提示词和提示词模板

提示词和提示词模板

• [一、 核心概念详解](#一、 核心概念详解)
• • [1. 提示词 (Prompt)](#1. 提示词 (Prompt))
  • [2. 提示词中的四大角色 (Message Roles)](#2. 提示词中的四大角色 (Message Roles))
  • [3. 提示词模板 (Prompt Template)](#3. 提示词模板 (Prompt Template))
• [二、 代码实战示例](#二、 代码实战示例)
• • [1. 基础 Prompt 构建（手动组装消息）](#1. 基础 Prompt 构建（手动组装消息）)
  • [2. 使用 PromptTemplate 动态生成提示词](#2. 使用 PromptTemplate 动态生成提示词)
  • [3. 在 ChatClient 中使用系统提示词模板](#3. 在 ChatClient 中使用系统提示词模板)
• [三、 高级特性：提示词动态管理 (Nacos 集成)](#三、 高级特性：提示词动态管理 (Nacos 集成))
• • [1. 引入依赖](#1. 引入依赖)
  • [2. 配置 Nacos](#2. 配置 Nacos)
  • [3. 动态调用](#3. 动态调用)
• [四、 最佳实践建议](#四、 最佳实践建议)

在 Spring AI Alibaba 中，提示词（Prompt）是与大模型（交互的核心载体，而提示词模板（Prompt Template）则是实现动态化、结构化提示词工程的关键工具。以下是对这两者的详细解析及代码实现。

一、 核心概念详解

1. 提示词 (Prompt)

Prompt 是发送给大模型的完整指令集合。在 Spring AI 中，它不仅仅是一段文本，而是一个包含消息列表（Messages）和配置选项（ChatOptions）的结构化对象。

• 构成要素：
  • Messages：由不同角色的消息组成，包括 System（系统指令）、User（用户输入）、Assistant（历史回复）和 Tool（工具调用结果）。
  • ChatOptions：控制模型行为的参数，如温度（temperature）、最大令牌数（max_tokens）、模型名称（model）等。

2. 提示词中的四大角色 (Message Roles)

Spring AI 通过 Message 接口及其子类来区分对话中的不同角色，模型会根据角色理解上下文逻辑：

角色类型	类名	作用与优先级	示例场景
系统消息	SystemMessage	优先级最高。设定 AI 的全局行为准则、人设、语气约束。通常放在对话最前面。	"你是一个专业的 Java 专家，回答要简洁严谨。"
用户消息	UserMessage代表当前用户的真实提问或指令。	"请解释一下 Spring Boot 的自动装配原理。"
助手消息	AssistantMessage	代表模型的历史回复。用于多轮对话中让模型"记住"之前的上下文。	"Spring Boot 通过 @EnableAutoConfiguration..."
工具消息	ToolMessage	代表外部工具或函数调用的返回结果。用于增强模型获取实时信息的能力。	"查询到的北京天气是：晴，25℃。"

3. 提示词模板 (Prompt Template)

硬编码字符串作为提示词难以维护且缺乏灵活性。Prompt Template 允许开发者定义带有占位符的模板，并在运行时动态替换变量。

• 核心机制：
  • 占位符语法：默认使用 {variableName} 格式。
  • 渲染引擎：底层默认使用 StTemplateRenderer（基于 StringTemplate 引擎），支持复杂的逻辑处理；也可配置为 NoOpTemplateRenderer（仅做简单替换）。
  • 动态性：通过 Map<String, Object> 传入变量值，生成最终的 Prompt 或 String。

---

二、 代码实战示例

以下代码展示了如何构建基础 Prompt、使用模板动态生成 Prompt，以及在 ChatClient 中应用模板。

1. 基础 Prompt 构建（手动组装消息）

import org.springframework.ai.chat.messages.SystemMessage;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.model.ChatModel;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;

import java.util.List;

@RestController
public class BasicPromptController {

    @Autowired
    private ChatModel chatModel;

    @GetMapping("/chat/basic")
    public String basicChat() {
        // 1. 构建系统消息：设定人设
        SystemMessage systemMessage = new SystemMessage("你是一个幽默的编程导师，擅长用比喻解释复杂概念。");
        
        // 2. 构建用户消息：具体提问
        UserMessage userMessage = new UserMessage("什么是递归？");
        
        // 3. 组装 Prompt
        Prompt prompt = new Prompt(List.of(systemMessage, userMessage));
        
        // 4. 调用模型并获取响应
        return chatModel.call(prompt).getResult().getOutput().getContent();
    }
}

