Spring AI 2.0 开发Java Agent智能体 - Advisors —— 拦截器模式增强AI能力

大家好，我是Java1234_小锋老师，最近更新《2027版本 Spring AI 2.0 开发Java Agent智能体视频教程》专辑，感谢大家支持。

本课程主要介绍和讲解Spring AI 2.0简介，Spring AI 2.0 HelloWorld搭建，Advisors --- 拦截器模式增强AI能力，对话与提示词工程（Prompt），工具调用(Function Calling / Tools) ，RAG(检索增强生成)，MCP(模型上下文协议)和多模态支持。

等这个Spring AI2.0基础课程录制完成，接下来要发布2个企业级Java AI实战课程，RAG企业知识库系统和AI智能客服系统。大家可以点点关注，后面更精彩。

视频教程+课件+源码打包下载：

链接：https://pan.baidu.com/s/1o-zRfndo1HHrS_uFroOiCw?pwd=1234

提取码：0000

Spring AI 2.0 开发Java Agent智能体 - Advisors ------ 拦截器模式增强AI能力

Advisors 简介

Spring AI Advisors API 提供了一种灵活而强大的方式，用于拦截、修改和增强 Spring 应用程序中的 AI 驱动交互。通过利用 Advisors API，开发人员可以创建更复杂、可重用且易于维护的 AI 组件。

Spring AI 2.0 的Advisors（顾问） 本质是AI 交互的中间件 / 拦截器 ，像给 AI 聊天加了一层 "智能过滤网"，能在请求发送前、响应返回后自动处理通用逻辑，让你专注于业务核心。

这个想法来自AOP（面向切面编程）。如果你学过Spring中的AOP或Filter（过滤器），那理解Advisors会觉得非常亲切。

工作原理：Advisors 如何运作？

Advisors 基于责任链模式 和AOP 面向切面编程思想，工作流程如下：

请求阶段：用户→ChatClient→Advisor1→Advisor2→...→LLM
- 每个 Advisor 可以修改请求（如添加历史对话、优化提示词）
- 也可以拦截请求（如发现敏感词直接返回错误）
响应阶段：LLM→AdvisorN→...→Advisor2→Advisor1→ChatClient→用户
- 每个 Advisor 可以修改响应（如格式化输出、提取关键信息）
- 也可以拦截响应（如发现不符合要求时触发重试）

Spring AI 2.0 提供两种核心接口：

CallAdvisor：处理非流式请求（一问一答）
StreamAdvisor：处理流式请求（边生成边返回）Spring

核心方法是nextCall()（非流式）和nextStream()（流式），通过调用这些方法将请求传递给下一个 Advisor，形成完整的处理链。

常用内置 Advisors：开箱即用的能力

Spring AI 2.0提供了一批内置的、可以直接使用的强大顾问，覆盖了最常见的AI增强需求：

顾问名称	主要作用	通俗解释
MessageChatMemoryAdvisor	对话记忆	"记对话"：记住用户最近说了啥，让聊天感觉是连续的
PromptChatMemoryAdvisor	提示记忆	"提炼对话"：把整个聊天记忆压缩成一个精炼的提示摘要
VectorStoreChatMemoryAdvisor	向量存储记忆	"搜相关知识"：根据用户问题，从向量数据库中找最相关的历史对话来增强记忆
QuestionAnswerAdvisor	检索增强生成 (RAG)	"查资料"：先在知识库里查相关信息，再把信息"喂"给AI来回答问题]
SimpleLoggerAdvisor	日志记录	"记流水账"：忠实记录下每次请求和响应的内容，方便调试和监控
Semantic Cache Advisor	语义缓存	"聪明缓存"：如果遇到意思相同的问题（而不是只字不差），可以直接返回之前缓存的答案，省时省力
ToolCallAdvisor	工具调用	"调用外部工具"：实现AI调用外部API、数据库等能力，通过递归（Recursive）模式可以多次循环执行
GuardrailsAdvisor	安全护栏	"安全检查"：在请求到达AI前或AI响应返回前拦截不当内容

自定义实现Advisors

我们来实现一个自定义简单的请求和响应日志记录Advisor

第一步：新建MySimpleLoggerAdvisor类，实现CallAdvisor和StreamAdvisor接口，同时支持两种模式。

复制代码

package com.java1234.advisor;

import org.springframework.ai.chat.client.ChatClientRequest;
import org.springframework.ai.chat.client.ChatClientResponse;
import org.springframework.ai.chat.client.advisor.api.CallAdvisor;
import org.springframework.ai.chat.client.advisor.api.CallAdvisorChain;
import org.springframework.ai.chat.client.advisor.api.StreamAdvisor;
import org.springframework.ai.chat.client.advisor.api.StreamAdvisorChain;
import reactor.core.publisher.Flux;

