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 - 对话与提示词工程（Prompt）
一、核心概念总览
Spring AI 2.0 提供了统一、易用的对话与提示词工程 API，核心组件包括：
| 组件 | 作用 | 关键特性 |
|---|---|---|
| Message | 封装对话内容 | 支持SYSTEM 、USER 、ASSISTANT 、TOOL四种类型Spring |
| Prompt | 模型输入容器 | 包含消息列表和模型配置选项 |
| PromptTemplate | 提示词模板引擎 | 支持变量替换、外部文件加载、自定义分隔符Spring |
| ChatClient | 对话 API 入口 | 流畅链式调用，简化提示词构建与响应处理Spring |
| ChatModel | 底层模型接口 | 统一抽象不同大模型（OpenAI、Anthropic、Ollama 等）Spring |
二、核心知识点详解
1. 消息类型（Message Type）
Spring AI 定义了四种标准消息类型，用于构建结构化对话：
-
SYSTEM：设定 AI 角色、行为准则和能力边界（如 "你是一位 Java 开发专家，只回答编程相关问题"）
-
USER：用户输入的问题或指令
-
ASSISTANT：AI 的历史回复（用于多轮对话上下文）
-
TOOL：工具调用的结果（如函数执行返回值）
2. 提示词工程基础原则
有效提示词应包含三要素：
-
角色设定：明确 AI 身份和能力范围
-
上下文信息：提供必要背景知识
-
清晰指令：明确任务目标和输出格式
提示词优化技巧：
-
使用分隔符（如 ```、---）区分不同内容块
-
设定输出格式（如 JSON、Markdown）
-
控制模型参数（temperature：0~1，越低越确定；maxTokens：最大输出长度）Spring
3. 提示词模板（PromptTemplate）
解决硬编码提示词的复用性和维护性问题，支持：
-
变量替换（使用
{}占位符） -
外部文件加载（从 resources 读取模板）
-
自定义渲染器（如修改分隔符为
<>） -
系统提示词模板（SystemPromptTemplate）专门用于角色设定
4. ChatClient 流畅 API
Spring AI 2.0 推荐使用 ChatClient 进行对话开发，特点：
-
链式调用，代码简洁
-
内置提示词构建器
-
支持流式响应（Flux<String>）
-
统一处理不同模型的响应格式Spring
三，具体应用实例
1，PromptTemplate提示词模版
我们如果不用提示词模版，很多时候写代码是这样的：
// 不用模板：手写相同的逻辑，重复且难以维护
@GetMapping("/chat/java")
public String java() { return chatClient.prompt().user("介绍下Java").call().content(); }
@GetMapping("/chat/python")
public String python() { return chatClient.prompt().user("介绍下Python").call().content(); }我们现在用提示词模版简化系统设计：
/**
* 使用模板：一套代码应对所有场景
* @param topic
* @return
*/
@RequestMapping(value = "/ask",produces = "text/html;charset=utf-8")
public Flux<String> ask(String topic) {
PromptTemplate template = new PromptTemplate("介绍下{topic}");
Prompt prompt = template.create(Map.of("topic", topic));
return chatClient.prompt(prompt)
.stream()
.content();
}测试，浏览器输入：http://localhost:8080/ask?topic=java
再测试，浏览器输入：http://localhost:8080/ask?topic=python
2，使用 ChatClient 的流式 API 可以最快速地组装提示词
我们看下代码：
/**
* 使用 `ChatClient` 的流式 API 可以最快速地组装提示词
* @param topic
* @return
*/
@RequestMapping(value = "/ask2",produces = "text/html;charset=utf-8")
public Flux<String> ask2(String topic) {
return chatClient.prompt()
.system("你是一个专业的书评助手") // 设置系统提示
.user(u->u.text("请给我三本关于{topic}的书籍").param("topic", topic))
.stream()
.content();
}测试，浏览器输入：http://localhost:8080/ask2?topic=python
再测试，浏览器输入：http://localhost:8080/ask2?topic=java
3，系统提示词工程 ------ defaultSystem
通过 defaultSystem 构建"专家角色"，将其作为 AI 的"行动纲领"，确保所有对话都有统一的行为准则。
我们先在AiConfiguration配置类里加一个ChatClient实例：
/**
* 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 chatClient3(OpenAiChatModel model){
// System Prompt 工程：清晰定义 AI 的角色、任务、约束和输出格式
String systemPrompt = """
你是一个资深的 Java 技术顾问。
禁止回答任何非技术类问题，例如天气或娱乐八卦。
代码示例必须符合 Java 17+ 规范。
回答需要符合以下格式：首先一句话概括问题的核心，然后提供代码示例，最后补充注意事项。
如果自己不确定，可以说"关于这个问题，我目前没有确切的信息"，禁止编造内容。
""";
return ChatClient
.builder(model) // 创建 ChatClient 对象，并设置模型为 model
.defaultSystem(systemPrompt)
.defaultAdvisors(new SimpleLoggerAdvisor()) // 添加一个 SimpleLoggerAdvisor，记录请求日志
.build(); // 构建 ChatClient 对象
}接下来，MyAiChatController里加下chatClient3实例，以及定义一个新接口方法：
@Autowired
private ChatClient chatClient3 ;
/**
* @param question
* @return
*/
@RequestMapping(value = "/ask3",produces = "text/html;charset=utf-8")
public Flux<String> ask3(String question) {
return chatClient3.prompt() // 创建一个 Prompt 对象，用于构建聊天请求。
.user( question) // 设置用户输入的文本。
.stream() // 调用 ChatClient 对象的 call() 方法，发送聊天请求给大模型并获取响应。
.content(); // 获取响应的文本内容。
}我们来测试下，浏览器输入：http://localhost:8080/ask3?question=写一个java起泡法排序算法
