核心模型接口（Model Interfaces）
这是与各种大模型（如 OpenAI、Qwen、Ollama 等）直接对话的底层 API，提供了最大的灵活性。
表格
| 核心 API 接口 | 作用与说明 |
|---|---|
| ChatLanguageModel | 最核心的对话接口 。接收一组聊天消息（ChatMessage），返回 AI 的回复（AiMessage）。几乎所有高级功能最终都会调用它。 |
| StreamingChatLanguageModel | 流式对话接口。与上面类似，但支持流式输出（打字机效果），通过回调函数（StreamingChatResponseHandler）逐字返回结果。 |
| EmbeddingModel | 文本向量化接口。将文本转换为高维向量（Embedding），是 RAG（检索增强生成）和语义搜索的基础。 |
| ScoringModel | 文本评分/重排接口。根据查询对多段文本进行相关性打分，常用于 RAG 流程中的重排（Re-ranking）环节。 |
| ImageModel | 图像处理接口。用于生成或编辑图像（如调用 DALL-E）。 |
| ModerationModel | 内容审核接口。用于检查文本或图像中是否包含违规、有害的内容。 |
💬 ChatMessage 消息类型
在使用 ChatLanguageModel 时，需要传入不同类型的消息来构建完整的对话上下文：
SystemMessage：系统消息。通常放在对话开头，用于设定 AI 的角色、行为约束和回答风格。UserMessage：用户消息。代表人类用户或应用程序发出的提问，支持纯文本，部分模型也支持图文多模态输入。AiMessage：AI 回复消息。模型生成的回答，除了文本内容，还可能包含请求执行工具的指令（ToolExecutionRequest）。ToolExecutionResultMessage：工具执行结果。当 AI 决定调用外部工具后，将工具执行的结果反馈给模型。
🛠️ 核心方法：generate()
ChatLanguageModel 接口中最核心的方法就是 generate()，它有多种重载形式：
- 简单调用 ：
String generate(String userMessage)
直接传入一个字符串，返回一个字符串。这是最便捷的用法。 - 标准调用 ：
Response<AiMessage> generate(List<ChatMessage> messages)
传入一个包含SystemMessage、UserMessage等的消息列表，返回一个包含AiMessage和 Token 使用统计等元数据的Response对象。这是最标准、最灵活的用法。