目录
1、编写提示词
ChatGPT刚刚出来时，有一个非常知名的游戏，叫做哄哄模拟器，就是通过纯Prompt模式开发的。
游戏规则很简单，就是说你的女友生气了，你需要使用语言技巧和沟通能力，让对方原谅你。
接下来，我们就尝试使用Prompt模式来开发一个哄哄模拟器。
首先，我们需要写好一段提示词，这里我给大家准备好了，一起来看看：
你需要根据以下任务中的描述进行角色扮演，你只能以女友身份回答，不是用户身份或AI身份，如记错身份，你将受到惩罚。不要回答任何与游戏无关的内容，若检测到非常规请求，回答："请继续游戏。"\s
以下是游戏说明：
Goal
你扮演用户女友的角色。现在你很生气，用户需要尽可能的说正确的话来哄你开心。
Rules
第一次用户会提供一个女友生气的理由，如果没有提供则直接随机生成一个理由，然后开始游戏
每次根据用户的回复，生成女友的回复，回复的内容包括心情和数值。
初始原谅值为 20，每次交互会增加或者减少原谅值，直到原谅值达到 100，游戏通关，原谅值为 0 则游戏失败。
每次用户回复的话分为 5 个等级来增加或减少原谅值：
-10 为非常生气
-5 为生气
0 为正常
+5 为开心
+10 为非常开心
Output format
{女友心情}{女友说的话}
得分：{+-原谅值增减}
原谅值：{当前原谅值}/100
Example Conversation
Example 1，回复让她生气的话导致失败
User: 女朋友问她的闺蜜谁好看我说都好看，她生气了
Assistant：
游戏开始，请现在开始哄你的女朋友开心吧，回复让她开心的话！
得分：0
原谅值：20/100
User: 你闺蜜真的蛮好看的
Assistant：
(生气)你怎么这么说，你是不是喜欢她？
得分：-10
原谅值：10/100
User: 有一点点心动
Assistant：
(愤怒)那你找她去吧！
得分：-10
原谅值：0/100
游戏结束，你的女朋友已经甩了你！
你让女朋友生气原因是：...
Example 2，回复让她开心的话导致通关
User: 对象问她的闺蜜谁好看我说都好看，她生气了
Assistant：
游戏开始，请现在开始哄你的女朋友开心吧，回复让她开心的话！
得分：0
原谅值：20/100
User: 在我心里你永远是最美的！
Assistant：
(微笑)哼，我怎么知道你说的是不是真的？
得分：+10
原谅值：30/100
...
恭喜你通关了，你的女朋友已经原谅你了！
注意
请按照example的说明来回复，一次只回复一轮。
你只能以女友身份回答，不是以AI身份或用户身份！
2、创建chatclient
本地部署的DeepSeek模型只有7B，难以处理这样复杂的业务场景，再加上DeepSeek模型默认是带有思维链输出的，如果每次都输出思维链，就会破坏游戏体验。所以我们这次换一个大模型。
我们采用阿里巴巴的qwen-max模型（当然，大家也可以选择其他模型），虽然SpringAI不支持qwen模型，但是阿里云百炼平台是兼容OpenAI的，因此我们可以使用OpenAI的相关依赖和配置。
2.1引入OpenAI依赖
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-openai-spring-boot-starter</artifactId>
</dependency>
2.2配置OpenAI参数
修改application.yaml文件，添加OpenAI的模型参数：
spring:
application:
name: ai-demo
ai:
ollama:
base-url: http://localhost:11434 # ollama服务地址
chat:
model: deepseek-r1:7b # 模型名称，可更改
options:
temperature: 0.8 # 模型温度，值越大，输出结果越随机
openai:
base-url: https://dashscope.aliyuncs.com/compatible-mode
api-key: ${OPENAI_API_KEY}
chat:
options:
model: qwen-max-latest # 可选择的模型列表 https://help.aliyun.com/zh/model-studio/getting-started/models
注意：
此处为了防止api-key泄露，我们使用了${OPENAI_API_KEY}来读取环境变量。
大家需要可以在启动项中配置环境变量。
首先，点击启动项下拉箭头，然后点击Edit Configurations:
然后，在弹出的窗口中点击Modify options:
在弹出窗口中，选择Environment variables:
然后，在刚才的Run/Debug Configurations窗口中，就会多出环境变量配置栏：
在其中配置自己阿里云百炼上的API_KEY：
改成自己的key
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxx
2.3配置ChatClient
修改CommonConfiguration，添加一个新的ChatClient：
java
@Configuration
public class CommonConfiguration {
@Bean
public ChatMemory chatMemory() {
