Spring AI：ChatClient实现对话效果

在之前文章中，我们通过注入 DeepSeekChatModel 实例的方式，实现了对 DeepSeek 官方提供的两个不同大模型的调用（V3 和 R1 推理模型）：Spring AI：对接官方 DeepSeek-R1 模型 ------ 实现推理效果、Spring AI：对接DeepSeek实战

点击进入到 DeepSeekChatModel 的源码中，会发现它实现了 ChatModel 接口，此接口用于和具体的大语言模型（如 DeepSeek、OpenAI等）交互，提供对模型生成能力的细粒度控制，如设置模型的相关参数（如 temperature、topP、maxTokens 等等）。

除了上述方式外，我们还可以使用 Spring AI 提供的另一个接口 ------ ChatClient。此接口属于更上层的封装，它隐藏了底层模型的差异，能够简化调用。

ChatClient 与 ChatModel 对比

对比一下两个接口，如下：

使用 ChatClient 实现对话

接下来，我们通过 ChatClient 来实现一下之前一样的对话效果，看看使用方式上，有何不同。首先，编辑 application.yml 文件，将模型切换回 deepseek-chat 模型，V3 模型相较于 R1 模型，收费更低，不需要测试推理的话，用这个省点钱：

java 复制代码

spring:
  ai:
    deepseek:
      // 省略...
      chat:
        options:
          model: deepseek-chat # 使用哪个模型
          // 省略...

配置 ChatClient 客户端

新建一个 /config 包，添加 ChatClient 客户端的配置类 ChatClientConfig（相较于 ChatModel 能够通过 starter 自动装配，ChatClient 需要我们手动配置，并注入到 Spring 容器中）：

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)
                .build();
    }
}

解释一下：

方法参数 DeepSeekChatModel chatModel：依赖注入 starter 自动装配的 DeepSeekChatModel 实例，它是 ChatModel 接口的具体实现类，表示底层对接的 DeepSeek 大语言模型；
ChatClient.builder(chatModel).build(): 使用 ChatClient 的建造者模式（Builder），将 DeepSeekChatModel 实例作为底层模型绑定到 ChatClient 客户端；

新增 Controller

然后，我们在 /controller 包下，新建一个 ChatClientController 控制器，专门放置 ChatClient 使用示例代码：

并在其中定义一个 /v2/ai/generate 接口，用于实现普通类型对话，这次我们改为注入 ChatClient 来使用, 代码如下：

java 复制代码

@RestController
@RequestMapping("/v2/ai")
public class ChatClientController {

    @Resource
    private ChatClient chatClient;

    /**
     * 普通对话
     * @param message
     * @return
     */
    @GetMapping("/generate")
    public String generate(@RequestParam(value = "message", defaultValue = "你是谁？") String message) {
        // 一次性返回结果
        return chatClient.prompt()
                .user(message)
                .call()
                .content();
    }


}

重启项目。访问： http://localhost:8080/v2/ai/generate?message=你是谁

指定一个系统角色

另外，在初始化 ChatClient 的时候，还可以通过 .defaultSystem() 方法，为模型设定一个角色，如 "扮演一个智能客服"：

java 复制代码

@Configuration
public class ChatClientConfig {

    /**
     *
     * @param chatModel
     * @return
     */
    @Bean
    public ChatClient chatClient(DeepSeekChatModel chatModel) {
        return ChatClient.builder(chatModel)
                .defaultSystem("请你扮演一个智能客服")
                .build();
    }
}

重启项目，再次测试接口，会发现这次的回答结果，不再说自己是 DeepSeek Chat 模型了，而是带入了客服的角色。

流式对话

再来通过 ChatClient 实现一波流式对话的效果。编辑 ChatClientController 控制器，添加接口如下：

java 复制代码

@RestController
@RequestMapping("/v2/ai")
public class ChatClientController {

    @Resource
    private ChatClient chatClient;

    // 省略...

    /**
     * 流式对话
     * @param message
     * @return
     */
    @GetMapping(value = "/generateStream", produces = "text/html;charset=utf-8")
    public Flux<String> generateStream(@RequestParam(value = "message", defaultValue = "你是谁？") String message) {
        return chatClient.prompt()
                .user(message) // 提示词
                .stream() // 流式输出
                .content();

    }

}