2. 使用 PromptTemplate 动态生成提示词

这是企业级开发中最常用的方式，实现了提示词与业务逻辑的解偶。

import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.PromptTemplate;
import org.springframework.ai.chat.model.ChatModel;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

import java.util.Map;

@RestController
public class TemplatePromptController {

    @Autowired
    private ChatModel chatModel;

    @GetMapping("/chat/template")
    public String templateChat(@RequestParam String topic, @RequestParam String language) {
        // 1. 定义提示词模板，使用 {topic} 和 {language} 作为占位符
        String templateText = """
            你是一个精通 {language} 的技术专家。
            请用通俗易懂的语言解释以下概念：{topic}。
            要求：
            1. 给出一个生活中的类比。
            2. 提供一段简单的代码示例。
            """;
        
        // 2. 创建 PromptTemplate 实例
        PromptTemplate promptTemplate = new PromptTemplate(templateText);
        
        // 3. 准备动态变量
        Map<String, Object> variables = Map.of(
            "topic", topic,
            "language", language
        );
        
        // 4. 渲染并创建 Prompt 对象
        // create(variables) 方法会自动替换占位符并封装成 Prompt
        Prompt prompt = promptTemplate.create(variables);
        
        // 5. 调用模型
        return chatModel.call(prompt).getResult().getOutput().getContent();
    }
}

3. 在 ChatClient 中使用系统提示词模板

ChatClient 提供了更流畅的 API 来集成系统提示词。

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class ChatClientTemplateController {

    private final ChatClient chatClient;

    @Autowired
    public ChatClientTemplateController(ChatClient.Builder builder) {
        this.chatClient = builder.build();
    }

    @GetMapping("/chat/client-template")
    public String clientTemplateChat(@RequestParam String userName) {
        // 使用链式调用，动态设置 System Message
        return chatClient
            .prompt()
            // 动态设置系统指令，这里可以直接传入字符串，也可以结合 PromptTemplate 预处理后传入
            .system("你好，{name}！我是你的专属AI助手。", Map.of("name", userName)) 
            .user("今天有什么新闻？")
            .call()
            .content();
    }
}

---

三、 高级特性：提示词动态管理 (Nacos 集成)

在生产环境中，频繁修改提示词并重新打包部署效率极低。Spring AI Alibaba 提供了 Nacos Prompt 管理 功能，支持从 Nacos 配置中心动态加载和更新提示词模板。

1. 引入依赖

<dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-starter-nacos-prompt</artifactId>
</dependency>

2. 配置 Nacos

在 application.yml 中启用 Nacos Prompt 模板支持：

spring:
  ai:
    nacos:
      prompt:
        template:
          enabled: true
  cloud:
    nacos:
      config:
        server-addr: your-nacos-address:8848

3. 动态调用

import org.springframework.ai.chat.prompt.ConfigurablePromptTemplate;
import org.springframework.ai.chat.prompt.ConfigurablePromptTemplateFactory;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;

import java.util.Map;

@RestController
public class NacosPromptController {

    @Autowired
    private ConfigurablePromptTemplateFactory promptTemplateFactory;

    @GetMapping("/chat/nacos")
    public String nacosChat() {
        // 从 Nacos 获取名为 "greeting_template" 的提示词模板
        // 如果 Nacos 中未配置，则使用默认的 fallback 逻辑（需自行处理或配置默认值）
        ConfigurablePromptTemplate template = promptTemplateFactory.create("greeting_template");
        
        // 渲染模板
        String renderedPrompt = template.render(Map.of("user", "张三"));
        
        // 此时 renderedPrompt 即为从云端动态获取并替换变量后的最终提示词
        return renderedPrompt;
    }
}

四、 最佳实践建议

1. 分离关注点：不要将提示词硬编码在 Java 字符串中。对于简单的静态提示词，可以使用常量；对于复杂或经常变化的提示词，务必使用 PromptTemplate 或外部配置（如 Nacos/数据库）。
2. 善用 System Message：将角色设定、输出格式约束（如"只返回 JSON"）、安全限制等放在 SystemMessage 中，这比放在 UserMessage 中更有效且稳定。
3. 变量校验：在使用 PromptTemplate 时，确保传入的 Map 中包含所有占位符对应的键，否则可能会抛出异常或保留原始占位符（取决于渲染器配置）。
4. 结构化输出配合：当需要模型返回特定格式（如 JSON）时，应在 Prompt 模板中明确说明格式要求，并结合 Spring AI 的 .entity() 方法进行自动反序列化。