Spring AI(2)—— 发送消息的API

消息类型介绍

Spring AI中提供了四种消息角色:

  • System Role(系统角色):指导AI的行为和响应风格,设定AI解释和回复输入的参数或规则。这类似于在开始对话之前向AI提供指示。
  • User Role(用户角色):表示用户输入的内容,用于描述对AI的提问、命令或陈述信息。该角色构成了AI回应的基础。
  • Assistant Role(助理角色):AI对用户输入的响应。它不仅仅是一个答案或反应,它对于维持对话流是至关重要的。通过跟踪AI之前的响应,系统确保了连贯性和上下文相关的互动性。该消息也可能包含函数工具调用请求信息,当需要执行特定功能(如计算、获取数据或其他超出单纯对话的任务)时使用。
  • Tool(Function)Role(工具角色): 该侧重于返回响应函数调用的信息。

源码中对消息角色的定义:

java 复制代码
public enum MessageType {
	USER("user"),
	ASSISTANT("assistant"),
	SYSTEM("system"),
	TOOL("tool");
}

通过ChatModel对象发送消息

ChatModel对象通常可以通过调用call()方法发送消息,ChatModel接口中对应的call()方法主要包括:

java 复制代码
public interface ChatModel extends Model<Prompt, ChatResponse>, StreamingChatModel {
    default String call(String message) {
        Prompt prompt = new Prompt(new UserMessage(message));
        Generation generation = this.call(prompt).getResult();
        return generation != null ? generation.getOutput().getText() : "";
    }

    default String call(Message... messages) {
        Prompt prompt = new Prompt(Arrays.asList(messages));
        Generation generation = this.call(prompt).getResult();
        return generation != null ? generation.getOutput().getText() : "";
    }

    ChatResponse call(Prompt prompt);

    ......

}

通过源码可以看到,调用call()方法,内部都会将消息封装为Prompt对象(笔者将Prompt称为提示词对象),其接口内容如下:

java 复制代码
public class Prompt implements ModelRequest<List<Message>> {
    private final List<Message> messages;
    @Nullable
    private ChatOptions chatOptions;

    public Prompt(String contents) {
        this((Message)(new UserMessage(contents)));
    }

    public Prompt(Message message) {
        this(Collections.singletonList(message));
    }

    public Prompt(List<Message> messages) {
        this((List)messages, (ChatOptions)null);
    }

    public Prompt(Message... messages) {
        this((List)Arrays.asList(messages), (ChatOptions)null);
    }

    public Prompt(String contents, @Nullable ChatOptions chatOptions) {
        this((Message)(new UserMessage(contents)), chatOptions);
    }

    public Prompt(Message message, @Nullable ChatOptions chatOptions) {
        this(Collections.singletonList(message), chatOptions);
    }

    public Prompt(List<Message> messages, @Nullable ChatOptions chatOptions) {
        Assert.notNull(messages, "messages cannot be null");
        Assert.noNullElements(messages, "messages cannot contain null elements");
        this.messages = messages;
        this.chatOptions = chatOptions;
    }
    ......

}

通过源码可以到,Prompt对象中包含属性为List<Message>(聊天消息的列表)和ChatOptions(大模型属性信息的对象)。

相关接口关系如下:

call()参数使用String

java 复制代码
@GetMapping("/chat")
public String chat(String message) {
    String answer = this.chatModel.call(message);
    System.out.println(answer);
    return "success";
}

call()参数使用Message

java 复制代码
    @GetMapping("/chat")
    public String chat(String message) {
        // 创建用户消息对象
        Message userMessage = new UserMessage(message);
        System.out.println(userMessage);
        String answer = this.chatModel.call(userMessage);
        System.out.println(answer);
        return "success";
    }

call()参数使用Prompt

java 复制代码
    @GetMapping("/chat")
    public String chat(String message) {
        Message userMessage = new UserMessage(message);
        // 创建提示词对象
        Prompt prompt = new Prompt(userMessage);
        // 如果参数是Prompt对象,返回值类型为ChatResponse
        ChatResponse response = this.chatModel.call(prompt);
        // getOutput()方法返回AssistantMessage对象
        System.out.println(response.getResult().getOutput().getText());
        return "success";
    }