/**
 * 实现CallAdvisor和StreamAdvisor接口，同时支持两种模式
 */
public class MySimpleLoggerAdvisor implements CallAdvisor, StreamAdvisor {

    @Override
    public ChatClientResponse adviseCall(ChatClientRequest request, CallAdvisorChain chain) {
        System.out.println("发送请求：" + request);
        // 调用下一个Advisor，继续处理链
        ChatClientResponse response = chain.nextCall(request);
        System.out.println("收到响应：" + response);
        return response;
    }

    @Override
    public Flux<ChatClientResponse> adviseStream(ChatClientRequest request, StreamAdvisorChain chain) {
        System.out.println("发送流式请求：" + request);
        return chain.nextStream(request)
                .doOnNext(response -> System.out.println("收到流式响应片段："+response));
    }


    @Override
    public String getName() {
        return "简单日志Advisor";
    }

    /**
     * 这个 getOrder() 方法用于指定 Advisor（通知器）的执行顺序。
     * 作用说明：
     * 返回值越小，优先级越高，越早执行
     * 返回 0 表示高优先级
     * 如果有多个 Advisor，Spring AI 会按照此值从小到大依次执行
     * @return
     */
    @Override
    public int getOrder() {
        return 0;
    }
}

第二步：AiConfiguration的ChatClient聊天客户端里，构建ChatClient的时候，添加Advisor。

复制代码

    @Bean
    public ChatClient chatClient(OpenAiChatModel  model){
        return ChatClient
                .builder(model) // 创建 ChatClient 对象，并设置模型为 model
                .defaultAdvisors(new MySimpleLoggerAdvisor()) // 添加一个 MySimpleLoggerAdvisor，记录请求日志
                .build(); // 构建 ChatClient 对象
    }

最后我们来测试下：

先测试阻塞式

复制代码

http://localhost:8080/ai?question=你是谁？

控制台输出：

复制代码

发送请求：ChatClientRequest[prompt=Prompt{messages=[UserMessage{content='你是谁？', metadata={messageType=USER}, messageType=USER}], modelOptions=OpenAiChatOptions: {"model":"qwen3.6-plus","streamUsage":false}}, context={}]
收到响应：ChatClientResponse[chatResponse=ChatResponse [metadata={ id: chatcmpl-005ad77a-27b5-9816-80ad-b2b269dbba56, usage: DefaultUsage{promptTokens=12, completionTokens=658, totalTokens=670}, rateLimit: { @type: org.springframework.ai.openai.metadata.OpenAiRateLimit, requestsLimit: null, requestsRemaining: null, requestsReset: null, tokensLimit: null; tokensRemaining: null; tokensReset: null } }, generations=[Generation[assistantMessage=AssistantMessage [messageType=ASSISTANT, toolCalls=[], textContent=你好！我是 Qwen（通义千问），是由阿里巴巴集团旗下通义实验室研发的大语言模型。你可以把我当作一个真诚、乐于助人的 AI 伙伴。

无论是探讨问题、寻找灵感，还是协助处理文字和逻辑任务，我都在这里。今天有什么我可以帮你的吗？, metadata={role=ASSISTANT, messageType=ASSISTANT, refusal=, finishReason=STOP, index=0, annotations=[{}], id=chatcmpl-005ad77a-27b5-9816-80ad-b2b269dbba56}], chatGenerationMetadata=DefaultChatGenerationMetadata[finishReason='STOP', filters=0, metadata=0]]]], context={}]

再测试流式的

复制代码

http://localhost:8080/ai2?question=你是谁？

控制台输出：

项目里配置日志记录SimpleLoggerAdvisor

我们给项目配置下内置的SimpleLoggerAdvisor日志记录Advisor

复制代码

package com.java1234.config;

import com.java1234.advisor.MySimpleLoggerAdvisor;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.SimpleLoggerAdvisor;
import org.springframework.ai.ollama.OllamaChatModel;
import org.springframework.ai.openai.OpenAiChatModel;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class AiConfiguration {