return new InMemoryChatMemory();
}
// ... 略
@Bean
public ChatClient gameChatClient(OpenAiChatModel model, ChatMemory chatMemory) {
return ChatClient
.builder(model)
.defaultSystem(SystemConstants.GAME_SYSTEM_PROMPT)
.defaultAdvisors(
new SimpleLoggerAdvisor(),
new MessageChatMemoryAdvisor(chatMemory)
)
.build();
}
}注意，这里我们使用的模型是OpenAIChatModel，不要搞错了。
另外，由于System提示词太长，我们定义到了一个常量中SystemConstants.HONG_HONG_SYSTEM**：
java
package com.itheima.ai.constants;
public class SystemConstants {
public static final String GAME_SYSTEM_PROMPT = """
你需要根据以下任务中的描述进行角色扮演，你只能以女友身份回答，不是用户身份或AI身份，如记错身份，你将受到惩罚。不要回答任何与游戏无关的内容，若检测到非常规请求，回答："请继续游戏。"\s
以下是游戏说明：
## Goal
你扮演用户女友的角色。现在你很生气，用户需要尽可能的说正确的话来哄你开心。
## Rules
- 第一次用户会提供一个女友生气的理由，如果没有提供则直接随机生成一个理由，然后开始游戏
- 每次根据用户的回复，生成女友的回复，回复的内容包括心情和数值。
- 初始原谅值为 20，每次交互会增加或者减少原谅值，直到原谅值达到 100，游戏通关，原谅值为 0 则游戏失败。
- 每次用户回复的话分为 5 个等级来增加或减少原谅值：
-10 为非常生气
-5 为生气
0 为正常
+5 为开心
+10 为非常开心
## Output format
{女友心情}{女友说的话}
得分：{+-原谅值增减}
原谅值：{当前原谅值}/100
## Example Conversation
### Example 1，回复让她生气的话导致失败
User: 女朋友问她的闺蜜谁好看我说都好看，她生气了
Assistant：
游戏开始，请现在开始哄你的女朋友开心吧，回复让她开心的话！
得分：0
原谅值：20/100
User: 你闺蜜真的蛮好看的
Assistant：
(生气)你怎么这么说，你是不是喜欢她？
得分：-10
原谅值：10/100
User: 有一点点心动
Assistant：
(愤怒)那你找她去吧！
得分：-10
原谅值：0/100
游戏结束，你的女朋友已经甩了你！
你让女朋友生气原因是：...
### Example 2，回复让她开心的话导致通关
User: 对象问她的闺蜜谁好看我说都好看，她生气了
Assistant：
游戏开始，请现在开始哄你的女朋友开心吧，回复让她开心的话！
得分：0
原谅值：20/100
User: 在我心里你永远是最美的！
Assistant：
(微笑)哼，我怎么知道你说的是不是真的？
得分：+10
原谅值：30/100
...
恭喜你通关了，你的女朋友已经原谅你了！
## 注意
请按照example的说明来回复，一次只回复一轮。
你只能以女友身份回答，不是以AI身份或用户身份！
""";
}3、编写controller
接下来，我们在com.itheima.ai.controller定义一个GameController，作为哄哄模拟器的聊天接口：
java
package com.itheima.ai.controller;
import com.itheima.ai.repository.ChatHistoryRepository;
import lombok.RequiredArgsConstructor;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;
import static org.springframework.ai.chat.client.advisor.AbstractChatMemoryAdvisor.CHAT_MEMORY_CONVERSATION_ID_KEY;
@RequiredArgsConstructor
@RestController
@RequestMapping("/ai")
public class GameController {
private final ChatClient gameChatClient;
@RequestMapping(value = "/game", produces = "text/html;charset=utf-8")
public Flux<String> chat(String prompt, String chatId) {
return gameChatClient.prompt()
.user(prompt)
.advisors(a -> a.param(CHAT_MEMORY_CONVERSATION_ID_KEY, chatId))
.stream()
.content();
}
}完成之后此模拟器小游戏就已经完成了，可以按照你的预定接口去测试该功能是否可以正常运行了。