提示词模版PromptTemplate

提示词模板主要用于结构化提示的创建,然后将这些提示发送到 AI 模型进行处理。

java 复制代码
    @GetMapping("/chat")
    public String chat(String message) {

        // PromptTemplate是针对用户信息的模版,对类似的还有SystemPromptTemplate,AssistantPromptTemplate
        // {question}相当于占位符
        PromptTemplate promptTemplate = new PromptTemplate("针对用户提出的问题:{question},尽量回答的言简意赅");
        // 设置占位符对应的内容
        Message userMessage = promptTemplate.createMessage(Map.of("question", message));

        System.out.println(userMessage);
        String answer = this.chatModel.call(userMessage);
        System.out.println(answer);
        return "success";
    }

PromptTemplate是针对用户信息的模版,类似的还有:SystemPromptTemplate,AssistantPromptTemplate。

{question}可以理解为占位符,{}中的占位符名称可以随便定义。在创建消息时,需要对占位符设置替换的内容。

输出UserMessage对象内容如下:

通过ChatClient对象发送消息

ChatClient对象通过prompt()方法设置消息内容,其方法参数如下:

java 复制代码
public interface ChatClient {

    ChatClientRequestSpec prompt();
    ChatClientRequestSpec prompt(String content);
    ChatClientRequestSpec prompt(Prompt prompt);
    ......

}

如果使用不带参数的propmt()方法,需要调用额外调用user()、system()方法设置需要发送的信息。

prompt()使用String参数

java 复制代码
    @GetMapping("/chat")
    public String chat(String message) {
        String answer = this.client.prompt(message).call().content();
        System.out.println(answer);
        return "success";
    }

prompt()使用Prompt参数

java 复制代码
    @GetMapping("/chat")
    public String chat(String message) {
        Prompt prompt = new Prompt(message);
        String answer = this.client.prompt(prompt).call().content();
        System.out.println(answer);
        return "success";
    }

不带参数的prompt()方法

java 复制代码
    @GetMapping("/chat")
    public String chat(String message) {
        String answer = this.client.prompt().user(message).call().content();
        System.out.println(answer);
        return "success";
    }

使用提示词模版

可以通过PromptTemplate设置,也可以通过user()或者system()方法设置。

java 复制代码
    @GetMapping("/chat")
    public String chat(String message) {
        String answer = this.client.prompt()
                .user(item -> item.text("针对用户的问题:{question},尽量回答的简略")
                        .param("question", message))
                .call().content();
        System.out.println(answer);
        return "success";
    }
相关推荐
风象南7 分钟前
SpringBoot 控制器的动态注册与卸载
java·spring boot·后端
BFT白芙堂11 分钟前
睿尔曼系列机器人——以创新驱动未来,重塑智能协作新生态(上)
人工智能·机器学习·机器人·协作机器人·复合机器人·睿尔曼机器人
aneasystone本尊17 分钟前
使用 MCP 让 Claude Code 集成外部工具
人工智能
静心问道27 分钟前
SEW:无监督预训练在语音识别中的性能-效率权衡
人工智能·语音识别
我是一只代码狗33 分钟前
springboot中使用线程池
java·spring boot·后端
xwz小王子34 分钟前
从LLM到WM:大语言模型如何进化成具身世界模型?
人工智能·语言模型·自然语言处理
我爱一条柴ya34 分钟前
【AI大模型】深入理解 Transformer 架构:自然语言处理的革命引擎
人工智能·ai·ai作画·ai编程·ai写作
静心问道35 分钟前
FLAN-T5:规模化指令微调的语言模型
人工智能·语言模型·自然语言处理
李师兄说大模型36 分钟前
KDD 2025 | 地理定位中的群体智能:一个多智能体大型视觉语言模型协同框架
人工智能·深度学习·机器学习·语言模型·自然语言处理·大模型·deepseek
静心问道37 分钟前
SqueezeBERT:计算机视觉能为自然语言处理在高效神经网络方面带来哪些启示?
人工智能·计算机视觉·自然语言处理