Spring AI 06 提示词（Prompt）全场景实战：从基础到高级模板用法

程序员小郭832026-03-25 15:21

在 Spring AI 开发中，Prompt（提示词） 是与大模型交互的核心，灵活的提示词设计能直接决定AI回答的质量。本文基于你提供的完整代码，详细讲解 Spring AI 中基础提示词、系统提示词、动态参数提示词、模板化提示词、外部文件提示词的全套用法，让你轻松掌握提示词的高级编排技巧。

一、前置说明

本文基于 Spring AI + Ollama 环境，使用我们上文中配置好的 ollamaChatClient 实现流式响应，所有接口均支持中文、无乱码、可直接运行测试。

核心依赖（确保已引入）：

xml 复制代码 
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
</dependency>

二、完整代码 + 逐接口详解

1. 基础提示词（最简单调用）

直接传入用户问题，无任何额外配置，最基础的AI调用方式。

java 复制代码 
/**
 * 1. 基础提示词：直接传入用户问题
 */
@GetMapping(value = "/chat1", produces = "text/stream;charset=utf-8")
public Flux<String> chat1() {
    String userInput = "今天的天气怎么样？";
    return ollamaChatClient.prompt()
            .user(userInput)
            .stream()
            .content();
}

✅ 适用场景：简单问答、无角色设定、无格式要求的场景。

2. 系统提示词（设定AI角色）

使用 .system() 给AI设定固定角色/风格，优先级高于全局配置。

java 复制代码 
/**
 * 2. 系统提示词：设定AI回答风格（优先级高于全局）
 */
@GetMapping(value = "/chat2", produces = "text/stream;charset=utf-8")
public Flux<String> chat2() {
    String userInput = "今天的天气怎么样？";
    return ollamaChatClient.prompt()
            .system("以小朋友的风格来回答") // 系统提示词：角色设定
            .user(userInput)
            .stream()
            .content();
}

✅ 效果：AI会用可爱、简单、口语化的小朋友语气回答天气问题。

3. 动态参数系统提示词（变量传参）

系统提示词支持动态参数 ，通过 .param() 传入变量，灵活切换角色。

java 复制代码 
/**
 * 3. 动态参数系统提示词：前端传入角色，动态生成提示词
 */
@GetMapping(value = "/chat3", produces = "text/stream;charset=utf-8")
public Flux<String> chat3(String role) {
    String userInput = "今天的天气怎么样？";
    return ollamaChatClient.prompt()
            .system(spec -> spec.text("以{role}的语气风格回答问题").param("role", role))
            .user(userInput)
            .stream()
            .content();
}

✅ 测试示例：

  • 请求：/prompt/chat3?role=天气预报员
  • AI效果：以专业天气预报员的身份回答问题

4. PromptTemplate 模板提示词

使用 PromptTemplate 标准化构建提示词，支持变量渲染。

java 复制代码 
/**
 * 4. PromptTemplate模板：标准化构建提示词
 */
@GetMapping(value = "/chat4", produces = "text/stream;charset=utf-8")
public Flux<String> chat4(String weather) {
    // 定义模板
    PromptTemplate template = new PromptTemplate("今天是{weather}吗？");
    // 渲染变量
    Prompt prompt = template.create(Map.of("weather", weather));

    return ollamaChatClient.prompt(prompt)
            .stream()
            .content();
}

✅ 测试 ：传入 weather=晴天，最终提示词为：今天是晴天吗？

5. 自定义分隔符模板（<> 替代 {}）

默认模板使用 {} 分隔变量，可自定义分隔符（如 <>）避免冲突。

java 复制代码 
/**
 * 5. 自定义模板分隔符：使用<>代替{}，避免语法冲突
 */
@GetMapping(value = "/chat5", produces = "text/stream;charset=utf-8")
public Flux<String> chat5(String weather) {
    PromptTemplate promptTemplate = PromptTemplate.builder()
            // 自定义分隔符 < >
            .renderer(StTemplateRenderer.builder()
                    .startDelimiterToken('<')
                    .endDelimiterToken('>')
                    .build())
            .template("""
                    今天是<weather>吗？
                     """)
            .build();
    // 渲染变量
    String prompt = promptTemplate.render(Map.of("weather", weather));

    return ollamaChatClient.prompt(prompt)
            .stream()
            .content();
}

✅ 适用场景 ：提示词中本身包含大括号{}，避免变量解析错误。

6. 外部文件加载提示词（text.st）

最实用的企业级用法：将提示词写在外部文件中，无需修改代码即可更新提示词。

java 复制代码 
/**
 * 6. 外部文件提示词：从本地.st文件加载系统提示词
 */
@GetMapping(value = "/chat6", produces = "text/stream;charset=utf-8")
public Flux<String> chat6(String weather) {
    // 加载本地提示词文件
    var systemResource = new FileSystemResource("C:\\Users\\user\\OneDrive\\桌面\\text.st");
    // 构建系统提示模板
    SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemResource);
    // 渲染变量
    String prompt = systemPromptTemplate.create(Map.of("weather", weather)).getContents();

    return ollamaChatClient.prompt(prompt)
            .stream()
            .content();
}
📄 外部文件 text.st 内容示例：
复制代码 
你是一个专业的天气助手，只回答天气相关问题。
用户问题：{weather}
请用简洁、专业的语言回答。

✅ 优势：提示词与代码解耦，支持热更新、多人协作编辑。

三、完整 Controller 代码（可直接复制）

java 复制代码 
package com.easyai;

import jakarta.annotation.Resource;
import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.PromptTemplate;
import org.springframework.ai.chat.prompt.SystemPromptTemplate;
import org.springframework.ai.template.st.StTemplateRenderer;
import org.springframework.core.io.FileSystemResource;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;

import java.util.Map;