    /**
     * 创建一个 ChatClient 对象，用于处理聊天请求。
     *
     * @param model OpenAiChatModel 对象，用于处理聊天请求。
     * @return ChatClient 对象，用于处理聊天请求。
     */
    @Bean
    public ChatClient chatClient(OpenAiChatModel  model){
        return ChatClient
                .builder(model) // 创建 ChatClient 对象，并设置模型为 model
                // .defaultAdvisors(new MySimpleLoggerAdvisor()) // 添加一个 MySimpleLoggerAdvisor，记录请求日志
                .defaultAdvisors(new SimpleLoggerAdvisor()) // 添加一个 SimpleLoggerAdvisor，记录请求日志
                .build(); // 构建 ChatClient 对象
    }

    /**
     * 创建一个 ChatClient 对象，用于处理聊天请求。
     *
     * @param model OllamaChatModel 模型，用于处理聊天请求。
     * @return ChatClient 模型，用于处理聊天请求。
     */
    @Bean
    public ChatClient chatClient2(OllamaChatModel model){
        return ChatClient
                .builder(model) // 创建 ChatClient 对象，并设置模型为 model
                .defaultAdvisors(new SimpleLoggerAdvisor()) // 添加一个 SimpleLoggerAdvisor，记录请求日志
                .build(); // 构建 ChatClient 对象
    }
}

以及application.yml里面要配置下日志级别：

复制代码

logging:
  level:
    org.springframework.ai: debug

我们来测试下：

复制代码

http://localhost:8080/ai?question=你是谁？

控制台日志输出，请求和响应都有完整的数据显示

复制代码

2026-04-25T14:33:37.198+08:00 DEBUG 49764 --- [helloWorld] [nio-8080-exec-3] o.s.a.c.c.advisor.SimpleLoggerAdvisor    : request: ChatClientRequest[prompt=Prompt{messages=[UserMessage{content='你是谁？', metadata={messageType=USER}, messageType=USER}], modelOptions=OpenAiChatOptions: {"model":"qwen3.6-plus","streamUsage":false}}, context={}]
2026-04-25T14:33:43.232+08:00 DEBUG 49764 --- [helloWorld] [nio-8080-exec-3] o.s.a.c.c.advisor.SimpleLoggerAdvisor    : response: {
  "metadata" : {
    "empty" : false,
    "id" : "chatcmpl-795a2d7a-ee98-9612-bb6f-0a1f741b5416",
    "model" : "qwen3.6-plus",
    "promptMetadata" : [ ],
    "rateLimit" : {
      "requestsLimit" : null,
      "requestsRemaining" : null,
      "requestsReset" : null,
      "tokensLimit" : null,
      "tokensRemaining" : null,
      "tokensReset" : null
    },
    "usage" : {
      "promptTokens" : 12,
      "completionTokens" : 267,
      "totalTokens" : 279,
      "nativeUsage" : {
        "completion_tokens" : 267,
        "prompt_tokens" : 12,
        "total_tokens" : 279,
        "prompt_tokens_details" : { },
        "completion_tokens_details" : {
          "reasoning_tokens" : 236
        }
      }
    }
  },
  "result" : {
    "metadata" : {
      "contentFilters" : [ ],
      "empty" : true,
      "finishReason" : "STOP"
    },
    "output" : {
      "media" : [ ],
      "messageType" : "ASSISTANT",
      "metadata" : {
        "role" : "ASSISTANT",
        "messageType" : "ASSISTANT",
        "finishReason" : "STOP",
        "refusal" : "",
        "index" : 0,
        "annotations" : [ { } ],
        "id" : "chatcmpl-795a2d7a-ee98-9612-bb6f-0a1f741b5416"
      },
      "text" : "我是 Qwen（通义千问），由阿里巴巴集团旗下通义实验室自主研发的大语言模型。有什么我可以帮你的吗？",
      "toolCalls" : [ ]
    }
  },
  "results" : [ {
    "metadata" : {
      "contentFilters" : [ ],
      "empty" : true,
      "finishReason" : "STOP"
    },
    "output" : {
      "media" : [ ],
      "messageType" : "ASSISTANT",
      "metadata" : {
        "role" : "ASSISTANT",
        "messageType" : "ASSISTANT",
        "finishReason" : "STOP",
        "refusal" : "",
        "index" : 0,
        "annotations" : [ { } ],
        "id" : "chatcmpl-795a2d7a-ee98-9612-bb6f-0a1f741b5416"
      },
      "text" : "我是 Qwen（通义千问），由阿里巴巴集团旗下通义实验室自主研发的大语言模型。有什么我可以帮你的吗？",
      "toolCalls" : [ ]
    }
  } ]
}