Spring AI：使用 Advisor 组件 - 打印请求大模型出入参日志

考虑一个问题，AI 应用上线后，想要打印调用大模型的出入参日志（提示词、整体回答），以便后续能够跟踪调试，要如何实现呢？小伙伴们可能会说，自定义一个打印日志的注解，通过 AOP 环绕，不就行了吗？

确实，但如果是流式对话，想要一次性打印整个流式回答，而不是片段性的打印，要怎么办呢？貌似之前的方案不太好搞定，有没有什么优雅的方式呢？那就是本文的主题 ------ Advisor 组件。

可以先看下前几篇文章：
Spring AI：对接DeepSeek实战
 Spring AI：对接官方 DeepSeek-R1 模型 ------ 实现推理效果
 Spring AI：ChatClient实现对话效果

什么是 Advisor?

Advisor 是 Spring AI 中的核心组件，用于在 AI 模型交互过程中动态拦截和增强请求与响应流，类似于面向切面编程（AOP）的拦截器。其核心目标是通过模块化设计提升 AI 应用的灵活性、安全性和扩展性。

通过它，可以实现功能如下：

请求与响应拦截：Advisor 能够拦截 AI 模型的输入和输出，允许开发者在请求发送前和响应返回后插入自定义逻辑，例如数据增强、敏感词过滤等；
功能模块化：
重复任务封装：例如日志记录、上下文记忆管理等通用功能可封装为可复用组件。
数据转换：优化发送给模型的数据结构（如添加上下文信息），并标准化响应格式。
业务规则注入：例如限制模型输出范围或根据业务需求引导生成内容。
跨模型兼容性：通过抽象接口设计，Advisor 可适配不同 AI 模型（如 DeepSeek、OpenAI 等），提升代码的可移植性。

Advisor 处理流程

下图是 Spring AI 官方提供的 Advisor 处理流程图：

大致过程如下：

1、请求初始化： Spring AI 框架根据用户的输入（Prompt）创建一个 AdvisedRequest（请求），并初始化一个空的 AdvisorContext（Advisor 上下文）对象。

2、Advisor 链路处理：

整个链路中，可能包含多个 Advisor, 每个 Advisor 依次处理 AdvisedRequest，可以修改请求内容（例如添加上下文或过滤敏感词）。
拦截机制：若某个 Advisor 决定阻止请求（如检测到违规内容），则不再调用后续 Advisor 组件，并直接生成响应（需自行填充 AdvisedResponse）。

3、调用聊天模型

最后一个 Advisor（由框架提供）将处理后的请求发送给聊天模型（Chat Model）（如 DeepSeek）。

4、大模型响应

大模型的响应会通过 Advisor 链逆向回传，并被封装为 AdvisedResponse（响应），其中包含共享的 AdvisorContext 实例。

5、响应后处理

每个 Advisor 可对响应进行二次处理或修改（例如格式化输出、添加日志等等）。

6、最终响应返回

框架从最终的 AdvisedResponse 中提取 ChatCompletion（聊天完成的结果），并将其返回给客户端。

配置 Advisor

接下来，我们就来通过 Spring AI 内置提供的日志记录组件 SimpleLoggerAdvisor ，实现一下打印出入参日志功能。编辑 ChatClientConfig 配置类：

java 复制代码

@Configuration
public class ChatClientConfig {

    /**
     * 初始化 ChatClient 客户端
     * @param chatModel
     * @return
     */
    @Bean
    public ChatClient chatClient(DeepSeekChatModel chatModel) {
        return ChatClient.builder(chatModel)
                .defaultSystem("请你扮演一个智能客服")
                .defaultAdvisors(new SimpleLoggerAdvisor()) // 添加 Spring AI 内置的日志记录功能
                .build();
    }
}

开启 debug 模式

为了能够让 SimpleLoggerAdvisor 组件打印日志，还需要编辑 application.yml 配置文件，将 SimpleLoggerAdvisor 所在的包路径，设置为 debug 模式：

java 复制代码

logging:
  level:
    org.springframework.ai.chat.client.advisor: debug

TIP: SimpleLoggerAdvisor 组件的具体包路径，可以点击查看源码来获取，如下：

重启项目，调用接口看下控制台是否有相关日志。

自定义 Advisor

另外，我们也可以自定义 Advisor 组件，接下来，我们尝试自己创建一个记录出入参日志的 Advisor 组件。

添加 Lombok

为了能够方便的输出日志，在 pom.xml 文件中，添加 Lombok 的依赖，如下：

java 复制代码

  <properties>
        // 省略
        <lombok.version>1.18.30</lombok.version>
    </properties>
    
    <dependencies>
        // 省略...

        <!-- 避免编写那些冗余的 Java 样板式代码，如 get、set 方法等 -->
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <version>${lombok.version}</version>
        </dependency>
    </dependencies>

创建 Advisor

创建一个 /advisor 包，在里面创建 MyLoggerAdvisor 自定义组件：

java 复制代码

@Slf4j
public class MyLoggerAdvisor implements CallAdvisor {

    @Override
    public ChatClientResponse adviseCall(ChatClientRequest chatClientRequest, CallAdvisorChain callAdvisorChain) {
        log.info("## 请求入参: {}", chatClientRequest);
        ChatClientResponse chatClientResponse = callAdvisorChain.nextCall(chatClientRequest);
        log.info("## 请求出参: {}", chatClientResponse);
        return chatClientResponse;
    }

    @Override
    public int getOrder() {
        return 1; // order 值越小，越先执行
    }

    @Override
    public String getName() {
    	// 获取类名称
        return this.getClass().getSimpleName();
    }
}

解释一下，上述代码中核心的地方：

添加 Lombok 提供的 @Slf4j 注解，可以方便的打印日志；
注意，自定义的 Advisor 类实现了 CallAdvisor 接口。在 Spring AI 中，CallAdvisor 和 StreamAdvisor是两种不同类型的 Advisor，分别用于处理同步调用和流式调用场景。它们的设计目的是为了适应不同的 AI 模型交互模式，提供灵活的请求拦截与响应处理能力。咱们这个日志记录 Advisor 仅支持一下同步调用场景，故只实现了 CallAdvisor 接口；
在 adviseCall() 方法中，打印调用大模型的出入参日志；
getOrder() : 支持配置多个 Advisor, 通过 Order 值来决定执行顺序，值越小，越先执行。进入到 SimpleLoggerAdvisor 源码中，会发现其 Order 值默认为 0，我们这里设置为 1，在 SimpleLoggerAdvisor 后面执行；

配置自定义 Advisor

自定义 Advisor 创建完成后，编辑 ChatClientConfig 类，配置上咱们自定义的 MyLoggerAdvisor 日志记录组件：

java 复制代码

@Configuration
public class ChatClientConfig {

    /**
     * 初始化 ChatClient 客户端
     * @param chatModel
     * @return
     */
    @Bean
    public ChatClient chatClient(DeepSeekChatModel chatModel) {
        return ChatClient.builder(chatModel)
                .defaultSystem("请你扮演一个智能客服")
                .defaultAdvisors(new SimpleLoggerAdvisor(), // 添加 Spring 内置的日志记录功能
                                 new MyLoggerAdvisor()) // 添加自定义的日志打印 Advisor
                .build();
    }
}

重启项目。调用接口测试。