@RestController
@RequestMapping("/prompt")
@Slf4j
public class PromptController {

    @Resource
    private ChatClient ollamaChatClient;

    // 1. 基础提示词
    @GetMapping(value = "/chat1", produces = "text/stream;charset=utf-8")
    public Flux<String> chat1() {
        String userInput = "今天的天气怎么样？";
        return ollamaChatClient.prompt()
                .user(userInput)
                .stream()
                .content();
    }

    // 2. 固定系统提示词
    @GetMapping(value = "/chat2", produces = "text/stream;charset=utf-8")
    public Flux<String> chat2() {
        String userInput = "今天的天气怎么样？";
        return ollamaChatClient.prompt()
                .system("以小朋友的风格来回答")
                .user(userInput)
                .stream()
                .content();
    }

    // 3. 动态参数系统提示词
    @GetMapping(value = "/chat3", produces = "text/stream;charset=utf-8")
    public Flux<String> chat3(String role) {
        String userInput = "今天的天气怎么样？";
        return ollamaChatClient.prompt()
                .system(spec -> spec.text("以{role}的语气风格回答问题").param("role", role))
                .user(userInput)
                .stream()
                .content();
    }

    // 4. PromptTemplate模板
    @GetMapping(value = "/chat4", produces = "text/stream;charset=utf-8")
    public Flux<String> chat4(String weather) {
        PromptTemplate template = new PromptTemplate("今天是{weather}吗？");
        Prompt prompt = template.create(Map.of("weather", weather));

        return ollamaChatClient.prompt(prompt)
                .stream()
                .content();
    }

    // 5. 自定义分隔符模板
    @GetMapping(value = "/chat5", produces = "text/stream;charset=utf-8")
    public Flux<String> chat5(String weather) {
        PromptTemplate promptTemplate = PromptTemplate.builder()
                .renderer(StTemplateRenderer.builder().startDelimiterToken('<').endDelimiterToken('>').build())
                .template("""
                        今天是<weather>吗？
                         """)
                .build();
        String prompt = promptTemplate.render(Map.of("weather", weather));

        return ollamaChatClient.prompt(prompt)
                .stream()
                .content();
    }

    // 6. 外部文件加载提示词
    @GetMapping(value = "/chat6", produces = "text/stream;charset=utf-8")
    public Flux<String> chat6(String weather) {
        var systemResource = new FileSystemResource("C:\\Users\\user\\OneDrive\\桌面\\text.st");
        SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemResource);
        String prompt = systemPromptTemplate.create(Map.of("weather", weather)).getContents();

        return ollamaChatClient.prompt(prompt)
                .stream()
                .content();
    }
}

四、核心知识点总结

  1. 基础提示词 ：.user() 直接传入问题，快速调用
  2. 系统提示词 ：.system() 设定AI角色，优先级最高
  3. 动态提示词 ：使用 {变量} + .param() 实现灵活传参
  4. 模板提示词 ：PromptTemplate 标准化管理提示词
  5. 自定义分隔符：解决模板符号冲突问题
  6. 外部文件提示词：企业级最佳实践，提示词与代码解耦

五、测试建议

  1. 启动项目后，逐个访问接口测试效果
  2. 测试 /chat3 时传入不同角色（天气预报员、诗人、老师）
  3. 创建 text.st 文件测试外部提示词功能
  4. 所有接口均支持流式响应，浏览器访问可看到逐字输出

总结

本文覆盖了 Spring AI Prompt 提示词 100% 常用场景 ，从简单到企业级模板用法全部包含，代码可直接运行、可直接用于项目开发。配合上一篇的 多智能体 + Advisor，你已经完全掌握 Spring AI 核心开发能力！

相关推荐
2601_9494999418 分钟前
400G组网低功耗优选！芯瑞科技400G VR4 QSFP112光模块赋能智算中心高速互联
大数据·人工智能·科技
GoAI38 分钟前
# AI Agent 记忆框架横向对比报告总结
人工智能·大模型·llm·多模态
李昊哲小课1 小时前
fastapi sse websocket 奶茶店实时订单看板
人工智能·python·websocket·网络协议·fastapi·sse
万邦科技Lafite1 小时前
天猫商品评论API：评价内容中的用户情感倾向分析
人工智能·api·电商开放平台·淘宝开放平台·api开放接口
遇码1 小时前
认识 LakeMind：一款本地优先的开源 AI 数据探索工作台
人工智能·开源
格林威2 小时前
多相机微秒级对齐：硬件触发 vs PTP（IEEE 1588）方案实战对比
开发语言·人工智能·数码相机·机器学习·计算机视觉·视觉检测·机器视觉
江南十四行2 小时前
Spring框架核心（上）——IoC控制反转与DI依赖注入详解
java·后端·spring
三江番长 陀舍古帝2 小时前
AI 相关概念之（基础层级）：AI、ANI、AGI、ASI
人工智能·agi
加速财经3 小时前
PocketBay探索AI应用部署新方式
人工智能
IT_陈寒3 小时前
Redis缓存击穿把我坑惨了，原来这样设过期时间才靠谱
前端·人工智能·后端
热门推荐
01如何新建文件夹？ 电脑新建文件夹的4种方法02GitHub 镜像站点03国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）04微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新05Agnes AI 免费 API 接入指南：文本、生图、生视频，一套接口全免费06AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路072026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？082026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片09历年考研数学一、数学二、数学三真题试卷及答案PDF1000 Debian字符界面如何支持中文