数和自定义 Advisor,可以根据具体需求实现各种聊天功能。

未来改进方向包括:

  1. 性能优化: 提高流式响应的吞吐量。
  2. 安全性增强: 加密敏感信息,防止数据泄露。
  3. 多语言支持: 扩展对更多语言的支持。
相关推荐
千码君20162 小时前
Go语言:对其语法的一些见解
开发语言·后端·golang
Theodore_10222 小时前
机器学习(2) 线性回归和代价函数
人工智能·深度学习·机器学习·线性回归·代价函数
Akamai中国3 小时前
运维逆袭志·第4期 | 安全风暴的绝地反击 :从告警地狱到智能防护
运维·人工智能·云计算·云服务·云存储
yuuki2332333 小时前
【C语言】预处理详解
c语言·windows·后端
合作小小程序员小小店3 小时前
web网页开发,在线%考试,教资,题库%系统demo,基于vue,html,css,python,flask,随机分配,多角色,前后端分离,mysql数据库
前端·vue.js·后端·前端框架·flask
ygwelcome3 小时前
如何使用最简单的get请求融合众多AI API,包括ChatGPT、Grok等
人工智能
顾漂亮3 小时前
Redis深度探索
java·redis·后端·spring·缓存
努力也学不会java3 小时前
【Spring】Spring事务和事务传播机制
java·开发语言·人工智能·spring boot·后端·spring
小姐姐味道3 小时前
Claude Skills:被过度吹嘘的的概念翻新!
后端·github·claude